图注：一图读懂本文要点——判断层只做选择、不写文字，两周内中美欧已有五家入局（来源：源势AI）
一个只做判断、不写字的模型发布两周后，这个品类变成了赛道。
TypeSafe AI 在 9 月 15 日发布决策模型 Jev：每百万输入 token 0.042 美元、输出免费（来源：极客公园，转引自 Tech Digest《AI行业24小时_20261005_10》，2026-10-05）。两周之内，中、美、欧几乎同时下场——OpenAI 推 Decisions API，Cloudflare 在 10 月 1 日开源 Clef，亚马逊放出 Strands Decider；国内也有两支队伍，上海人工智能实验室开源 0.8B、2B、4B 三档多模态 Intern-Decision，上海创业公司 StartLux 在 9 月 30 日开源 0.8B 到 27B 五档 StartLux-Decision（来源：同上）。
Jev 到底做了什么
它自己不生成任何文字。你给它当前状态和一组预设标签，它返回选中的选项、概率和置信度——本质是一个高速分类器，官方把这类模型叫 System One Models（系统一模型，对应人脑里"快而省"的那套反应）。接口也只有三种：Choice 从选项里选一个，Score 按等级打分，Noul 判断真假、只返回一个 0 到 1 的概率；选项基数上限 255（来源：《七张图看懂决策模型 Jev》，转引自 TypeSafe 官方博客与官方文档，2026-09；官方博客）。
真正把账算清楚的是一个实测。Browser Use 用一次 7 秒的浏览器查票任务测试：AI 被调用了 19 次，其中 17 次是判断（点哪个、选哪个），只有 2 次是真正写文字（填城市名）；单次判断的中位延迟 178 毫秒（来源：Browser Use 实测记录，github.com/browser-use/jev-ultrafast）。
也就是说，我们搭 Agent 时让大模型反复"决定下一步"的那些调用里，绝大多数其实只是在做判断，用不上完整推理。延迟上也对得上：Jev 单次判断 70 到 500 毫秒，官方对标的前沿大模型端到端区间是 3 到 329 秒（均为厂商口径）。
图注：一次 7 秒的浏览器任务里，19 次调用有 17 次是判断——Agent 的开销大头，其实落在"选一个"上（数据来源：Browser Use 实测记录，转引自《七张图看懂决策模型 Jev》）
两周内的入局者
跟进的队伍来得快，路线也分成了两类。
英美这边以闭源 API 为主：OpenAI 推 Decisions API，Cloudflare 10 月 1 日开源 Clef，亚马逊放出 Strands Decider。国内的两支则几乎不约而同走开源加本地部署——Intern-Decision 覆盖 0.8B、2B、4B 三档，StartLux-Decision 从 0.8B 铺到 27B（来源：极客公园，转引自 Tech Digest《AI行业24小时_20261005_10》，2026-10-05）。
StartLux 给了一份自测成绩：27B 版在 Decision Index 0.2.1 的 38 项测试中有 31 项高于 Jev 1.13，综合分 63.88 对 57.91。这份成绩的对照基准是 9 月 28 日的榜单快照，属于自测、非第三方复现（来源：同上）。更值得注意的是时间点——StartLux 发布次日，Cloudflare 就称 Clef 在同一榜单领先，这个"第一"的保质期短得可以按天算。
需求侧的信号同步出现。Vercel 披露，Jev 上线 24 小时内，其 AI Gateway 上 13% 的付费用户已经用上（来源：极客公园，转引自 Tech Digest《AI行业24小时_20261005_10》，2026-10-05）。
图注：两周里挤进五家，闭源 API 与开源本地部署分成两条路——国内队伍补的正是 Jev 留下的那半个空位（资料来源：极客公园，转引自 Tech Digest 2026-10-05；末句为源势AI 观点）
为什么便宜
判断类任务的账，只有输入这一项。Jev 输入 0.042 美元/百万 token、输出免费，十亿 token 才 42 美元；官方口径下，DOOM 那种每秒 10 次判断的玩法，成本约 7 美元/小时（来源：《七张图看懂决策模型 Jev》，转引自 TypeSafe 官方博客，2026-09）。
便宜只是表面。更关键的是延迟——判断从秒级降到百毫秒级，Agent 里那些高频、低价值的"选哪个"环节才第一次能被拆出来单独处理。省下的不只是算力，是每一次判断的时间和钱。
判断与生成的成本结构也不一样。生成类调用按输出 token 计费，输出越长越贵；判断类任务只读不写，账单里只有输入这一项。同一批 Agent 负载里，把高频的判断环节拆出来，省下的是可预期的一笔固定成本，而不是随生成长度浮动的开销（来源：《七张图看懂决策模型 Jev》，转引自 TypeSafe 官方博客，2026-09）。
最容易用错的一个数
Jev 返回的置信度，不是准确率。
它给的 0.85，量的是"答案分布有多集中"，官方公式是 (3×最大概率−1)/2；它不是"这个答案有 85% 的概率正确"（来源：TypeSafe 官方文档，转引自《七张图看懂决策模型 Jev》，2026-09）。想拿高置信度当自动执行的门槛，官方原话是：阈值没有通用值，要用你自己的数据标定（来源：TypeSafe 官方文档 docs.typesafe.ai/confidence）。
正确的用法是三档门禁：高置信直接自动执行，中置信升级给强模型再想一遍，低置信转人工或追问。阈值画在自己的数据上，随风险调整——不可逆操作的门槛要更高。
源势AI观点
第一，把"判断"和"生成"分开计价，是这轮变化里最值得抄的一条。同一批 Agent 负载里，判断类调用占了调用次数的大头——Browser Use 的实测里是 19 次中的 17 次——把这部分换成判断模型，省下的是"调用次数 × 单次延迟与单价"，先分层、再分别选模型，比单换一家供应商更能压住总账。
第二，"第一"不要写进选型结论。这个榜单发布才两周，"榜首"已经换了两轮；拿去写进技术方案的是接口稳不稳定、成本曲线是否可预期，而不是某一天的名次。
第三，置信度必须自己标定再上线。0.85 在不同任务上的含义不同，直接把默认阈值用来放开自动执行，风险敞口很可能会超过它省下的那点延迟。上线前至少跑一遍自己场景的标定，把不可逆操作的门槛单独调高。
判断被拆成一个廉价的独立部件，这件事本身比谁拿了第一更重要。它意味着 Agent 的架构里，多了一层过去一直混在生成里的分工。
话题标签：#决策模型 #Agent架构 #推理成本
