Gemini Decision 1: מודל קבלת ההחלטות הראשון של גוגל מוביל דווקא במקום שבו זה הכי פחות חשוב
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 202 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 99 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0727 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 120 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 229 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 42 tok/s
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 128 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 127 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 106 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 65 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 392 tok/s
שישים ושש הוא ציון מכובד וכותרת מטעה. Gemini Decision 1, שהשיקה Google ב-11 בנובמבר 2026 מאחורי Decisions API חדש, מגיע ל-66 במדד Artificial Analysis Decision Index v2.1 — תשיעי מבין שמונה-עשר מודלי ההחלטות שהלוח מדרג, ממש מעל החציון בתחום, 64. החצי השני של טענת ההשקה נכון גם הוא: המודל ראשון, ובאופן מוחלט, ברכיבי הידע וההיגיון של המדד. שני המשפטים עומדים בבדיקה, והם מרגישים סותרים מסיבה ששווה להבין. שני הרכיבים האלה שווים 15% מהציון כל אחד. הרכיב ששווה 30% הוא זה שבו Gemini Decision 1 הוא החלש ביותר לעומת עמיתיו.
ההבחנה הזו אינה התעסקות בקטנות בחשבון של טבלת הדירוג. היא אומרת לך למה המודל הזה נבנה, וזה לא מה שרוב האנשים יניחו מהביטוי "מודל החלטות מבית Google DeepMind".
מה גוגל בעצם השיקה
Gemini Decision 1 אינו כותב. הוא אינו מודל צ'אט עם מצב JSON, ולא ניתן לקרוא לו דרך נתיב generate-content הרגיל. הוא פועל בנקודת קצה נפרדת, POST /v1beta/decisions, מקבל בלוק אחד של קלט משותף בתוספת מפה של שאלות עם טיפוסים, ומחזיר תשובה מכוילת אחת לכל שאלה עם אפס אסימוני פלט. כל שאלה מוערכת באופן בלתי תלוי מול אותו קלט במעבר אחד, והמודל לעולם אינו רואה את מפתחות השאלות שלך — רק את טקסט ההוראות שאתה כותב.
שלושה סוגי שאלות מכסים את כל פני השטח:
• כן/לא (noul) — מחזיר הסתברות בין 0.01 ל-0.99 בתוספת ציון ביטחון. הגבול מכוון, ומשמעותו שסף שנקבע מעל 0.99 לעולם לא יופעל.
• בחירה — שתיים עד 255 אפשרויות בעלות שם, שמחזירות את האפשרות המובילה, הסתברות לכל אפשרות כשסכומן שווה לאחד, ורמת ביטחון. לפני הניקוד, ה-API ממיין את מפתחות האפשרויות שלך לפי סדר אלפביתי של בתים ב-UTF-8, כך שסדר המפתחות ב-JSON לא משנה דבר, ותיקו מדויק נשבר לטובת המפתח הראשון לפי סדר אלפביתי. לכן ההנחיה של Google עצמה אומרת לכנות אפשרות כוללנית בשם other ולא none_of_the_above, שממוינת לפני רוב הקטגוריות האמיתיות ולא אחריהן.
• ניקוד — שתיים עד 255 רמות רובריקה מסודרות, מומלץ שתיים עד עשר, ומחזיר רמה צפויה משוקללת לפי הסתברות. מכיוון שהערך הצפוי מחשב ממוצע של אינדקסי המערך, סקאלה של 1/10/100/1000 מטה אותו, וגוגל אומרת זאת במסמכים.
שאר המפרט קונקרטי באופן יוצא דופן עבור עמוד דגם ביום ההשקה:
• קלט — טקסט, תמונה, וידאו, אודיו ו-PDF בבקשה אחת, עם הקשר של 262,144 טוקנים המכסה את הקלט המשותף ואת כל השאלות יחד.
• קנה מידה — עד 1,000 שאלות לבקשה, וזה המספר שמבדיל את זה ממסווג. אפשר לבדוק פניית תמיכה מול ארבעים כללי מדיניות בקריאה אחת, בחיוב אחד עבור הקלט המשותף.
• מדיה — עד 100 MB של base64 מוטבע לכל בקשה, 50 MB עבור קובצי PDF, 15 MB לכל כתובת URL חיצונית ב-HTTPS. אין קישורי YouTube ואין כתובות URI מסוג gs://; מעבירים הפניה ל-Files API, כתובת URL חתומה או בייטים.
• חיוב — $0.10 למיליון אסימוני קלט, פלט לא רלוונטי. אין מטמון הקשר, אין Batch API, אין הסקת Flex או Priority. קלט חוזר בין בקשות מחויב במלואו בכל פעם.
• מגבלות קצב — מסלול חינמי של 200 בקשות בדקה ו־10,000 ביום, Tier 1 של 1,500 בדקה ו־50,000 ביום, ובקשות יומיות ללא הגבלה מ־Tier 2 ומעלה.
שני פרטים ברשימה הזו חשובים יותר מכפי שהם נראים. השכבה החינמית היא ללא עלות, אך מצוין שהיא משמשת לשיפור המוצרים של Google, מה שפוסל אותה לכל דבר רגיש. והמודל זמין רק ב-Gemini Developer API, בגרסת API v1beta — אין אזכור של Vertex AI בתיעוד ש-Google פרסמה.
האריתמטיקה שמאחורי ה־66
ה-Decision Index אינו טבלת דיוק. זהו ממוצע משוקלל של שש הערכות, וכל אחת מהן נמדדת כדיוק פחות ציון Brier של ההסתברות שהמודל ייחס לתשובתו. מודל שעונה שלא נכון אך אומר זאת בביטחון נמוך נענש פחות ממודל שעונה שלא נכון ובטוח. העיצוב הזה מתגמל הימנעות ממענה, וזה הדבר האחד החשוב ביותר לזכור בקריאת כל מספר בלוח הזה.
הנה היכן ש-Gemini Decision 1 ממוקם בכל רכיב, עם הדירוג שלו מבין שמונה-עשר המודלים:
• AA-Paperclip, משקל 30% — 56.8, מקום 9. זהו מבחן קבלת ההחלטות על מסמכים: 1,500 קורות חיים פרטיים, קבלות, חשבוניות ומסמכים, שכל אחד מהם נושא חמישה החלטות ועשר עובדות, ומדורג כמסמך אחד שנספר רק כאשר כל חמש-עשרה התשובות נכונות. Gemini Decision 1 עובר 33% מהמסמכים באופן מוחלט. Drex Max v1.1 עובר 63%.
• EvalSafe-O*NET-AA, 15% — 87.1, מקום 8. שיפוט מסמכי עבודה. זו תוצאה חזקה, וזהו הרכיב שבו כל התחום מתקבץ בצפיפות הרבה ביותר.
• When2Call, 10% — 80.5, מקום 14. הערכת קריאה לכלים של NVIDIA, והדירוג החלש ביותר מבין השישה. Drex Max v1.1 משיג כאן 95.3.
• AA-Omniscience-Decision v1.1, 15% — 66.3, דירוג 1. ידע והזיה, כאשר האפשרות "אני לא יודע" מנוסחת בעשרה אופנים שונים.
• HLE-MultiChoice v1.1, 15% — 48.7, דירוג 1. Humanity's Last Exam, בחירה מרובה, עם אפשרות לסירוב.
• AA-Symmetry v1.1, 15% — 70.5, דירוג 9. האם תשובה שורדת את אותה שאלה כאשר היא מסודרת מחדש, מתויגת מחדש ונשללת. Gemini Decision 1 מחזיק בתשובתו ב-38.3% ממשפחות השאלות; Mammoth 27B מחזיק ב-88.2 באותו מכשיר.
אם תשקלל אותן תקבל 65.98. השורה הראשונה והשורה הרביעית עושות את רוב העבודה בכיוונים מנוגדים, והסיבה לכך מבנית: Paperclip שווה פי שניים מכל אחד ממבחני הידע, והיא ההערכה שדורשת מהמודל לקרוא חמישה עשר עובדות ממסמך אחד באופן נכון ובו-זמנית.
שני התקדימים אמיתיים, וצרים מכפי שהם נשמעים
להיות ראשון ב-AA-Omniscience-Decision הוא תוצאה אמיתית. Gemini Decision 1 מקבל 66.3 לעומת 64.4 עבור d1-ultra ו-60.9 עבור GLiDE v1.2, והדיוק הגולמי שלו של 44.8% הוא הגבוה מבין שמונה-עשר מודלי ההחלטה במבחן הזה. ב-HLE-MultiChoice הוא ראשון שוב עם 48.7, לפני Mammoth 27B ו-d1-ultra עם 47.4. לכך מתייחס הביטוי "מוביל בידע ובהסקה", והטענה תקפה.
מה שהטענה משמיטה הוא הרמה המוחלטת. Gemini Decision 1 עונה נכון על 13.2% משאלות Humanity's Last Exam. הסיבה שהוא עדיין בראש אותו רכיב היא שהוא מסרב לענות במקום לנחש: שיעור אי-ההזיה שלו באותו מבחן הוא 35.7%, ונוסחת הניקוד מעניקה ניקוד על תשובה בסבירות נמוכה שמתבררת כשגויה. ראש התחום בכיול אינו זהה לראש התחום בידע, ו-13% דיוק הם המספר שצריך לקחת לתכנון קיבולת.
גוגל לא פרסמה טבלת מדדי ביצועים משלה עבור המודל הזה — הערות השחרור מכריזות על המודל ועל ה-API, והתיעוד מסביר את מבנה הבקשה ואת המגבלות. כל נתוני הביצועים לעיל הם של Artificial Analysis, שנמדדו בסביבת ההרצה של המעריכים עצמם, ואין מספר מטעם הספק שיחלוק עליהם. זה נקי יותר מרוב ההשקות וראוי לומר אותו בפשטות, מפני שהחלופה — טבלת ספק בלי בדיקה חיצונית — היא המקרה הנפוץ בקטגוריה הזו.
מה המחיר קונה — ומה לא
במחיר של $345 למיליון משימות במדד, Gemini Decision 1 היא המודל היקר ביותר בחצי העליון של הטבלה. Drex Max v1.1 מריץ את אותו מיליון משימות תמורת $103, Jev 1.14 תמורת $156, ו-Microsoft-Decision-1 תמורת $143. תעריף הקלט מסביר זאת: $0.10 למיליון טוקנים לעומת $0.03 עבור Drex Max v1.1, ומשימת החלטה קוראת מסמך ארוך בלי לייצר אפילו טוקן שיקזז את העלות. Artificial Analysis מדרגת אותה במקום ה-15 מתוך 18 מבחינת עלות ומציינת שהיא "יקרה במיוחד".
זמן ההשהיה אינו יוצא דופן. בקצב של 211 מילישניות למשימה הוא מעט איטי יותר מחציון התחום, 209, ואיטי יותר מ-Jev 1.14, שעומד על 92. עבור החלטת ניתוב שמאחורי הודעת לקוח, זה בסדר. עבור לולאה פריים-אפריים על וידאו חי, שהתיעוד מפרט במפורש כמקרה שימוש, זהו הטיעון בעד מודל קטן יותר, ולא נגד המודל הזה.
פערי היכולות הם אלה שדף התמחור מפרט כלא זמינים, ולא אלה שבנצ'מרק יכול להראות: היעדר Batch API פירושו שאין סריקה לילית בחצי מחיר של מיליון פניות היסטוריות, והיעדר context caching פירושו שמסמך המדיניות בן 40,000 הטוקנים מחויב שוב בכל בקשה. אם צינור קבלת ההחלטות שלך קורא מחדש הקשר משותף גדול בהיקף גבוה, שתי ההשמטות האלה עולות יותר ממה שתעריף הכותרת מרמז, ואף אחת מהן אינה במפת דרכים ש-Google פרסמה.
איפה זה משתלב אם אתם כבר מנתבים מודלים
OrcaRouter לא מספק את gemini-decision-1. נקודת קצה של הסתברויות בלבד אינה יעד chat-completions, ולכן היא לא משהו שנתב במתכונת שלנו יכול להעמיד מאחורי מפתח אחד — ואמירה אחרת תהיה מסוג הצהרות הזמינות שנשמעות טוב ונכשלות בבקשה הראשונה. מה שכן יש לנו הוא typesafe/jev-1.14 של TypeSafe, מודל החלטות באותו לוח של 18 מודלים בציון 66.23, כך שחצי הניקוד של צינור יכול לשבת על אותו מפתח כמו חצי הכתיבה, אם זה מודל ההחלטות שתבחרו.
חצי הכתיבה הוא החלק שלשמו אנחנו בעצם קיימים. צינור קבלת החלטות הוא כמעט תמיד שתי קריאות: משהו שמנסח את התשובה המועמדת או את הרובריקה, ומשהו שנותן לה ציון. קריאת הניסוח היא המקום שבו בחירת המודל שנויה במחלוקת ושבו חוזה עם ספק נוסף כואב, וזו הקריאה שרצה דרך נקודת קצה אחת עם יותר מ-200 מודלים במחיר המחירון של הספק, מועבר הלאה בתוספת של 0%, כך ששינוי מחיר של ספק נכנס לתוקף אצלנו באותו יום ממש. ניתוב קריאת הניסוח דרכנו והפניית קריאת הדירוג לנקודת הקצה של גוגל עצמה הם שינוי של שתי שורות, לא ארכיטקטורה.
מה ישנה את הקריאה הזו?
שלושה דברים, לפי סדר הסבירות. עדכון גרסה שמעלה את שיעור המעבר הכול-או-כלום של AA-Paperclip מ-33% יזיז את הציון המשולב יותר מכל דבר אחר שהמודל הזה יכול לעשות, מפני שהרכיב האחד הזה נושא 30% מהציון ופער של 16 נקודות מהמוביל. רישום ב-Vertex AI ישנה לחלוטין את שיחת הרכש — כיום הדרך היחידה לגשת אליו היא באמצעות מפתח Gemini API, וארגונים שקונים דרך חוזי Google Cloud ישימו לב. ולוח עצמאי שני שמשחזר את ה-66 יהפוך מספר של חברה אחת למספר מבוסס קונצנזוס.
עד שאחד מאלה יגיע, התיאור המדויק של Gemini Decision 1 הוא צר ושימושי: מודל ניקוד רב-מודלי בעל 262,000 טוקנים ו-1,000 שאלות, שהוא מודל ההחלטות המכויל הטוב ביותר בטבלה בשני המקומות שבהם הידיעה מתי לשתוק היא המיומנות הנבחנת, ומודל מאמצע הטבלה במקום שבו התפקיד הוא לקרוא מסמך צפוף ולקבל חמש-עשרה תשובות נכונות בבת אחת. אם ההחלטות שלך נראות כמו מהסוג הראשון, 66 ממעיט בערכו. אם הן נראות כמו מהסוג השני, שום הובלה בבנצ'מרק ידע לא תציל את שיעור המעבר.
