Gemini Decision 1 對決 Drex Max v1.1：兩者皆能讀取 262K 個 Token，但只有一款會計算文件

將Gemini Decision 1與Drex Max v1.1並列比較，兩者的規格表幾乎重疊：同為決策模型、同為 262,144 個 token 的上下文視窗、同樣能同時讀取圖像與文字、同樣回傳機率而非長篇文字。差異只出現在一個地方。在 Artificial Analysis Decision Index v2.1 的文件決策元件中——這項權重 30% 的測試要求模型從單一密集文件中擷取五項決策與十項事實，且十五項全數答對——Drex Max v1.1 通過 63% 的文件，而 Gemini Decision 1 通過 33%。光是這個元件，就是一方得 73 分、另一方得 66 分的主要原因。

其餘差異是你可以據以行動的算術。Drex Max v1.1 每百萬輸入 token 收費 $0.03，Gemini Decision 1 則收 $0.10；以一百萬個任務計算，分別是 $103 對上 $345。而 Gemini Decision 1 在共享輸入下，每個請求最多可承載 1,000 個問題；Drex Max v1.1 則預期一個狀態附帶少量問題。這些數字中哪一個會決定你的選擇，完全取決於你的決策是每次一份文件，還是每次四十條規則。

同一個想法的兩種不同形態

兩個模型都拒絕生成文字，且兩者共有一個對成本建模很重要的特性：輸入只會被讀取一次，每個問題都會以它為基準評分。它們的分歧之處在於，它們允許你把什麼放進那份輸入裡。

• 答案類型 — Drex Max v1.1 提供 choice、noul 與 score，也就是 TypeSafe 的 Jev 所定義、Nace 所採用的請求結構。Gemini Decision 1 提供同樣的三種，其中 choice 支援 2 到 255 個選項，評分等級為 2 到 255 級，建議 2 到 10 級。

• 每次呼叫的問題數——Gemini Decision 1 最多可達 1,000 個，每個問題都會在單次處理中獨立評估，金鑰由您提供；Drex Max v1.1 每個狀態則只需少量，其工作單位是一個項目及其問題。

• 模態 — Gemini Decision 1 接受文字、圖片、影片、音訊與 PDF；Drex Max v1.1 接受文字，且每次請求最多接受八張圖片。兩者皆不接受將媒體置於問題指示中；在 Gemini Decision 1 上，這是已記錄的限制，而在該處媒體應放在共用輸入中。

• 視窗 — Gemini Decision 1 在共用輸入與所有問題合計為 262,144 個權杖；Drex Max v1.1 記載每個問題為 131,072 個權杖，影像權杖計入其中，且打包請求上限為 262,144。

• 計費 — Gemini Decision 1 每百萬輸入 token 收費 0.10 美元，並明確將重複的共用輸入全額重新計費，且不提供快取，也不支援 Batch API。Drex Max v1.1 每百萬輸入 token 收費 0.03 美元，這是 Nace 在 vv1.1 原地取代 v1 時將費率減半後的價格。

• 存取 — Gemini Decision 1 於 v1beta 的 Gemini Developer API 上提供，具免費方案，且從 Tier 2 起每日請求不限量。Drex Max v1.1 由 Nace.AI 託管於 POST /v1/systemone，無可下載的檢查點。

請把這份清單當成一句話來讀：Drex Max v1.1 是為螢幕或頁面，以及對其作出的少數判斷而打造；而 Gemini Decision 1 則是為龐大的上下文與大型規則手冊而打造。1,000 題的上限並不是規格表上的花俏噱頭，而是每筆請求要呼叫四十次的模型，與只需呼叫一次的模型之間的差別。

6.6 個百分點的差距究竟從何而來

Decision Index 會對六項評估加權，而兩個模型都已跑過全部六項。將它們的組成部分並排比較，比單看複合分數更有資訊量：

• AA-Paperclip，30% — Drex Max v1.1 72.8，Gemini Decision 1 56.8。每份文件十五個答案，全有或全無。這就是決定排名的十六分差距。

• EvalSafe-O*NET-AA，15% — 88.3 對 87.1。實務上算平手。

• When2Call，10%——95.3 對 80.5。Drex Max v1.1 在此排名第二；Gemini Decision 1 則在十八名中排第十四。

• AA-Omniscience-Decision v1.1, 15% — 60.3 對 66.3。Gemini Decision 1 拿下這一項，而其 44.8% 的原始準確率是榜上所有決策模型中最高的。

• HLE-MultiChoice v1.1，15% — 46.6 對 48.7。很接近，兩者都位居前段，且原始準確率皆為個位數。

• AA-Symmetry v1.1，15% — 以 79.8 對 70.5。Drex Max v1.1 在重新排序與否定的情況下，有 53.3% 的時間能維持其答案；Gemini Decision 1 則為 38.3%。

這個模式是一致的。Drex Max v1.1 贏得兩個組成部分，這兩部分測試的是決策是否可重複且結構穩健。Gemini Decision 1 贏得另外兩個，它們測試的是它是否知道事情，以及是否知道自己不知道。兩者都是站得住腳的產品；它們回答的是關於決策模型用途的不同問題。

關於 Drex 數據的一點提醒：Artificial Analysis 所報告的每百萬項任務 103 美元，反映的是臨時的首發價格，而委員會的註腳指出，標準價格會使成本翻倍。按定價表計算，Drex Max v1.1 約為每百萬項任務 206 美元——仍遠低於 Gemini Decision 1 的 345 美元，但已不再是它的三分之一。延遲方面則相反：Drex Max v1.1 每項任務為 283 毫秒，Gemini Decision 1 為 211 毫秒，兩者都慢於該領域 209 毫秒的中位數。

依你請求的形態來挑選，而非分數

如果您的決策是關於單一產物，而且答案必須站得住腳，就採用 Drex Max v1.1。對掃描表單進行保險理賠分流、以螢幕截圖為基礎的代理控制（重新渲染後會再次詢問同一個點擊決策），以及合約審查中是非顛倒就是真實錯誤。63% 的文件通過率和 53.3% 的對稱性通過率，正是在這些情境中值得投入的數字，而每百萬輸入 token 只要 $0.03，也讓用量論點很容易成立。

如果你的決策是套用到單一輸入的規則手冊，或輸入不是文字與圖片，就選 Gemini Decision 1。在一次呼叫中對支援工單執行四十項政策檢查，是 Gemini Decision 1 有文件記載可承擔、而 Drex Max v1.1 沒有的工作負載——而且如果輸入是通話錄音或 PDF，這兩者只有一個能讀取。Google 的文件在它支援的那一項能力旁，列出了十四項不支援的能力，因此在投入前很容易驗證是否合適：校準過的決策，其餘全部關閉。

兩者都別選——不過，前提是這項決策取決於規模化後的成本。Gemini Decision 1 沒有 Batch API，也沒有上下文快取，這意味著每晚掃描一百萬筆歷史工單時，會以全額費率計費，而且每次都要重新讀取政策文件。Drex Max v1.1 的上市定價是暫時性的。目前這兩款產品都沒有提供能讓回填變得便宜的折扣結構，而對任何要試算一整年工單成本的人來說，這會比六個指數點更重要。

在沒有第二份合約的情況下同時執行兩者

OrcaRouter 並未提供這兩者。兩者都只是僅提供機率輸出的端點，而非 chat-completions 目標；我們會如實說明，而不會暗示相反情況——型錄中的決策模型條目是 TypeSafe 的 typesafe/jev-1.14，它在同一排行榜上以 66.23 分位居本文所提的兩個模型之間。

模型評比真正讓你付出的成本，從來不會出現在基準測試裡：兩套 SDK、兩套金鑰管理方案、兩組需要推敲的速率限制。這正是為什麼決策流程中負責生成的那一半應該交由路由器處理，即使負責評分的那一半不能如此。負責草擬候選答案、撰寫評分規準，或產出待評分摘要的那次呼叫，正是你會想在某個下午就換掉供應商的呼叫——一個端點、超過 200 個模型、供應商牌價以 0% 加價原樣傳遞，以及供應商效能下降時自動容錯切換。把評分呼叫直接指向 Google 或 Nace，並讓寫作呼叫保持可攜。你無法路由的模型是便宜的那部分；你能路由的模型，才是你會想更換的那個。

如果你確實在自己的標註資料上測試兩者——而且你應該這樣做，因為兩家供應商都沒有公布針對你資料的校準曲線——就用相同的 200 份文件和相同的問題集來執行，並比較通過率，而不是指數。董事會在 Paperclip 上 30 分的差距是強先驗。這不是對你文件的測量。