Gemini Decision 1: أول نموذج قرار من Google يتصدّر حيث يكون ذلك أقل أهمية

ستة وستون نتيجة محترمة وعنوان رئيسي مضلّل. Gemini Decision 1، الذي أطلقته Google في 11 نوفمبر 2026 عبر واجهة Decisions API جديدة، يحلّ بدرجة 66 على Artificial Analysis Decision Index v2.1 — التاسع بين نماذج القرار الثمانية عشر التي يصنّفها المجلس، وأعلى قليلًا من وسيط المجال البالغ 64. والنصف الآخر من ادعاء الإطلاق صحيح أيضًا: فالنموذج هو الأول بلا منازع في مكوّني المعرفة والاستدلال في المؤشر. تنجو الجملتان من التدقيق، وتبدوان متناقضتين لسبب يستحق الفهم. تساوي هاتان المكوّنتان 15% من الدرجة لكل منهما. أما المكوّن الذي يساوي 30% فهو الذي يكون فيه Gemini Decision 1 الأضعف أمام أقرانه.

هذا التمييز ليس جدالاً حول حسابات لوحة المتصدرين. إنه يخبرك بما صُمِّم هذا النموذج لفعله، وهو ليس ما سيفترضه معظم الناس من عبارة «نموذج قرار من Google DeepMind».

ما الذي أطلقته Google فعليًا

لا يكتب Gemini Decision 1. فهو ليس نموذج دردشة مزوّدًا بوضع JSON، ولا يمكن استدعاؤه عبر مسار generate-content المعتاد. يعمل على نقطة نهاية منفصلة، POST /v1beta/decisions، ويأخذ كتلة واحدة من المدخلات المشتركة بالإضافة إلى خريطة من الأسئلة المحددة النوع، ويعيد إجابة معايَرة واحدة لكل سؤال دون أي رموز إخراج. يُقيَّم كل سؤال بشكل مستقل مقابل المدخلات نفسها في تمريرة واحدة، ولا يرى النموذج مفاتيح أسئلتك أبدًا — بل نص التعليمات الذي تكتبه فقط.

ثلاثة أنواع من الأسئلة تغطي كامل السطح:

• نعم/لا (noul) — يُرجع احتمالًا بين 0.01 و0.99 بالإضافة إلى درجة ثقة. الحد مقصود، ويعني أن أي عتبة تُضبط فوق 0.99 لن تُفعّل أبدًا.

• Choice — من خيارين إلى 255 خيارًا مسمّى، مع إرجاع الخيار الأعلى، واحتمال لكل خيار مجموعه واحد، ودرجة ثقة. قبل التقييم، ترتّب واجهة API مفاتيح خياراتك أبجديًا حسب ترتيب بايتات UTF-8، لذا لا يغيّر ترتيب مفاتيح JSON شيئًا، وعند التعادل التام يُحسم الأمر لصالح المفتاح الأول أبجديًا. ولهذا تقول إرشادات Google نفسها إنه ينبغي تسمية خيار شامل باسم other بدلًا من none_of_the_above، لأنه يُرتّب قبل معظم الفئات الحقيقية بدلًا من بعدها.

• الدرجة — من مستويين إلى 255 مستوى ترتيبيًا لمعيار التقييم، ويُوصى باثنين إلى عشرة، مع إرجاع مستوى متوقع مرجّح بالاحتمالات. ولأن القيمة المتوقعة تحسب متوسط مؤشرات المصفوفة، فإن مقياسًا مثل 1/10/100/1000 يشوّهها، وهذا ما تذكره Google في الوثائق.

بقية المواصفات محددة بشكل غير معتاد بالنسبة لصفحة طراز في يوم الإطلاق:

• المدخلات — نص وصورة وفيديو وصوت وملف PDF في طلب واحد، مع سياق يبلغ 262,144 رمزًا يغطي المدخلات المشتركة وكل سؤال معًا.

• الحجم — حتى 1,000 سؤال لكل طلب، وهو الرقم الذي يميّز هذا عن مصنّف. يمكن فحص تذكرة دعم مقابل أربعين قاعدة سياسة ضمن استدعاء واحد، مع فوترة واحدة للمُدخل المشترك.

• الوسائط — حتى 100 MB من base64 المضمّن لكل طلب، و50 MB لملفات PDF، و15 MB لكل رابط HTTPS خارجي. لا روابط YouTube ولا معرّفات URI من نوع gs://؛ بل تمرّر مرجع Files API، أو رابطًا موقّعًا، أو بايتات.

• الفوترة — $0.10 لكل مليون رمز إدخال، والإخراج غير قابل للتطبيق. لا يوجد تخزين مؤقت للسياق، ولا Batch API، ولا استدلال Flex أو Priority. تُحتسب المدخلات المتكررة عبر الطلبات بالكامل في كل مرة.

• حدود معدل الطلبات — مستوى مجاني عند 200 طلب في الدقيقة و10,000 في اليوم، والمستوى 1 عند 1,500 في الدقيقة و50,000 في اليوم، وطلبات يومية غير محدودة ابتداءً من المستوى 2.

ثمة تفصيلان في تلك القائمة يكتسبان أهمية أكبر مما يبدو عليهما. الطبقة المجانية متاحة دون تكلفة، لكنها مُدرجة على أنها تُستخدم لتحسين منتجات Google، مما يستبعدها من أي استخدام حساس. كما أن النموذج متاح على Gemini Developer API فقط، بإصدار API v1beta — ولا يوجد أي إدراج لـ Vertex AI في الوثائق التي أصدرتها Google.

الحساب الكامن وراء 66

لا يُعدّ Decision Index جدول دقة. إنه متوسط مرجح لستة تقييمات، وتُحتسب كل واحدة منها بوصفها الدقة ناقص درجة برير للاحتمال الذي ألصقه النموذج بإجابته. النموذج الذي يجيب خطأً لكنه يصرّح بذلك بثقة منخفضة يُعاقَب أقل من النموذج الذي يجيب خطأً وهو واثق. يكافئ هذا التصميم الامتناع عن الإجابة، وهو أهم أمر واحد يجب إبقاؤه في الذهن عند قراءة أي رقم على هذه اللوحة.

إليك موضع Gemini Decision 1 في كل مكوّن، إلى جانب ترتيبه بين النماذج الثمانية عشر:

• AA-Paperclip، بوزن 30% — 56.8، المرتبة 9. هذا هو اختبار قرار المستند: 1,500 سيرة ذاتية خاصة وإيصالات وفواتير وأوراق، تحمل كل منها خمسة قرارات وعشر حقائق، وتُقيَّم كمستند واحد لا يُحتسب إلا عندما تكون الإجابات الخمس عشرة كلها صحيحة. يجتاز Gemini Decision 1 نسبة 33% من المستندات مباشرةً. ويجتاز Drex Max v1.1 نسبة 63%.

• EvalSafe-O*NET-AA, 15% — 87.1، المرتبة 8. تقييم مستندات العمل. هذه نتيجة قوية، وهي المكوّن الذي تكون فيه نتائج المجال بأكمله أكثر تقاربًا.

• When2Call، 10% — 80.5، المرتبة 14. تقييم NVIDIA لاستدعاء الأدوات، وهو أضعف ترتيب بين الستة. يحقق Drex Max v1.1 ‏95.3 هنا.

• AA-Omniscience-Decision v1.1، 15% — 66.3، المرتبة الأولى. المعرفة والهلوسة، حيث يُصاغ خيار "لا أعرف" بعشر طرق مختلفة.

• HLE-MultiChoice v1.1, 15% — 48.7، المرتبة 1. Humanity's Last Exam، اختيار من متعدد، مع خيار الانسحاب.

• AA-Symmetry v1.1, 15% — 70.5، المرتبة 9. ما إذا كانت الإجابة تصمد أمام السؤال نفسه عند إعادة ترتيبه وتغيير تسميته ونفيه. يحافظ Gemini Decision 1 على إجابته في 38.3% من عائلات الأسئلة؛ ويحافظ Mammoth 27B على 88.2 على الأداة نفسها.

إذا وزنتم هذه القيم، فستحصلون على 65.98. الصفّان الأول والرابع يؤديان معظم العمل في اتجاهين متعاكسين، والسبب بنيوي: قيمة Paperclip تعادل ضعف قيمة أيٍّ من اختباري المعرفة، وهو التقييم الذي يتطلب من النموذج قراءة خمس عشرة حقيقة من مستند واحد على نحو صحيح وفي الوقت نفسه.

الأولان حقيقيان، لكنهما أضيق نطاقًا مما توحي به تسميتهما.

احتلال المركز الأول على AA-Omniscience-Decision نتيجة حقيقية. يسجّل Gemini Decision 1 نسبة 66.3 مقابل 64.4 لـ d1-ultra و60.9 لـ GLiDE v1.2، كما أن دقته الخام البالغة 44.8% هي الأعلى بين نماذج القرار الثمانية عشر في ذلك الاختبار. وفي HLE-MultiChoice يحل أولًا مجددًا بنتيجة 48.7، متقدمًا على Mammoth 27B وd1-ultra عند 47.4. هذا ما تشير إليه عبارة «الريادة في المعرفة والاستدلال»، والادعاء صحيح.

ما يغفله الادعاء هو المستوى المطلق. فـ Gemini Decision 1 يجيب إجابة صحيحة عن 13.2% من أسئلة Humanity's Last Exam. وسبب تصدّره ذلك المكوّن رغم ذلك هو أنه يمتنع عن الإجابة بدلًا من التخمين: فمعدل عدم الهلوسة لديه في الاختبار نفسه هو 35.7%، وصيغة التقييم تحتسب إجابة منخفضة الاحتمال يتبيّن أنها خاطئة. وتصدّر المجال في المعايرة ليس كتصدّره في المعرفة، ودقة 13% هي الرقم الذي يجب أخذه في الحسبان عند وضع خطة السعة.

لم تنشر Google أي جدول معايير خاص بها لهذا النموذج — فملاحظات الإصدار تعلن النموذج وواجهة API، وتشرح الوثائق شكل الطلب والحدود. كل رقم أداء أعلاه مصدره Artificial Analysis، وقد قيس باستخدام أداة التقييم الخاصة بالمقيّمين، ولا يوجد رقم من المورّد يخالفه. وهذا أنظف من معظم عمليات الإطلاق ويستحق القول بصراحة، لأن البديل — جدول من المورّد دون تحقق خارجي — هو الحالة الشائعة في هذه الفئة.

ما الذي يشتريه السعر، وما الذي لا يشتريه

بسعر $345 لكل مليون مهمة على المؤشر، يُعد Gemini Decision 1 أغلى نموذج في النصف الأعلى من لوحة الترتيب. ويشغّل Drex Max v1.1 المليون مهمة نفسها مقابل $103، وJev 1.14 مقابل $156، وMicrosoft-Decision-1 مقابل $143. ويفسّر ذلك سعر الإدخال: $0.10 لكل مليون رمز مقابل $0.03 لـ Drex Max v1.1، كما أن مهمة اتخاذ القرار تقرأ مستندًا طويلًا دون أن تولّد أي رمز لتعويض التكلفة. ويصنّفه Artificial Analysis في المرتبة الخامسة عشرة من أصل ثمانية عشر من حيث التكلفة، ويشير إلى أنه «باهظ بشكل خاص».

زمن الاستجابة ليس استثنائيًا. فعند 211 مللي ثانية لكل مهمة، يكون أبطأ قليلًا من الوسيط في هذا المجال البالغ 209، وأبطأ من Jev 1.14 عند 92. بالنسبة لقرار توجيه خلف رسالة عميل، فهذا مقبول. أما بالنسبة لحلقة إطارًا بإطار على فيديو مباشر، وهي حالة استخدام تذكرها الوثائق صراحةً، فهو حجة لصالح نموذج أصغر وليس ضد هذا النموذج.

فجوات القدرات هي تلك التي تدرجها صفحة التسعير على أنها غير متاحة، وليست تلك التي يمكن لاختبار مرجعي أن يُظهرها: عدم وجود Batch API يعني عدم إمكانية إجراء مسح ليلي بنصف السعر لمليون تذكرة تاريخية، وعدم وجود التخزين المؤقت للسياق يعني أن وثيقة السياسة نفسها البالغة 40,000 رمز يُحتسب مقابلها من جديد مع كل طلب. إذا كان خط قرارك يعيد قراءة سياق مشترك كبير على نطاق واسع، فإن هذين الغيابين يكلفان أكثر مما يوحي به السعر المعلن، ولا يظهر أي منهما في خارطة طريق نشرتها Google.

أين يندرج هذا إذا كنت توجّه النماذج بالفعل

لا يوفّر OrcaRouter النموذج gemini-decision-1. نقطة نهاية تُعطي احتمالات فقط ليست هدفًا لـ chat-completions، لذا ليست شيئًا يمكن لموجّه بالشكل الذي نعمل به أن يضعه خلف مفتاح واحد — والقول بخلاف ذلك سيكون من نوع ادعاءات التوافر التي تبدو جيدة وتفشل عند أول طلب. ما نوفّره هو typesafe/jev-1.14 من TypeSafe، وهو نموذج قرار على نفس لوحة النماذج الـ18 بدرجة 66.23، لذا يمكن لنصف التقييم في خط أنابيب أن يستقر على المفتاح نفسه الذي يستقر عليه نصف الكتابة إذا كان هذا هو نموذج القرار الذي تختاره.

الجزء الخاص بالكتابة هو ما نُوجد من أجله فعليًا. خط أنابيب القرار يكون دائمًا تقريبًا نداءين: شيء يصوغ الإجابة المرشحة أو معايير التقييم، وشيء يقيّمها. نداء الصياغة هو حيث يكون اختيار النموذج محل نزاع وحيث يضر عقد مورّد ثانٍ، وهو النداء الذي يعمل عبر نقطة نهاية واحدة مع أكثر من 200 نموذج عليها بسعر قائمة المورّد الممرَّر بهامش ربح 0%، لذا فإن أي تغيير في سعر المورّد يصبح ساريًا لدينا في اليوم نفسه. توجيه نداء الصياغة عبرنا وتوجيه نداء التقييم إلى نقطة نهاية Google الخاصة بها هو تغيير من سطرين، وليس إعادة هندسة معمارية.

ما الذي قد يغير هذه القراءة؟

ثلاثة أمور، بترتيب الاحتمالية. أي مراجعة ترفع معدل النجاح بنمط "كل شيء أو لا شيء" البالغ 33% لدى AA-Paperclip ستحرّك الدرجة المركبة أكثر من أي شيء آخر يمكن لهذا النموذج فعله، لأن ذلك المكوّن وحده يمثل 30% من الدرجة وفجوة قدرها ستة عشر نقطة عن المتصدر. إن إدراج Vertex AI سيغيّر محادثة المشتريات بالكامل — فاليوم السبيل الوحيد لاستدعائه هو مفتاح Gemini API، وستنتبه المؤسسات التي تشتري عبر عقود Google Cloud إلى ذلك. ووجود هيئة تقييم مستقلة ثانية تعيد إنتاج الرقم 66 سيحوّل رقمًا صادرًا عن شركة واحدة إلى رقم توافقي.

إلى أن يتحقق أحد تلك الأمور، فإن الوصف الدقيق لـ Gemini Decision 1 ضيّق ومفيد: مقيّم متعدد الوسائط، بسعة 262,000 رمز و1,000 سؤال، وهو أفضل نموذج قرار معايَر على اللوحة في الموضعين اللذين تكون فيهما المهارة المختبَرة هي معرفة متى تصمت، بينما يكون متوسط الترتيب في الموضع الذي تكون فيه المهمة قراءة مستند كثيف والحصول على خمسة عشر إجابة صحيحة دفعة واحدة. إذا كانت قراراتك من النوع الأول، فإن 66 تبخس قدره. وإذا كانت من النوع الثاني، فلن ينقذ معدل النجاح أي قدر من الريادة في معايير المعرفة.