Gemini Decision 1 срещу Jev 1.14: Кой модел да изберете?

Изберете Gemini Decision 1, ако оценяването върху отделен набор от данни показва, че политиката му за маршрутизиране предотвратява достатъчно скъпи грешки или ескалации, за да оправдае по-високата цена на входа. За текстов маршрутизатор, чувствителен към цената на входа, си струва да оцените Jev 1.14 още в началото. Нито един от двата модела не е универсалният победител.

Конкретното решение тук е дали дадена заявка да бъде маршрутизирана, дали да се разреши действие с инструмент или дали да се ескалира. И двата модела поддържат ограничени решения с отговор да/не (noul), избор и оценка по критерии. Jev е подходящ конкурент, защото Google сравнява директно точно тази версия, а не защото някой от двата модела оглавява обща класация на чатботове.

Диаграмата на Google дава смесена присъда

Тези данни са от оценката на Google при пускането. Те са самоотчетени, а не независимо потвърдени или измерени от AIHubMix.

JevBench използва публичното разделение на данните. ECE и разходите обхващат седем общи оценки; по-ниско ECE е по-добре. Google отчита отказите, блокирането по съображения за безопасност и заявките, които моделът не може да приеме, като неправилни, като за знаменател използва целия бенчмарк.

Gemini води при JevBench и по общото калибриране; Jev води по точност при When2Call. Очакваната грешка при калибриране измерва съответствието между увереността и наблюдаваната правилност, а не дела на грешните класификации. По-ниско общо ECE не доказва, че прагът е калибриран за вашия маршрутизатор на инструменти.

Диаграмата не показва прецизност или пълнота за конкретните маршрути, честота на погрешно извикване на инструменти или обхват на автоматизацията при фиксиран бюджет за грешки. Тези липсващи измервания са по-важни за внедряването, отколкото обявяването на победител въз основа на един ред.

Сравнявайте политиките за маршрутизиране, а не еднаквите числа за увереност

Документацията на Google за увереността я определя като най-голямата вероятност сред възможните резултати. При въпроси с отговор да/не това е по-голямата от вероятностите за „да“ и „не“, а не допълнителна, независима проверка.

Отговорите на Jev noul по подразбиране съдържат вероятност, но нямат отделно поле за увереност. Еднаквите имена на полета в отговорите за избор или оценка не доказват еднакво калибриране. Затова пренасянето на праг от един модел, маршрут или версия към друг е промяна в политиката, която не е била проверена.

Използвайте означен трафик за разработка, за да изберете праг за всеки модел. След това сравнете моделите върху отделен набор от данни, като запазите еднакви определенията на маршрутите и цената на погрешно действие. Отчитайте както грешните автоматични действия, така и валидните заявки, ескалирани ненужно; посочете каква част от трафика може да автоматизира всяка политика при един и същ бюджет за грешки.

Ако за да остане в рамките на този бюджет единият модел изисква повече човешки преглед, включете и този разход. При действия с високи последствия откажете изпълнение или използвайте ръчно резервно решение. Проверки за оторизация трябва да се извършват извън модела.

Официалната цена е само отправна точка

Следните цени са официални цени за директния API от страницата с цени на Google и документацията на TypeSafe за модела, а не цени на канала AIHubMix.

Gemini генерира нула изходни токени. Безплатният изход на Jev не означава, че отчетеното използване на изходни токени задължително е нулево. Цената на входните токени при Gemini е около 2.38× тази на Jev, но това не означава непременно, че общата цена на всяка заявка е толкова по-висока.

Да приемем 1,000,000 решения, по една заявка за решение и 2,000 таксувани входни токена на заявка — самостоятелно прието допускане и за двата доставчика. Това са 2 милиарда таксувани входни токена: USD 200 за Gemini срещу USD 84 за Jev, тоест разлика от USD 116 при официалните цени.

Тази оценка не изравнява нито токенизацията и форматирането, нито повторните опити, ескалациите или точността. Това не е фактура от шлюза; проверете цените за избрания канал, за да установите реалните такси.

Съотношението на разходите за оценяване на Google е различно: USD 0.88 / USD 0.68 е около 1.29×. Различните работни натоварвания и таксувани количества токени могат да доведат до различно съотношение, без това да противоречи на обявените цени.

Възможностите по подразбиране могат да променят краткия списък

Google документира входни данни във формат текст, изображения, аудио, видео и PDF, като общо 262,144 токена се споделят между входа и въпросите. Ограничението от 1–1,000 въпроса не е предимство пред Jev по капацитет: TypeSafe не посочва отделно ограничение за броя въпроси, стига да се спазват ограниченията на контекстовия прозорец.

Jev не е ограничен само до текст. Той приема текст и PNG/JPEG изображения, но бележките към изданието Jev 1.14 посочват, че изображенията, Box и разширеният контекст са експериментални. Изображенията и Box не са включени по подразбиране; за тях е необходима заглавка за включване от доставчика. Тук поведението на тази заглавка през шлюза не е проверено. Ограниченията по подразбиране са 64k токена за споделеното състояние и всички въпроси и 32k за споделеното състояние и всеки отделен въпрос. Експериментална заглавка на доставчика увеличава и двете стойности до 262k, но обработката е по-бавна и по-неточна.

Това са възможности в собствените API на доставчиците, а не потвърдени гаранции на шлюза. Не планирайте работен процес с медийни данни или дълъг контекст през AIHubMix само въз основа на тези спецификации. Собственият API на Google също не поддържа кеширане и Batch и не приема входни блокове за извикване на инструмент в оригиналния формат; решението дали да се изпълни инструмент не е същото като приемането на блоковете от неговия протокол.

Изберете документираните идентификатори и запишете върнатата версия

Страницата за сравнение на AIHubMix е отправна точка за избор на двата продукта. Публичните инструкции за тях описват POST /v1/systemone, един и същ ключ за AIHubMix и структура на заявката с state и questions.

В документацията на AIHubMix са посочени идентификаторите на продуктите gemini-decision-1 и jev-1.14; само тези имена не доказват, че използваните компилации в горните системи са неизменни. Собственият версиониран идентификатор на Jev е jev-1.14.0. Записвайте модела и версията, върнати от действителния канал, и не приемайте, че променящ се псевдоним навсякъде съответства на една и съща версия.

За това сравнение не е изпращана удостоверена заявка. Документацията за обичайна текстова заявка е отправна точка за оценяване, а не доказателство за еквивалентност на отговорите. Не е потвърдено, че през AIHubMix работят оригиналните медийни формати, пълните ограничения на контекста или капацитетът на Gemini за 1,000 въпроса.

Преди да изберете:

• Определете приемливата честота на погрешни действия и резервната политика.
• Сравнете обхвата на автоматизацията върху отделен набор от данни и общите оперативни разходи.
• Проверете дали необходимите възможности работят през точно избрания канал.

Оставете Jev в краткия списък, ако отговаря на тези критерии при по-ниски общи разходи; изберете Gemini, ако потвърдените му ползи оправдават по-високата цена. Направете нова оценка при промяна на модела, версията или трафика.

ЧЗВ

Кой модел е по-добър за маршрутизиране към инструменти?
Няма универсална класация. Резултатът на Google за When2Call е в полза на Jev, а този за общото калибриране — на Gemini. Проверете действителната политика за маршрутизиране.

Означава ли по-ниско ECE по-малко грешни решения?
Не. Калибрирането и точността са различни показатели. По-ниско общо ECE не доказва честотата на грешките за конкретен маршрут или наличието на безопасни прагове.

Може ли да се използва повторно един и същ праг за увереност?
Не и без проверка. Изберете прагове за всеки модел и маршрут с данни за разработка, след което ги оценете върху отделен трафик, който не е използван за настройката.

Винаги ли Gemini е 2.38× по-скъп?
Не. Това е съотношението на официалните цени за входните токени. Таксуваното количество токени, повторните опити и разходите за ескалация могат да променят съотношението на оперативните разходи.

Само с текст ли работи Jev 1.14?
Не. Налице е поддръжка на изображения във формат PNG/JPEG, но изображенията и Box са експериментални. Това не потвърждава, че през AIHubMix се предават изображения.

Потвърдена ли е паритетността на функциите в AIHubMix?
Не е изпращана удостоверена заявка. Не бива да приемате, че поддръжката на медийни данни, контекст, капацитет за въпроси и семантика на отговорите са еквивалентни само въз основа на документацията.

Продължете четенето: поредицата за Gemini Decision 1

• За документиран пример за заявка и по-общо представяне на модела прочетете Цени на Gemini Decision 1: $0.10/M вход, API и случаи на употреба.

Източници

Моментни снимки на официалните цени: Google, November 12, 2026, 06:43 UTC; TypeSafe, November 12, 2026, 06:53 UTC. Примерите за разходи са оценки въз основа на документацията, а не измервания на изпълнението на инференцията.

1. Google: пускане на Gemini Decisions API и диаграма с резултатите от бенчмарковете.
2. Google: документация за Decisions API и официални цени.
3. TypeSafe: документация за модела, издание Jev 1.14, ограничения за изображенията и схема на оригиналния API.
4. AIHubMix: Gemini Decision 1 (инструкции) и Jev 1.14 (инструкции).
5. AIHubMix: сравнение между Gemini Decision 1 и Jev 1.14.