Gemini Decision 1 và Jev 1.14: Nên chọn model nào?

Chọn Gemini Decision 1 nếu đánh giá trên tập dữ liệu giữ lại cho thấy chính sách định tuyến của model này tránh được đủ lỗi tốn kém hoặc các trường hợp phải chuyển cấp để bù lại mức giá đầu vào cao hơn. Với bộ định tuyến văn bản nhạy cảm về giá đầu vào, nên sớm đưa Jev 1.14 vào đánh giá. Không model nào luôn thắng trong mọi trường hợp.

Quyết định cụ thể ở đây là có nên định tuyến một yêu cầu, cho phép một hành động dùng công cụ hay chuyển cấp yêu cầu đó. Cả hai model đều hỗ trợ các quyết định giới hạn dạng có/không (noul), lựa chọn và chấm điểm theo tiêu chí. Jev là đối thủ đáng xem xét vì Google so sánh trực tiếp đúng phiên bản này, chứ không phải vì model nào đứng đầu bảng xếp hạng chatbot nói chung.

Biểu đồ của Google cho kết quả chia đôi

Các số liệu này lấy từ đánh giá khi ra mắt của Google. Đây là số liệu do Google tự báo cáo, không phải xác thực độc lập hay kết quả đo của AIHubMix.

JevBench sử dụng tập dữ liệu công khai. ECE và chi phí bao gồm bảy bài đánh giá chung; ECE càng thấp càng tốt. Google tính các trường hợp từ chối, chặn vì lý do an toàn và yêu cầu mà model không thể tiếp nhận là sai, với mẫu số là toàn bộ điểm chuẩn.

Gemini dẫn trước về JevBench và hiệu chuẩn tổng hợp; Jev dẫn trước về độ chính xác trên When2Call. Sai số hiệu chuẩn kỳ vọng đo mức độ tương đồng giữa độ tin cậy và độ chính xác quan sát được, chứ không phải tỷ lệ phân loại sai. ECE tổng hợp thấp hơn không chứng minh rằng một ngưỡng đã được hiệu chuẩn cho bộ định tuyến công cụ của bạn.

Biểu đồ không cung cấp độ chính xác và độ bao phủ theo từng tuyến, tỷ lệ gọi công cụ sai hay mức độ tự động hóa tại một ngân sách lỗi cố định. Những số liệu còn thiếu này quan trọng với việc triển khai hơn là tuyên bố model thắng chỉ dựa trên một hàng số liệu.

So sánh chính sách định tuyến, không so các con số độ tin cậy tương ứng

Tài liệu về độ tin cậy của Google định nghĩa độ tin cậy là xác suất lớn nhất của một kết quả. Với câu hỏi có/không, đó là xác suất lớn hơn giữa có và không — không phải một bước kiểm tra độc lập thứ hai.

Câu trả lời Jev noul gốc hiển thị một xác suất mà không có trường độ tin cậy riêng. Các tên trường giống nhau trong câu trả lời dạng lựa chọn hoặc chấm điểm không chứng minh rằng chúng được hiệu chuẩn giống hệt nhau. Vì vậy, sao chép một ngưỡng giữa các model, tuyến hoặc phiên bản là một thay đổi chính sách chưa được kiểm thử.

Dùng lưu lượng phát triển đã gán nhãn để chọn ngưỡng cho từng model. Sau đó so sánh trên một tập dữ liệu giữ lại riêng, giữ nguyên định nghĩa tuyến và chi phí của một hành động sai. Tính cả các hành động tự động sai lẫn những yêu cầu hợp lệ bị chuyển cấp không cần thiết; báo cáo lượng lưu lượng mỗi chính sách có thể tự động xử lý trong cùng một ngân sách lỗi.

Nếu một model cần chuyển nhiều yêu cầu hơn sang người kiểm duyệt để nằm trong ngân sách đó, hãy tính cả chi phí này. Với các hành động có hậu quả nghiêm trọng, hãy từ chối mặc định hoặc dùng phương án dự phòng do con người xử lý. Các bước kiểm tra quyền hạn vẫn phải nằm ngoài quyết định của model.

Giá chính thức chỉ là điểm khởi đầu

Các mức giá dưới đây là giá niêm yết chính thức khi dùng API trực tiếp, lấy từ trang giá của Google và tài liệu model của TypeSafe, không phải giá qua kênh AIHubMix.

Gemini tạo ra 0 token đầu ra. Đầu ra miễn phí của Jev không có nghĩa là mức sử dụng token đầu ra được báo cáo nhất thiết phải bằng 0. Giá mỗi token đầu vào của Gemini cao hơn Jev khoảng 2.38×, nhưng không nhất thiết khiến tổng chi phí của mọi yêu cầu đều cao hơn theo cùng tỷ lệ.

Giả sử có 1,000,000 quyết định, mỗi quyết định một yêu cầu, và mỗi yêu cầu có 2,000 token đầu vào được tính phí, bao gồm câu hỏi; giả định độc lập cho cả hai nhà cung cấp. Tổng cộng là 2 tỷ token đầu vào được tính phí: USD 200 cho Gemini so với USD 84 cho Jev, chênh lệch USD 116 theo giá chính thức.

Ước tính này không cân bằng cách phân tách token và định dạng, cũng không tính số lần thử lại, chuyển cấp hay độ chính xác. Đây không phải hóa đơn của cổng trung gian; hãy kiểm tra giá của kênh đã chọn để biết chi phí thực tế.

Tỷ lệ chi phí đánh giá của Google khác: USD 0.88 / USD 0.68 tương đương khoảng 1.29×. Khối lượng công việc và số lượng token được tính phí khác nhau có thể tạo ra tỷ lệ khác mà không mâu thuẫn với giá niêm yết.

Năng lực gốc có thể làm thay đổi danh sách lựa chọn

Google ghi rõ hỗ trợ đầu vào văn bản, hình ảnh, âm thanh, video và PDF, với tổng cộng 262,144 token dùng chung cho đầu vào và câu hỏi. Giới hạn 1–1,000 câu hỏi không phải là lợi thế về dung lượng so với Jev: TypeSafe không nêu giới hạn riêng về số lượng câu hỏi, nhưng vẫn chịu giới hạn ngữ cảnh.

Jev không chỉ xử lý văn bản. Model này nhận văn bản và hình ảnh PNG/JPEG, nhưng ghi chú phát hành Jev 1.14 cho biết hình ảnh, Box và ngữ cảnh mở rộng đang ở giai đoạn thử nghiệm. Hình ảnh và Box gốc bị tắt theo mặc định, cần có header cho phép của nhà cung cấp; hiện chưa xác minh cách header đó hoạt động qua cổng trung gian. Giới hạn mặc định là 64k token cho trạng thái dùng chung cộng với tất cả câu hỏi, và 32k cho trạng thái dùng chung cộng với một câu hỏi bất kỳ. Header thử nghiệm của nhà cung cấp nâng cả hai giới hạn lên 262k, nhưng xử lý chậm và kém chính xác hơn.

Đây là năng lực gốc của nhà cung cấp, không phải cam kết đã xác minh của cổng trung gian. Cụ thể, đừng lập kế hoạch quy trình làm việc với dữ liệu đa phương tiện hoặc ngữ cảnh dài trên AIHubMix chỉ dựa vào các thông số này. API gốc của Google cũng không hỗ trợ bộ nhớ đệm và Batch, đồng thời không chấp nhận các khối đầu vào gọi công cụ gốc; quyết định có nên chạy một công cụ hay không khác với việc tiếp nhận các khối theo giao thức của công cụ đó.

Chọn ID đã được ghi rõ và lưu lại phiên bản được trả về

Trang so sánh của AIHubMix là điểm khởi đầu để chọn hai sản phẩm. Hướng dẫn công khai của hai sản phẩm ghi rõ POST /v1/systemone, dùng chung một khóa AIHubMix và định dạng yêu cầu gồm state cùng questions.

AIHubMix ghi rõ ID sản phẩm gemini-decision-1 và jev-1.14; chỉ riêng các tên này không chứng minh rằng bản dựng upstream là bất biến. ID phiên bản gốc của Jev là jev-1.14.0. Hãy lưu lại model/phiên bản mà kênh thực tế trả về, và đừng giả định rằng một bí danh có thể thay đổi luôn trỏ đến cùng một phiên bản ở mọi nơi.

Không có yêu cầu nào cần xác thực được gửi khi thực hiện phần so sánh này. Tài liệu về yêu cầu văn bản thông thường là điểm khởi đầu cho việc đánh giá, không phải bằng chứng rằng phản hồi tương đương nhau. Chưa xác minh được khả năng chuyển tiếp dữ liệu đa phương tiện gốc, giới hạn ngữ cảnh đầy đủ và khả năng xử lý 1,000 câu hỏi của Gemini qua AIHubMix.

Trước khi chọn:

• Xác định tỷ lệ hành động sai có thể chấp nhận và chính sách dự phòng.
• So sánh mức độ tự động hóa trên tập dữ liệu giữ lại và tổng chi phí vận hành.
• Xác minh các năng lực cần thiết trên đúng kênh đã chọn.

Giữ Jev nếu model này đáp ứng tiêu chí với tổng chi phí thấp hơn; chọn Gemini nếu lợi ích đã được xác thực xứng đáng với phần chi phí tăng thêm. Đánh giá lại khi model, phiên bản hoặc lưu lượng thay đổi.

Câu hỏi thường gặp

Model nào phù hợp hơn để định tuyến công cụ?
Không có thứ hạng chung cho mọi trường hợp. Kết quả When2Call của Google nghiêng về Jev, trong khi kết quả hiệu chuẩn tổng hợp nghiêng về Gemini. Hãy kiểm thử chính sách định tuyến thực tế.

ECE thấp hơn có nghĩa là ít quyết định sai hơn không?
Không. Hiệu chuẩn và độ chính xác là hai phép đo khác nhau. ECE tổng hợp thấp hơn không chứng minh được tỷ lệ lỗi hoặc ngưỡng an toàn cho từng tuyến.

Có thể dùng lại cùng một ngưỡng độ tin cậy không?
Không nên dùng lại nếu chưa xác thực. Hãy chọn ngưỡng cho từng model và tuyến bằng dữ liệu phát triển, rồi đánh giá trên lưu lượng giữ lại riêng.

Gemini lúc nào cũng đắt hơn 2.38× phải không?
Không. Đó là tỷ lệ giá token đầu vào chính thức. Số token được tính phí, số lần thử lại và chi phí chuyển cấp có thể làm thay đổi tỷ lệ chi phí vận hành.

Jev 1.14 chỉ xử lý văn bản phải không?
Không. Model này có hỗ trợ hình ảnh PNG/JPEG gốc, nhưng hình ảnh và Box đang ở giai đoạn thử nghiệm. Điều này không chứng minh được khả năng chuyển tiếp hình ảnh qua AIHubMix.

Các tính năng của AIHubMix đã được xác minh là tương đương chưa?
Chưa có yêu cầu nào cần xác thực được gửi. Không nên giả định dữ liệu đa phương tiện, ngữ cảnh, dung lượng câu hỏi và ngữ nghĩa phản hồi tương đương nhau chỉ dựa trên tài liệu.

Đọc tiếp: loạt bài về Gemini Decision 1

• Để xem ví dụ yêu cầu đã được ghi rõ và phần giới thiệu model tổng quan hơn, hãy đọc Giá Gemini Decision 1: $0.10/M đầu vào, API và các trường hợp sử dụng.

Nguồn

Ảnh chụp giá chính thức: Google, November 12, 2026, 06:43 UTC; TypeSafe, November 12, 2026, 06:53 UTC. Ví dụ chi phí là ước tính dựa trên tài liệu, không phải số liệu đo khi suy luận.

1. Google: Thông báo ra mắt Gemini Decisions API và biểu đồ điểm chuẩn.
2. Google: Tài liệu Decisions API và giá chính thức.
3. TypeSafe: tài liệu model, phiên bản Jev 1.14, giới hạn hình ảnh và lược đồ API gốc.
4. AIHubMix: Gemini Decision 1 (hướng dẫn) và Jev 1.14 (hướng dẫn).
5. AIHubMix: so sánh Gemini Decision 1 và Jev 1.14.