如果留出评估显示，Gemini Decision 1的路由策略能够避免足够多的高成本错误或升级处理，从而抵消更高的输入价格，就选择它。对于对输入价格敏感的文本路由器，Jev 1.14值得优先评估。两者都不是放之四海而皆准的赢家。
这里要做的具体决策是：路由请求、允许工具执行操作，还是升级处理。两款模型都支持范围有限的是/否（noul）、选项和评分标准决策。Jev 是相关的竞争者，因为 Google 直接比较了这个特定版本，而不是因为其中任何一款在通用聊天机器人排名中领先。
Google 的图表给出了各有胜负的结论
这些数据来自Google 的发布评估。它们是自我报告的数据，并非独立验证结果，也不是 AIHubMix 的测量数据。
| 指标 | Gemini Decision 1 | Jev 1.14 |
|---|---|---|
| JevBench 准确率 | 92.2% | 90.0% |
| When2Call 准确率 | 79.9% | 82.0% |
| Top-1 ECE | 0.0250 | 0.0494 |
| 评估支出 | USD 0.88 | USD 0.68 |
JevBench 使用公开数据集。ECE 和支出数据涵盖七项共同评估；ECE 越低越好。Google 将拒答、安全拦截以及模型无法接受的请求计为错误，并以完整基准测试集作为分母。
Gemini 在 JevBench 和整体校准方面领先；Jev 在 When2Call 准确率方面领先。预期校准误差衡量置信度与实际正确率之间的一致程度，而不是错误分类所占的比例。整体 ECE 较低，并不能证明你的工具路由器具有经过校准的阈值。
图表没有提供特定路由的精确率或召回率、错误工具调用率，也没有给出固定错误预算下的自动化覆盖率。与根据某一行数据宣布赢家相比，这些缺失的指标对部署更为重要。
比较路由策略，而非相同的置信度数值
Google 的置信度文档将置信度定义为概率最高的结果。对于是/否问题，它指的是“是”和“否”概率中较高的那个，并不是另一项独立检查。
Jev 原生的 noul 回答会提供概率，但没有单独的置信度字段。选项或评分回答中字段名称相同，也不能证明校准方式一致。因此，在不同模型、路由或版本之间照搬阈值，属于未经测试的策略变更。
使用带标签的开发流量为每款模型选定阈值。然后在单独的留出集上进行比较，同时保持路由定义和错误操作成本不变。统计错误的自动操作和被不必要地升级处理的有效请求；报告在相同错误预算下，每种策略能够自动处理多少流量。
如果某款模型需要更多人工审核才能满足该预算，就将这部分费用计入。对于后果严重的操作，应默认拒绝或采用人工回退。授权检查应由模型决策之外的机制负责。
官方价格只是起点
以下是官方直连 API 标价，来源为Google 的定价页面和TypeSafe 的模型文档，并非 AIHubMix 渠道价格。
| 模型 | 输入 / 1M tokens | 输出 |
|---|---|---|
| Gemini Decision 1 | USD 0.10 | 0 tokens |
| Jev 1.14 | USD 0.042 | 免费 |
Gemini 生成 0 个输出 token。Jev 的输出免费，并不意味着其报告的输出 token 用量必须为零。Gemini 的输入 token 单价约为 Jev 的2.38×，但不一定意味着每个请求的总成本都高出相同比例。
假设有 1,000,000 次决策，每次决策发起一个请求，每个请求计费 2,000 个输入 token；这里假设两家供应商的输入 token 用量相同。这相当于 2 billion 个计费输入 token：Gemini 需 USD 200，Jev 需 USD 84，按官方价格计算相差USD 116。
此估算未将分词和格式处理差异、重试、升级处理或准确率纳入考量。这不是网关账单；实际费用请查看所选渠道的定价。
Google 评估的支出比例不同：USD 0.88 / USD 0.68 约为 1.29×。不同的工作负载和计费 token 数量可能产生不同的比例，这与标价并不矛盾。
原生能力可能改变候选名单
Google 的文档说明支持文本、图像、音频、视频和 PDF 输入，输入内容与问题共享 262,144 个总 token。其 1–1,000 个问题的限制并不构成相对于 Jev 的容量优势：TypeSafe 没有规定单独的问题数量上限，但仍受上下文限制约束。
Jev 并非仅支持文本。它接受文本和 PNG/JPEG 图像，但Jev 1.14 的发行说明指出，图像、Box 和扩展上下文均为实验性功能。原生图像和 Box 默认关闭，需通过供应商选择加入的请求头启用；该请求头在网关中的行为尚未验证。默认限制为共享状态与所有问题合计 64k tokens，以及共享状态与任意单个问题合计 32k tokens。实验性供应商请求头可将两者都提高到 262k，但处理速度会变慢，准确度也会降低。
这些是供应商原生能力，并非已验证的网关保证。尤其不要仅凭这些规格来规划 AIHubMix 媒体或长上下文工作流。Google 的原生 API 也不支持缓存和 Batch，且不接受原生工具调用输入块；判断是否应运行工具，与接受工具协议块并不是一回事。
选择文档中列出的 ID，并记录返回的版本
AIHubMix 对比页面可作为选择这两款产品的起点。两者的公开说明都记录了 POST /v1/systemone、同一个 AIHubMix 密钥，以及由 state 和 questions 组成的请求结构。
AIHubMix 文档列出的产品 ID 为 gemini-decision-1 和 jev-1.14；仅凭这些名称无法确认上游版本不可变。Jev 的原生版本化 ID 是 jev-1.14.0。请记录实际渠道返回的模型/版本，不要假定一个可变别名在所有地方都会解析到同一个版本。
本次对比未发送经过身份验证的请求。常见文本请求文档只能作为评估起点，不能证明响应等效。尚未确认原生媒体、完整上下文限制以及 Gemini 的 1,000 个问题容量能够通过 AIHubMix 传递。
选择之前：
- 设定可接受的错误操作率和回退策略。
- 比较留出集上的自动化覆盖率和总运营成本。
- 在实际选用的渠道上验证所需能力。
如果 Jev 能以更低的总成本达到要求，就继续使用 Jev；如果 Gemini 经验证的收益足以证明其溢价合理，就选择 Gemini。当模型、版本或流量发生变化时，重新评估。
常见问题
哪款模型更适合工具路由？
没有放之四海而皆准的排名。Google 的 When2Call 结果更有利于 Jev，而整体校准结果更有利于 Gemini。请测试实际的路由策略。
ECE 较低是否意味着错误决策更少？
不是。校准和准确率是不同的衡量指标。整体 ECE 较低，并不能证明特定路由的错误率或安全阈值。
可以复用相同的置信度阈值吗？
未经验证则不行。应使用开发数据为每款模型和每条路由选择阈值，然后在单独的留出流量上评估。
Gemini 的价格是否始终高出 2.38×？
不是。这只是官方输入 token 价格的比例。计费 token 数量、重试和升级处理成本都可能改变运营成本比例。
Jev 1.14 是否仅支持文本？
不是。它原生支持 PNG/JPEG 图像，但图像和 Box 都是实验性功能。这并不能证明图像能够通过 AIHubMix 传递。
AIHubMix 的功能对等性是否已验证？
没有发送经过身份验证的请求。不能仅凭文档就假定原生媒体、上下文、问题容量和响应语义等效。
继续阅读：Gemini Decision 1 系列
- 如需了解文档中的请求示例和更全面的模型介绍，请阅读Gemini Decision 1 定价：$0.10/M 输入、API 与用例。
来源
官方定价快照：Google，November 12, 2026, 06:43 UTC；TypeSafe，November 12, 2026, 06:53 UTC。成本示例是基于文档的估算，并非推理测量结果。
- Google：Gemini Decisions API 发布公告和基准测试图表。
- Google：Decisions API 文档和官方定价。
- TypeSafe：模型文档、Jev 1.14 发布说明、图像限制和原生 API 架构。
- AIHubMix：Gemini Decision 1（使用说明）和Jev 1.14（使用说明）。
- AIHubMix：Gemini Decision 1 与 Jev 1.14 对比。
