Drex for Finance 與 Gemini 決策 1：購買機率的兩種方式

把規格表並排攤開，Drex for Finance 與 G​emini Decision 1 看起來就像是兩家公司推出的同一款產品。兩者都接收一段輸入與一組具型別的題目，都針對每道題目回傳附分數的答案，且不生成任何文字；兩者都支援 262,144 個 token 的請求，而且每百萬輸入 token 的費用都只要幾美分，而非數美元。相似之處就到這裡為止，接下來才是你真正會為了什麼而購買它們。G​emini Decision 1 於 2026 年 11 月 11 日在 G​oogle 的 Developer API 上發布，是一款通用決策模型，其過人之處在於知道何時該拒絕回答；Drex for Finance 自 2026 年 11 月 2 日起全面開放使用，每百萬輸入 token 收費 $0.03，是一款領域微調模型，其過人之處在於讀懂一份財務文件，並一次把十五個答案都答對。兩者相隔九天推出，請求格式相同，押注方向卻相反——而且從未有公開評測把兩者放在同一個尺度上比較。

還沒有人做過的比較

這是首先必須理解的一點，因為它決定了這篇文章其餘的部分有多少是你實際能付諸行動的。

Gemini Decision 1 的數據來自 Artificial Analysis 的 Decision Index v2.1——共有十八個模型參與排名，該指數是六項評估的加權綜合分數，每項評估以準確率減去模型對其答案所附機率計算出的 Brier 懲罰來計分。它得分 66.0，在十八個模型中排名第九，略高於排行榜中位數 64。

Drex for Finance 的數據來自 Nace，依據的是由 48 個保留的金融測試集建構而成的 Drex Finance Index。它的得分為 77.3。Drex for Finance 完全不在 Artificial Analysis 的榜單上。

所以，兩個頭條數字是 66 和 77.3；它們來自不同的評測工具，衡量的是不同群體的任務，把它們相減只會得到一個毫無意義的數字。任何這樣做的人——而線上已有的這類比較版本正是如此——都是在拿通用型排行榜分數和廠商自家的領域分數相比，並把這個差值當成勝負依據。誠實的說法是，唯一重疊的證據還隔了一層：Drex for Finance 微調所依據的母檢查點 Drex Max v1.1，確實列在 Artificial Analysis 排行榜上，並以 73.4 穩居榜首——在十八個中排名第一，領先 Gemini Decision 1 的 66.0 達 7.4 分。這對基礎模型是強烈訊號，對微調則完全不是訊號，因為領域訓練可能在文件測試上大幅提升，卻在知識測試上小幅退步，而目前沒有已發表的研究能針對這個檢查點區分這兩種效應。這也是為什麼 66 和 77.3 絕不能被解讀為任何一方的落差。

每一個實際上是為了做什麼而打造的

這些架構比任何分數都更能解釋這種分歧。

• {{1}}形態{{/1}} — {{2}}Drex for Finance{{/2}} 是 {{3}}Drex Max{{/3}} 的微調版本，後者是一個具備視覺編碼器的決策模型。{{4}}Gemini Decision 1{{/4}} 是來自 {{5}}Google DeepMind{{/5}} 的首款決策模型，位於其專屬的 {{6}}POST /v1beta/decisions{{/6}} 端點上，與 generate-content 路徑分開。

• 訓練重點 — Nace 的九個具名金融領域：銀行與支付、會計與審計、信用與放款、保險、法遵與風險、申報與報告、市場與投資、ESG、司庫與營運。G​oogle 除了模型與 API 之外，並未發布任何訓練說明。

請求的規模——兩者都允許一次處理約 1,000 個問題，但形態不同。G​emini Decision 1 每次請求上限為 1,000 個問題，且共用輸入只計費一次。Drex for Finance 在整個請求中提供 262,144 個 token，文件中問題數量不受限制，這有利於許多簡短問題，而非一份長文件。

• 棄答 — G​emini Decision 1 的是/否類型會回傳一個限制在 0.01–0.99 的機率，因此設定高於 0.99 的閾值永遠不會觸發；其在 AA-Omniscience 與 HLE-MultiChoice 上的排行榜領先，實質上是在拒答而非猜測方面的領先。Drex for Finance 會回傳 [0,1] 範圍內的 P(true)，沒有記載在案的限制範圍，也完全沒有公布非幻覺率。

• 選項處理 — G​emini Decision 1 會在評分前，先以 UTF-8 位元組順序將你的選項鍵依字母排序，因此同分時會偏向字母順序最前面的鍵；而 G​oogle 自家的指引也建議將萬用選項命名為 other，而非 none_of_the_above。Nace 並未記載這類正規化，但這不等於說它不會發生——這只等於說，無論是哪一種情況，你都不能依賴它。

• 價格 — Drex for Finance 每百萬輸入 token 為 0.03 美元，輸出未計費。G​emini Decision 1 每百萬輸入 token 為 0.10 美元，輸出部分不適用。在 Artificial Analysis 的任務執行率指標上，G​emini Decision 1 每百萬次決策為 345 美元；Nace 模型並未以該基準公布可比的數字。

• 存取方式 — 可透過廠商的 API、SDK、CLI 與遠端 MCP 伺服器使用 Drex for Finance，免費額度為每天 100 次決策，每次最多 32 KB。Gemini Decision 1 僅在 Gemini Developer API 的 v1beta 版本提供——未列於 Vertex AI，不支援 Batch API，也不支援上下文快取。

通用模型勝出之處，而且這並不是一小部分

其中有三列會因你的工作負載而成為關鍵。

校準。Decision Index 對自信但錯誤的答案，懲罰得比對不確定的答案更重，而正是這樣的設計，讓 G​emini Decision 1 位居目前的位置。如果你的流程是依據機率來路由——高於 0.95 就核准，低於 0.6 就升級處理——那麼這個數字的價值，完全取決於 0.95 是否真的代表 95%。G​oogle 的有界輸出，加上它在兩個知識元件上拿下第一名，都是支持這一點的證據；Nace 公布了準確率和類別細分，但沒有校準曲線，因此 Drex 機率是一個你必須先自行驗證、才能用來設門檻的分數。

一次處理，多條規則。每次請求都以同一份共用輸入提出上千個問題，這與單一超長上下文是截然不同的能力。在一次呼叫中將一張客服工單對照四十條政策規則檢查，輸入只計費一次，這類工作正是 G​emini Decision 1 的形態勝過 262K 上下文窗口之處，因為成本是隨問題數量而增加，而不是隨你重複的文字量而增加。

模態廣度。Drex for Finance 可讀取文字，以及 PNG、JPEG 與 WebP 圖片，每次請求最多八張。G​emini Decision 1 可在單一請求中接收文字、圖片、影片、音訊與 PDF，內嵌 base64 資料上限為 100 MB，PDF 則為 50 MB。若某項決策取決於一通電話錄音或某個影片畫面，這兩者之中只有一個能看得到。

專家勝出之處

反向案例的適用範圍較窄，但確實存在，而問題的核心在於：當文件需要同時給出好幾個答案、且這些答案全都必須正確時，實際會發生什麼情況。

在 AA-Paperclip 上——占 Gemini Decision 1 綜合分數的 30%，也是最重的單一組成部分——Gemini Decision 1 直接通過 33% 的文件，而 Drex Max v1.1 則為 63%。該測試包含 1,500 份私人履歷、收據、發票與文件，每份都帶有五項決策與十項事實，並以每份文件全有或全無的方式計分。Drex for Finance 正是針對這類材料進行微調：發票與收據欄位、GL 科目分類、重複發票、對帳例外、審計抽樣、10-K 與 XBRL 標記。Nace 回報 Documents & extraction 為 92.3，Financial QA & filings 為 96.7，兩者皆由廠商執行。

如果你的決策是「讀這張發票，告訴我它是否與已付款的發票重複」，那麼通用排行榜的綜合分數幾乎無關緊要，而領域微調模型幾乎就是全部答案。這正是值得為專用模型支付專用費率的情況——這也是為什麼不該拿 77.3 和 66 相比：它們是兩個模型分別在各自被選為擅長的兩個任務族群上的分數。

Nace 這邊有兩個坦誠的弱點，畢竟這張表是廠商自己的：Credit & risk 拿下 48.3，是財務表中最低的絕對數值；Markets & reasoning 拿下 41.5，是這個模型唯一沒排第一的類別——pplx-decider v1.2 以 43.1 居首。這兩點都在 Nace 自家的發布文章中揭露，比大多數廠商做得更多，而兩者也界定了這個財務檢查點該被信任到什麼程度。

成本，在決策流程實際運作的規模下

一個 4,000-token 的案例評分一次，在 Drex for Finance 上約需 $0.00012，在 G​emini Decision 1 上約需 $0.0004。兩者都不是能決定任何事情的數字；在每月一百萬次決策下，差距約為 $280，而這還少於遷移所花的一個工程師週。

真正的決定因素是周邊架構。G​emini Decision 1 沒有上下文快取，也沒有 Batch API，因此同一份 40,000 token 的政策文件在每次請求時都會被全額計費，也沒有半價的夜間歷史工單批次處理。Drex for Finance 這兩項功能也都沒有，而且它的計費是按請求而非按問題，這意味著針對一份文件詢問四十件事的成本，就是該文件的 token 數量，且只算一次。在高問題數、短輸入的工作負載中，這會完全顛倒每 token 的排名：G​emini Decision 1 的 $0.10 能讓你問一千個問題，而針對一個短案例詢問同樣的一千個問題，則是向 Drex 發出一次請求，價格為每百萬 token $0.03。

說真的，要怎麼聯絡上其中任何一方？

我們不提供 gemini-decision-1，也不提供 drex-max-finance。純機率端點不是聊天補全（chat-completions）目標，因此以我們這種架構的路由器，沒有誠實的方式能把兩者置於同一把金鑰之後；若聲稱可以，第一個請求就會失敗。我們提供的是 TypeSafe 的 typesafe/jev-1.14，在 systemone 上每百萬輸入與輸出 token 收費 $0.042——與 Nace 的 API 線路相容的相同請求格式，且與 G​emini Decision 1 同屬十八款模型榜單，得分 66.2 對 66.0。

這讓它成為本次比較中實用的第三個選項，而非可有可無的附註。如果決策本身沒有爭議，而你需要的是整條流程的單一端點——負責做出決策的呼叫、撰寫分析師備註的起草呼叫、審查被標記案例的升級呼叫——那麼決策這一環與另外 200 多個模型使用同一把金鑰，並以供應商牌價原樣轉嫁、不按每個 token 加價，其價值就高於綜合指標上的兩分優勢。如果決策就是整個產品，那就向供應商購買專業方案，其餘的則另行路由處理。

什麼能讓這件事定下來？

有一个实验，却没有人真正执行过。拿几百份真实的财务文件——重复状态已知的发票、标签已知的申报文件——用同一套评分标准让两个模型分别打分。仅这一次运行，就能把本文中的每一个数字替换成可比的数字，并告诉你领域微调的优势在接触独立评测框架后是否仍然成立。

在它出現之前，正確的解讀是：這些並不是競爭對手。當機率必須值得信賴、問題很多，或輸入不是文字時，Gemini Decision 1 是更好的選擇。當輸入是財務文件、答案必須一次全部正確，且案件量使每百萬個 token 0.03 美元成為關鍵門檻時，Drex for Finance 是更好的選擇。這兩種說法都能根據已公布的數字站得住腳。但把它們放在同一張排行榜上的那種比較則站不住腳，而且要再過一段時間才會有這樣的排行榜。