Gemini Decisions API：不写答案，直接给出多模态决策
来源: 听说了吗？· AI 解读站 ·
Google 新推 Gemini Decisions API，以 Gemini Decision 1 对文本、图像、音频、视频和 PDF 一次计算最多 1,000 个封闭问题，返回概率与置信度。它主打低延迟、低校准误差和零输出令牌计费，适合工具路由、规则检查、内容评分及人工复核分流。
常见问题
什么是 Gemini Decisions API：不写答案，直接给出多模态决策？
Gemini Decisions API：不写答案，直接给出多模态决策 is a 文章 discovery curated from 听说了吗？· AI 解读站. Google 新推 Gemini Decisions API，以 Gemini Decision 1 对文本、图像、音频、视频和 PDF 一次计算最多 1,000 个封闭问题，返回概率与置信度。它主打低延迟、低校准误差和零输出令牌计费，适合工具路由、规则检查、内容评分及人工复核分流。
如何访问或体验此内容？
You can experience this content directly on its original host (听说了吗？· AI 解读站) by clicking the "Open Original" button.
此内容来源于哪里？
Curated from 听说了吗？· AI 解读站 by the OnSuggest team to surface the most interesting and serendipitous content on the web.
相关发现
所有 文化与思想 发现 →预制菜还没骂完，演唱会竟然也能“预制”？高音唱不上去，录音自动顶上！
从餐桌料理包到舞台“预制歌”，现在的演唱会科技到底有多狠？本文深度拆解“延迟压缩”与“声控拉麦”背后的调音台戏法。石龙仔以亲身追星经历告诉你：唱功不完美可以包容，但拿预录主唱糊弄歌迷、把粉丝当提款机的骗子必须抵制！
Agent反复调用工具烧钱，OpenRouter四道闸封住循环
OpenRouter 用四道闸应对 Agent 反复调用同一工具：识别重复调用、阻止微小改参绕过、限制单次运行步数与成本，并用 API 密钥额度兜住总支出。
不自覺的約束
「找新工作一定會非常困難。」這話出自一個完全不同領域、人脈圈也不同，而且十年沒找過新工作的人。 「你至少要在這家公司待滿兩年才對。」這話出自不用天天上班的人。 我們很容易把朋友、同事、媒體一再重複的訊息當成真理，尤其當那些訊息正好符合我們「害怕迎向挑戰」這種天性的時候。 即使某些信念已經不再正確（或者從來就不正確），我們依然很容易依循那些信念過日子。許多實驗已經證實了這點。研究人員發現，我們有時會產生一種習得無助感（learned helplessness）──我們適應了最初的一套條件，後來即使條件改變了，我們的行為仍然像原來的條件依然存在那樣。 以下是一個說明這個現象的常見例子：研究人員把跳蚤放在玻璃罐裡，跳蚤幾乎立即就跳出來了。接著，研究人員蓋上蓋子，跳蚤繼續往上跳，撞到蓋子。最後，研究人員移除蓋子後，跳蚤仍繼續跳，但只跳到蓋子的高度。儘管蓋子已經不在了，跳蚤仍然將自己限制在原本有蓋子的地方。 水星熊並不是說我們的自主性跟罐子裡的跳蚤一樣有限，但我們確實很容易用過去的經驗來衡量現在與未來。從某個角度來看，這很明智，不是嗎？如果你發現吃太多甜食會讓你容易疲倦和頭痛，下次看到甜食時，你就不會吃那麼多。我們之所以會迴避不愉快的感受，不僅是出於實際考量，也符合我們先天想要避開痛苦的生物本能。 但是，當我們過去的信念不再有效或適用時，問題就出現了。你需要去觸碰看看你遇到的每個「瓶蓋」，別
DeepSeek DSA 解读：从注意力误差推到索引器结构与两阶段训练
DSA 为什么先用小索引器选 token，再做主注意力？从丢弃概率质量的误差界、多头共享 top-k、ReLU 的非线性作用，一步步推到 KL 蒸馏与两阶段继续训练，再对照官方 MLA、FP8 和稀疏 kernel 实现，附可运行的训练示例。
Kimi K3 模型结构（11）：从推理代码看 K3.1 Pro 的 Gated DSA
沿 Hugging Face 配置、vLLM 和 SGLang 的推理实现拆解 Kimi K3.1 Pro：69 层 KDA 与 24 层 Gated DSA 如何混合，32 头索引器怎样选出 top-2048，NoPE、输出门、两份缓存和每层独立索引分别落在哪里。