20 款开源决策模型涌现，冲击 TypeSafe Jev 垄断并重塑 AI 交互范式

一句话结论

20 款替代 TypeSafe Jev 的开源决策模型出现，以更低成本和可本地化部署冲击闭源 API 市场，改变开发者集成逻辑。

关键要点

• AWS Strands Labs 发布 Strands Decider，约 1.9B 参数，Apache-2.0 协议，本地训练耗时约 11 小时，JevBench 得分 77.9%。
• Perplexity pplx-decider-v1 基于 Qwen3.8，27B 版本定价 0.02 美元/百万 token，供应商准确率 85.71%。
• InnerJev 蒸馏单遍推理，27B 版在 JEVal 基准得 79.24%，ECE 0.0149 优于 Jev 的 0.0532。
• Open-Jev 9B 版本在 JevBench 子集得 77.49%，自托管需 24GB GPU，免费托管端点每账户 1 亿 token。
• 各模型基准互不兼容，Jev 在 GPQA Diamond 得 78.3 分，BBH 得 94.27 分，新模型需在特定域外验证。

背景与事实

TypeSafe 于 2026 年 9 月 15 日推出 Jev 决策模型，输入 64k tokens 价格 0.042 美元/百万 token，输出免费但权重闭源。约 4 周内，20 款替代品迅速涌现。AWS Strands Labs 在 10 月 1 日发布 Strands Decider，基于 Qwen3.5-2B-Base 加指针头，约 1.9B 参数，仓库公开 246,678 条训练数据及完整配方，在 RTX 3090 上训练约需 11 小时，提供本地 /v1/systemone 端点，采用 Apache-2.0 许可。v1 检查点在 JevBench public 上得 180/231 分（77.9%），RTX 3090 中位延迟 115 毫秒。

OpenAI 于 10 月 6 日发布 Decisions API，公测阶段仅限 gpt-6-luna，定价 0.10 美元/百万 token，支持文本与图像但未公开模型规模。Perplexity 推出 pplx-decider-v1-27b，基于 Qwen3.8-27B，Apache-2.0 协议，定价 0.02 美元/百万 token，4B flash 版本 0.01 美元，供应商标注准确率 85.71%。meraGPT 在 9 月 22 日推出 Decider 1，闭源，定价 0.04 美元/百万 token，上下文 4k，类型化决策分 0.768。Span-01 由 Respan 提供，返回行为概率，定价 0.02 美元/百万 token，Lite 版免费，供应商 F1 分 0.843。

Liquid AI 推出 d1-3B（3.1B）及 d1-omni-600M（587M，支持 30 秒音频，LFM 开源协议），d1-3B 在 Decision Index 0.2.1 得 48.57 分，RTX 4090 延迟 8ms。Fastino 发布 GLiNER2.5-Decide，340M 参数基于 DeBERTa-v3-large，Apache 2.0 协议，供应商精确匹配率 60.2%。AWS Strands Labs 的 Strands Decider 在 JevBench public 上表现稳健，而 Jared Palmer 的 Kev 系列提供 0.8B 至 27B 规格，基于 Qwen3.5 和 Qwen3.8，Kev-4B 为 LoRA 加指针头，支持 255 个选项，可运行于 24GB GPU 或 32GB Apple Silicon Mac，Respan 测得准确率 0.833，翻转率 0.060。

影响分析

对中文开发者而言，这批开源模型提供了替代闭源 Jev 的可行路径，尤其在成本敏感和本地化部署场景下优势显著。Strands Decider 公开 246,678 条训练数据及完整配方，降低了复现门槛；Apache-2.0 协议允许商业使用，避免版权风险。然而，基准测试互不兼容导致评估复杂：Jev 在 GPQA Diamond 得 78.3 分，BBH 得 94.27 分，而新模型多在 JevBench 或 JEVal 上报告分数。InnerJev 的 ECE 0.0149 优于 Jev 的 0.0532，表明其置信度校准更优，适合高可靠性决策场景。但多数模型上下文限制在 4k 至 32k，远逊 Jev 的 64k，长文档处理需分块策略。Perplexity 0.02 美元/百万 token 的定价比 Jev 低 52.4%，适合高调用量应用；Open-Jev 免费托管端点每账户 1 亿 token 进一步降低试用成本。

适用边界

上述结论适用于文本决策、结构化分类及中等长度上下文场景，不成立于超长文档（>32k tokens）或需要闭源合规认证的环境。多数开源模型未通过企业级安全审计，Laya 在 Banking77 得分 0.425（Jev 为 0.870），表明金融领域存在显著性能差距。Von 的 Respan 准确率 0.422 为最低，校准针对 JevBench，域外场景可能误导。图像支持仅限 OpenAI、Open-Jev 和 Mapika Decider 的 vision 变体，纯文本模型无法处理多模态输入。本地部署需 24GB GPU（Open-Jev）或 32GB Apple Silicon Mac（Kev-4B），资源受限设备不适用。

孤本观察

这是编辑判断：开源生态在 4 周内形成 20 款替代品，表明决策模型已从实验性研究转向工程化产品竞争，但基准碎片化将导致开发者需建立自有评估流水线。Strands Decider 公开训练数据与 InnerJev 开放代码的对比，反映社区正从“使用模型”转向“再造模型”，可能加速决策层与 LLM 分离的架构趋势。

来源：MarkTechPost