策略

决策层有了价格表:一周内四个 SKU,百万 token 低至 $0.10

作者：IdeaBosque最后更新：2026年11月14日

关键要点

一周之内(2026 年 11 月 11–13 日),Google、Perplexity、HeyGen 和 Hark 发布了四个决策模型 SKU——而十天前,这个品类还只是 OpenRouter 的 Decisions API 背后 13 家厂商的 21 个模型清单,没有任何一手价格锚点。
Gemini Decision 1 把有界选择定价为输入 $0.10/1M token、输出计费 $0,一次通过即可为最多 1,000 个是/否、多选和量规问题打分,端到端延迟 150–250 ms——按 Google 自家共享基准套件测算,比 Gemini 3.5 Flash-Lite 加 Interactions API 便宜近 5 倍。
Perplexity Decider v1.3(26B,Qwen3.8-27B 底座)和 Flash v1.3(5B)是该品类首批发布的权重,以 Apache-2.0 许可证放在 Hugging Face 上——在智能体循环内负责路由、监视与评分的这一层,自托管路径已经存在。
**诚实标注来自厂商自己:**HeyGen 的文档把 confidence 描述为"返回分布的属性,而非校准后的概率";Perplexity 告诉用户在自己的标注流量上调优决策阈值,而不是信任出厂温度参数。
**政策不在价格表上:**哪些决策可以让渡给分类器、廉价监视器判错时怎么办,仍然是架构决策——属于五决策框架的第二、第三行,而不是厂商的。

本文建立在 Five Decisions That Determine Whether Your AI Agent Ships 之上,那篇文章对生产智能体的架构决策做了排序。其第三项决策——哪个模型做什么——在 10 月 16 日获得了一份目录:OpenRouter 在同一套 Decisions API 之后列出了 13 家厂商的 21 个决策模型。而在 11 月 11–13 日这一周,这份目录跨过了目录存在本身无法跨过的一条线:三家厂商发布了一手定价的 SKU,第四家把 handoff 做成了产品。先决策后执行(decide-then-act)层不再是一个要用零件拼装的模式,而是一件可以购买的商品。

什么是决策模型,一段话讲清

Perplexity 的定义最干净:决策模型就是一个通用分类器。你给它一个输入——一个状态,加上可选图片——以及一组命名问题,每个问题带各自的候选答案;它在一次前向传播中为每个问题返回概率分布。没有逐 token 的答案生成,没有自由文本,也没有一条 30 秒的推理链去决定一张工单该走计费还是集成。各家厂商的问题类型一致:是/否(为真的概率)、多选(2–255 个选项,各自带归一化概率)和有序量规打分。Perplexity 直接承认其血统:Decider 的灵感来自 TypeSafe AI 的 Jev——就是我们在 TypeSafe Jev and the Third Layer of the Agent Model Stack 中分析过的那个非 LLM System One 模型。当品类的第二个进入者点名引用第一个观察者的模式时,这个品类共享的是一种思想,而不只是一个营销词。

四个 SKU

这一周的供给,按买家最关心的维度对比如下:

SKU	厂商,日期	获取方式	规模	速度与成本	诚实标注
Gemini Decision 1 + Decisions API	Google,11 月 11 日	API(OpenRouter、LangChain、LiteLLM、Vercel 集成)	单次调用最多 1,000 个问题,输入支持文本、图片、音频、视频、PDF(256K token 输入)	端到端 150–250 ms;1→100 个问题延迟几乎持平;输入 $0.10/1M,输出 $0	便宜近 5 倍的说法对标 Google 自家共享基准套件
Decider v1.3 / Flash v1.3	Perplexity,11 月 12 日	Apache-2.0 权重,MaaS API,OpenRouter	26B(基于 Qwen3.8-27B 底座)与一个 5B 蒸馏版;每问题 1–255 个选项	快速通道快 1.7–1.9倍(separate 模式),快 9–18倍(isolated 模式)	阈值诚实:用你自己的流量调优;虽然开源 Apache 许可证,权重仓库仍需申请访问
HeyGen Decision 1(+ Turbo 预览)	HeyGen,11 月 13 日	同步 API	1–400 个命名问题;最多 4 张图 + 1 个视频(Turbo 预览:100 张图、10 个视频)	同步响应,`output_tokens: 0` 恒为 0;文档页未公布价格	文档:置信度"是返回分布的属性,不是校准后的概率"
Hark Handoff²	Hark,11 月 12 日	Hark Pro(computer-use 智能体)	在其内部 478 任务、238 站点浏览基准从 73% 提升到 82%	模型快 46%,端到端约 2 倍	厂商自报的内部基准,不是公开评测

品类的深度体现在各家各自的押注上。Google 押带宽与批量:一路多模态输入,最多 1,000 个问题,从 1 到 100 个问题每请求延迟几乎持平,输入只按请求计费一次,不管上面带多少问题。Perplexity 押所有权:发布权重意味着路由、审核与评分层可以跑在买家自己控制的硬件上,并新增了 locate 类型,以字符偏移提取逐字文本片段——分类与抽取在一次请求里完成。HeyGen 押媒体通道:文本、JSON、四张图和一段抽帧视频在同一次同步调用里完成,Turbo 预览推到 100 张图和 10 个视频。Hark 押相邻的原语:handoff——浏览器智能体的工作变成人类工作的那一刻——做成产品,并对照自家 v1 测得快 2 倍。Google 的内部部署暗示了这一点在生产上的落点:Gemini Notebook 用 Decisions API 做实时模型路由,日常查询延迟最多降低 40%;Google Search 用它作为安全层,检测针对 MCP 工具的对抗行为。

四个决策模型 SKU,按获取方式、规模、速度以及各家厂商自我披露的诚实标注进行对比。买家应当记住的模式:每一行速度与价格都出自厂商自己的测量。

有界选择为什么这样定价

这套经济学是结构性的,不是促销性的。生成式调用为输出 token 付费,而一次路由或审核决策却在按 token 付费,以产出整条流水线里最没用的制品:以三个词之一收尾的自由文本。决策模型用一次分类读取取而代之——一个在预定义选项 token 上训练出的线性头——所以 Decisions API 输出计费 $0,共享输入按请求只计费一次,不管带多少个问题,并且完全跳过按思考 token 的可变计费。Perplexity 的架构说明解释了第二个原因:1.3 系列模型双向读取,并在一次通过中从共享状态回答每一个问题;HF 模型卡记录了一条快速路径,把许多序列打包进单次前向传播——separate 模式快 1.7–1.9 倍,isolated 模式快 9–18 倍。对自托管买家来说,算术是具体的:49 GiB 的 BF16 权重装得进一张 80 GB GPU 的显存包络线,而 Ornn Compute Price Index 在 11 月 13 日定格一张 H100 SXM 为每小时 $3.29——路由、评分与审核层的时薪,还比不过一次前沿模型生成调用每天已经烧掉的钱。这才是本周真正意义上的价格崩塌:推理成本管理的五个成本向量,延伸到了生成式调用周围的那些决策上。

价格表不包含什么

四个 SKU 不出售的东西,每一项都写在厂商自己的文档里。

**置信度不是校准。**HeyGen 的文档在这件事上是全行业表态最直接的:置信度"是返回分布的属性,不是校准后的概率"。Google 在每个答案上输出 0–1 的置信度分数;那告诉你的是分发者在哪里止步,而不是你的正确率阈值应该设在哪里。**阈值是你的数据的问题。**Perplexity 的 Getting Started 部分说得直白——标签频率以及假阳性对假阴性的代价因应用而异,所以要在一个小而有代表性的标注开发集上调整阈值。HF 模型卡给出同样的诚实:"一个单一的温度不可能对每个任务都正确,按任务设阈值通常更好。"**问题之间不能相互依赖。**HeyGen 的 API 文档指出,一个问题的答案不会成为同一次请求里另一个问题的输入——依赖型决策需要串行调用,而那里正是延迟不再显得免费的所在。Perplexity 从另一侧记录了同样的边界:默认的 separate 模式下问题彼此不可见,共享状态的 isolated 模式用独立性换成本,使头部答案偏移 1.5–2.2%。**延迟与上下文的说法各有适用范围。**Google 的 150–250 ms 成立于最高 16K token 的上下文——256K token 的多模态输入是另一个包络线——而 Hark 的 2 倍是厂商对照自家 v1 报告的数字。这些注意事项没有一条构成对品类的否定。它们主张:用你自己的标注流量做试点,在阈值开口之前把置信度数值当作未经调校的承诺——这和我们对待 GPU 价格定格的诚实纪律一致,那里指数本身都在两次读取之间重新定价。

依旧属于你:政策层

决策模型可以吸收你的分类、路由、监视与评分调用。它吸收不了让这些调用安全的那两个决策。第一:哪些决策可以让渡给分类器——工单队列的选择可以自路由;回写 NetSuite 的供应商价格不能。第二:当廉价监视器判错时怎么办——Google 自己的设计答案是按置信度把歧义路由给后备或人工复核,但哪些属于歧义、人工多久复核一次,是你的升级策略。在五决策框架里,这是决策 3 向下延伸:路由、监视与 kill-switch 评估正在从定制代码变成可购买的组件,而在运行时中强制执行判断的循环层,仍然保留着它始终拥有的审批权。价格表改变的是监视层的成本。它没有改变的是签署人是谁。

一个代表性部署

一家运营 NetSuite、BigCommerce 和三份供应商目录的中型工业分销商,希望其报价智能体全天候工作,而不再让一个人去读每一份草稿。决策层把分工定了下来:一个前沿模型规划 RFQ 回应并起草报价;一个决策模型层监视其余一切。每一起入站 RFQ 在花掉一次生成调用之前,先在单次请求里完成完整性与风险评分;供应商的回应对照报价明细行分类;每份起草完的报价都经过带置信度评分的政策检查,低于阈值的一切都路由到人工台面而不是 NetSuite。监视层花的是 Google 定价 SKU 上每百万 token $0.10——按 Google 自家的基准对比,这样的有界选择账单大约取代了每次决策五次 Flash-Lite 生成调用——而且延迟低到人工复核者从不需要等它。报价周期从三天降到四小时以内,每次写回都有人工批准;产出的是台面的吞吐能力,不是台面的人头。

这就是模式:买下有界选择,诚实地为置信度定价,把政策留在自己手里。