AI圈新趋势：决策模型崛起，TypeSafe估值24天暴涨37倍

事件概述

AI初创公司 TypeSafe 推出的非文本 AI 模型 Jev 引发行业关注。该公司于9月15日发布种子轮产品时估值约2亿美元，但在短短24天内，凭借由 a16Z 领投的 8.7 亿美元融资，估值暴涨至 75 亿美元，涨幅达 37 倍。

Jev 自上线以来用户增长迅速，三天内突破百万用户，模型推出三周后单日处理量达数万亿 Token。目前，约三分之一的财富 500 强企业已在使用该决策模型。

核心信息：决策模型的爆发

Jev 的成功并非孤立现象，而是标志着“决策模型”（Decision Models）成为 AI 领域的新热点。微软、OpenAI 和开源社区 vLLM 近期均发布了各自的决策模型或 API，共同推动这一细分赛道的发展。

1. 什么是决策模型？

与传统大语言模型不同，决策模型不用于聊天、写代码或总结文档。其核心功能是接收一段上下文和一组预定义的候选答案，在短时间内返回每个选项的校准概率（Calibrated Probability）。输出结果直接供程序调用，而非给人阅读。

2. 主要玩家与产品

• Microsoft-Decision-1：基于 Qwen3.5-9B 基座训练，支持 Yes/No、多选、评分和分类。单次调用最多处理 32K Token，输入输出均为文本与 JSON，不生成推理过程。微软声称其在 36 个测试集、近 15 万道题中取得最高准确率，速度比 GPT-6 Sol 快 35 倍。
• OpenAI Decisions API：由 GPT-6 Luna 驱动，正式开放公测。相比常规 Responses API，特定任务速度提升最高 10 倍，每百万输入 Token 收费 0.10 美元，免收输出及缓存费用。适用于投诉分流、图片检查、模型路由等场景。
• vLLM 决策模型系列：开源平台一口气发布 6 款基于不同版本 Qwen 后训练的决策模型，涵盖请求分类、安全拦截、工单分流等任务。

3. 应用场景：Agent 的基础设施

决策模型的兴起源于 Agent（智能体）技术的实际应用需求。在 Agent 工作流中，存在大量高频的小型分支判断（如工具调用放行、路由选择、继续或停止）。若使用前沿 LLM 进行每一次判断，会导致延迟按秒叠加、Token 成本激增。

决策模型通过提供低延迟（部分任务 70–500 毫秒）和高性价比（TypeSafe 输入价格低至每百万 Token 0.042 美元），解决了这一痛点。其典型工作流包括：

• 置信度阈值控制：当模型给出高置信度概率时自动执行；
• 模糊判断处理：处理代码规则难以覆盖的模糊场景（如客服消息紧急程度判定）；
• 人工复核介入：当出现“无法判断”或概率接近时，转交更大模型或人工处理。

值得关注

TypeSafe 创始人 Diogo Almeida 将 Jev 定义为第一个“System One Model”。他认为，过去十年软件形态变化有限，AI 更多是作为侧边栏的聊天机器人存在。而决策模型的价值在于将最新模型的能力以传统软件可承受的成本嵌入系统内部。

这预示着 AI 应用的范式转变：人们未必会直接使用更多面向消费者的 AI 产品，但每一款日常使用的软件背后，都可能通过决策模型成千上万次地调用 AI 能力来处理微小的判断。行业竞争焦点正从提高智能上限，转向让最普通、最微小的判断也值得调用 AI。