Gemini Decision 1 vs Jev 1.14 : lequel choisir ?

Choisissez Gemini Decision 1 si une évaluation sur un jeu de données tenu à l’écart montre que sa politique de routage évite suffisamment d’erreurs coûteuses ou d’escalades pour justifier son prix d’entrée plus élevé. Pour un routeur textuel sensible au prix des entrées, Jev 1.14 mérite d’être évalué rapidement. Aucun des deux n’est universellement supérieur.

La décision concrète consiste à déterminer s’il faut router une requête, autoriser une action d’outil ou la faire remonter. Les deux modèles proposent des décisions bornées par oui/non (noul), par choix et par score selon une grille d’évaluation. Jev est un concurrent pertinent parce que Google compare directement cette version précise, et non parce que l’un ou l’autre domine un classement général de chatbots.

Le graphique de Google donne un verdict partagé

Ces chiffres proviennent de l’évaluation de lancement de Google. Il s’agit de résultats autodéclarés, et non d’une validation indépendante ni de mesures d’AIHubMix.

JevBench utilise le découpage public. L’ECE et le coût couvrent sept évaluations communes ; un ECE plus bas est préférable. Google considère comme incorrects les refus, les blocages de sécurité et les requêtes que le modèle ne pouvait pas accepter, en prenant le benchmark entier comme dénominateur.

Gemini obtient de meilleurs résultats sur JevBench et en calibration globale ; Jev est plus précis sur When2Call. L’erreur de calibration attendue mesure la concordance entre la confiance et la justesse observée, et non la proportion de classifications erronées. Un ECE global plus faible ne permet pas d’établir un seuil calibré pour votre routeur d’outils.

Le graphique ne fournit ni précision ni rappel propres aux routes, ni taux de faux appels d’outils, ni couverture de l’automatisation à budget d’erreur fixe. Ces mesures manquantes comptent davantage pour le déploiement que le fait de désigner un gagnant à partir d’une seule ligne.

Comparez les politiques de routage, pas des niveaux de confiance équivalents

La documentation de Google sur la confiance définit la confiance comme la probabilité la plus élevée parmi les résultats possibles. Pour les questions oui/non, il s’agit de la plus élevée des probabilités oui et non, et non d’une seconde vérification indépendante.

Les réponses noul natives de Jev exposent une probabilité sans champ de confiance distinct. La présence de noms de champs communs dans les réponses de choix ou de score ne prouve pas une calibration identique. Réutiliser un seuil entre modèles, routes ou versions constitue donc un changement de politique non testé.

Utilisez les données de trafic étiquetées du jeu de développement pour sélectionner un seuil pour chaque modèle. Comparez-les ensuite sur un autre jeu de données tenu à l’écart, en gardant les définitions des routes et le coût d’une fausse action fixes. Comptez à la fois les actions automatiques erronées et les requêtes valides inutilement transmises à un humain ; indiquez la part du trafic que chaque politique peut automatiser avec le même budget d’erreur.

Si un modèle nécessite davantage de vérifications humaines pour respecter ce budget, incluez-en le coût. Pour les actions à conséquences importantes, refusez par défaut ou prévoyez un recours manuel. Les contrôles d’autorisation restent indépendants de la décision du modèle.

Le prix officiel n’est qu’un point de départ

Les tarifs suivants sont les prix catalogue officiels en accès direct à l’API, tirés de la page des tarifs de Google et de la documentation des modèles de TypeSafe, et non les tarifs des canaux AIHubMix.

Gemini génère zéro token de sortie. La sortie gratuite de Jev ne signifie pas que sa consommation déclarée de tokens de sortie doit être nulle. Le prix par token d’entrée de Gemini est environ 2.38× celui de Jev, mais pas nécessairement le coût total de chaque requête.

Supposons 1,000,000 de décisions, une requête par décision et 2,000 tokens d’entrée facturés par requête, questions comprises, hypothèse appliquée séparément aux deux fournisseurs. Cela représente 2 milliards de tokens d’entrée facturés : USD 200 pour Gemini contre USD 84 pour Jev, soit une différence de USD 116 aux tarifs officiels.

Cette estimation n’égalise ni la tokenisation et le formatage, ni les nouvelles tentatives, les escalades ou la précision. Ce n’est pas une facture de passerelle ; vérifiez les tarifs du canal sélectionné pour connaître les coûts réels.

Le rapport des coûts d’évaluation de Google est différent : USD 0.88 / USD 0.68 correspond à environ 1.29×. Des charges de travail et des nombres de tokens facturés différents peuvent produire un autre rapport sans contredire les prix catalogue.

Les capacités natives peuvent modifier la sélection finale

Google documente les entrées texte, image, audio, vidéo et PDF, avec un total de 262,144 tokens partagé entre l’entrée et les questions. Sa limite de 1–1,000 questions ne constitue pas un avantage de capacité par rapport à Jev : TypeSafe ne spécifie aucune limite distincte sur le nombre de questions, sous réserve des limites de contexte.

Jev n’est pas limité au texte. Il accepte le texte et les images PNG/JPEG, mais les notes de version de Jev 1.14 indiquent que les images, Box et le contexte étendu sont expérimentaux. Les images natives et Box sont désactivés par défaut et nécessitent un en-tête d’activation du fournisseur ; le comportement de cet en-tête avec la passerelle n’est pas vérifié ici. Les limites par défaut sont de 64k tokens pour l’état partagé et l’ensemble des questions, et de 32k pour l’état partagé et une question quelconque. Un en-tête expérimental du fournisseur porte les deux limites à 262k, avec un traitement plus lent et moins précis.

Il s’agit de capacités natives du fournisseur, et non de garanties vérifiées de la passerelle. En particulier, ne planifiez pas un flux de travail multimédia ou à long contexte sur AIHubMix en vous fondant uniquement sur ces spécifications. L’API native de Google ne prend pas non plus en charge la mise en cache ni le traitement par lots, et n’accepte pas les blocs d’entrée natifs d’appel d’outil ; décider si un outil doit être exécuté n’est pas la même chose qu’accepter ses blocs de protocole.

Sélectionnez les ID documentés et consignez la version renvoyée

La page de comparaison AIHubMix constitue un point de départ pour sélectionner les deux produits. Leurs instructions publiques documentent POST /v1/systemone, la même clé AIHubMix et un format de requête comportant state et questions.

AIHubMix documente les ID de produit gemini-decision-1 et jev-1.14 ; ces noms ne suffisent pas à garantir des versions amont immuables. L’ID versionné natif de Jev est jev-1.14.0. Consignez le modèle et la version renvoyés par le canal utilisé, et ne supposez pas qu’un alias évolutif pointe partout vers la même version.

Aucune requête authentifiée n’a été exécutée pour cette comparaison. La documentation courante des requêtes textuelles constitue un point de départ pour l’évaluation, et non une preuve d’équivalence des réponses. Il n’a pas été établi que les médias natifs, les limites complètes de contexte et la capacité de Gemini à gérer 1,000 questions passent par AIHubMix.

Avant de choisir :

• Fixez le taux acceptable de fausses actions et la politique de repli.
• Comparez la couverture d’automatisation sur des données tenues à l’écart et le coût total d’exploitation.
• Vérifiez les capacités requises sur le canal exact sélectionné.

Conservez Jev s’il atteint ce niveau à un coût total inférieur ; choisissez Gemini si ses avantages validés justifient le surcoût. Réévaluez votre choix si le modèle, la version ou le trafic change.

FAQ

Quel modèle est le meilleur pour le routage des outils ?
Il n’existe pas de classement universel. Le résultat de Google sur When2Call favorise Jev, tandis que celui de la calibration globale favorise Gemini. Testez la politique de routage réelle.

Un ECE plus faible signifie-t-il moins de décisions erronées ?
Non. La calibration et la précision sont deux mesures différentes. Un ECE global plus faible ne permet pas d’établir les taux d’erreur propres à une route ni des seuils sûrs.

Peut-on réutiliser le même seuil de confiance ?
Pas sans validation. Sélectionnez les seuils sur les données de développement pour chaque modèle et chaque route, puis évaluez-les sur un trafic distinct tenu à l’écart.

Gemini est-il toujours 2.38× plus cher ?
Non. Il s’agit du rapport officiel entre les prix par token d’entrée. Le nombre de tokens facturés, les nouvelles tentatives et les coûts d’escalade peuvent modifier le rapport des coûts d’exploitation.

Jev 1.14 est-il limité au texte ?
Non. La prise en charge native des images PNG/JPEG existe, mais les images et Box sont expérimentaux. Cela ne prouve pas que les images transitent par AIHubMix.

La parité des fonctionnalités d’AIHubMix a-t-elle été vérifiée ?
Non, aucune requête authentifiée n’a été exécutée. Il ne faut pas supposer que les médias natifs, le contexte, la capacité en nombre de questions et la sémantique des réponses sont équivalents en se fondant uniquement sur la documentation.

Poursuivre la lecture : la série Gemini Decision 1

• Pour consulter l’exemple de requête documenté et une présentation plus générale du modèle, lisez Tarifs de Gemini Decision 1 : USD 0.10/M en entrée, API et cas d’usage.

Sources

Captures des tarifs officiels : Google, November 12, 2026, 06:43 UTC ; TypeSafe, November 12, 2026, 06:53 UTC. Les exemples de coûts sont des estimations fondées sur la documentation, et non des mesures d’inférence.

1. Google : lancement de l’API Gemini Decisions et graphique de benchmark.
2. Google : documentation de l’API Decisions et tarifs officiels.
3. TypeSafe : documentation des modèles, version de Jev 1.14, limites des images et schéma de l’API native.
4. AIHubMix : Gemini Decision 1 (instructions) et Jev 1.14 (instructions).
5. AIHubMix : comparaison entre Gemini Decision 1 et Jev 1.14.