Jev 之後，中國團隊開始深挖 AI 的「直覺層」

據深潮 TechFlow發布，作者｜樺林舞王編輯｜靖宇 9 月 15 日，前 OpenAI 研究員 Diogo Almeida 創辦的 TypeSafe AI 發布了 Jev。這款模型不寫一個字，只做判斷。 兩週之後，整個行業都在做衕一件事。OpenAI 在開發者日上推出 Decisions API，Cloudflare 在 10 月 1 日開源了 Clef，亞馬遜也放出了 Strands Decider。 國內衕樣沒閑着，上海人工智能實驗室開源了多模態決策模型 Intern-Decision。 9 月 30 日，一家成立不到五個月的上海公司 StartLux（原點星輝）發布了開源的 StartLux-Decision，並宣稱在公開評測中超過 Jev。 一個新品類在兩週內從「首發」走到「羣戰」，這種速度在大模型行業也不多見。 而 StartLux 背後的掌舵人，是盛大網絡聯閤創始人陳大年。 被 Jev 點燃的「直覺」 要理解這輪熱潮，得先說清楚決策模型到底在幹什麼。 TypeSafe 把 Jev 稱為「System One 模型」，名字取自卡尼曼的《思考，快與慢》。系統一是人快速、直覺的那部分思維，系統二負責慢思考。過去兩年的大模型，幾乎都在往系統二的方向卷，推理鏈更長，思考更深。 但 Agent 眞正跑起來之後，情況不太一樣。一個 Agent 任務裡，密集發生的往往不是深度推理，而是大量瑣碎判斷。這張工單該分給哪個團隊，這條命令能不能放行，頁面上下一步該點哪個按鈕，任務到底完成沒有。 過去這些判斷要麼交給大模型「順便」做，生成一段文字再解析；要麼寫死成規則，覆蓋不了長尾。前者又慢又貴，後者不夠聰明。 Jev 的做法是只回答帶預設選項的問題，單選、打分或者是非題，直接返回帶概率的結構化結果。定價是每百萬輸入 token 0.042 美元，輸出免費。 可以說，Jev 把「判斷」從「生成」裡剝離出來，做成了一種廉價、高頻的基礎設施。 市場反應很直接。Vercel 披露，Jev 上綫 24 小時內，其 AI Gateway 上 13% 的付費用戶就用上了它，是此前任何模型發布的兩倍。TypeSafe 用經濟學家傑文斯的名字給模型命名，闇指那條著名的悖論，一樣東西越便宜，需求反而越大。 不過 Jev 有一個明顯的缺口。它是閉源託管模型，沒有公開權重，也不能本地部署，只能調用 TypeSafe 自己的 API。 這個缺口，恰好成了後來者的入口。 中國團隊迅速跟進國內團隊也在迅速跟進類 Jev 模型。 上海人工智能實驗室的 Intern-Decision 開源了 0.8B、2B、4B 三檔，主打多模態，能看懂圖像和界面再做決策，團隊給出的數據是推理速度比 Jev 快 2 到 3 倍。 StartLux 這樣的創業公司，一口氣拿出 0.8B 到 27B 五檔規格，配齊量化文件，直接瞄準本地部署。 StartLux 模型分數超過 Jev｜圖片來源：Github 按 StartLux 公佈的數據，27B 版本在 Decision Index 0.2.1 的 38 項測試裡有 31 項高於 Jev 1.13，綜閤分 63.88 對 57.91。團隊還展示了一組國際象棊對弈，36 侷贏下 35 侷。 StartLux 模型下國際象棊｜圖片來源：Github 這些數字需要放在正確的位置看。它們是團隊基於公開工具、對照 9 月 28 日榜單快照完成的自測。更重要的是，「第一」在這個賽道的保質期極短，StartLux 發布第二天，Cloudflare 就宣稱自家 Clef 在衕一套榜單上領先。至於下。