MarkTechPost 横向对比 Jev 发布约 4 周内出现的 20 个替代决策模型

MarkTechPost· Asif Razzaq·2026-10-17 15:26· 3 小时前AI 评分66

20 个 Jev 替代方案：2026 年挑战 TypeSafe 的决策模型

AI 导读

MarkTechPost 盘点了 TypeSafe 于 2026 年 9 月 15 日发布决策模型 Jev 后约 4 周内出现的 20 个替代方案，来自 Cloudflare、OpenAI、Perplexity、Liquid AI、AWS Strands Labs 及独立开发者，按参数规模、许可证、硬件、定价、Jev API 兼容性和基准表现逐项比较。

正文

TypeSafe 于 2026 年 9 月 15 日发布了 Jev。它是一个决策模型，而非聊天机器人。你定义允许的答案，Jev 返回一个标签、一个分数或一个是/否概率。在大约 4 周内，至少有 20 个 Jev 替代方案问世。它们来自 Cloudflare、OpenAI、Perplexity、Liquid AI、AWS 的 Strands Labs 以及独立开发者。本指南按规模、许可证、硬件、定价、Jev API 兼容性和已公布的基准对每个方案进行比较。

TL;DR

• 规模范围：从 287M（GLiNER2.5-multi-Decide）到 35B-A3B（Mapika Decider）。Jev 的规模未披露。
• 运行于：Von 和 Laya 等编码器可在 CPU 上运行。4B 适配器可装入 24 GB GPU 或 32 GB Mac。
• 性能：大多数开源模型在困难推理上落后于 Jev。在窄分类任务上，有几个模型与 Jev 持平或超越它。
• 最佳：根据 Cloudflare 自己的运行结果，Cloudflare Clef 的 BANKING77 F1 得分为 94.20，而 Jev 为 79.74。
• 最差：在 Respan 的运行中，Von 1.2 的准确率为 0.422，而 Jev 为 0.932。

什么是 Jev，为什么要寻找替代方案？

Jev 是 TypeSafe 的首个“System One”模型。你发送一个状态，例如工单或日志行。你还发送类型化问题：Choice、Score 或 Noul（是/否）。Jev 在一次并行处理中为每个问题打分，不生成文本。

TypeSafe 的文档列出每 100 万输入 token 收费 $0.042，输出免费。每个请求的上下文为 64k token。输入仅限文本。权重闭源，访问需通过等待名单。TypeSafe 的工作流评估显示 Jev 的一致率为 67.8%，每个案例耗时 0.4 秒。

这留下了开发者不断提出的 4 个缺口：不支持图像、不支持自托管、未公布规模、不支持微调。以下 20 个模型填补了其中部分或全部缺口。

应该如何解读这些基准？

以下大多数数据为自我报告。测试套件各不相同：JevBench、Decision Index、typed-decisions 和 Respan 的行为基准。不同套件的分数不可比较。唯一的多模型第三方表格来自 Respan，该公司销售一款竞争模型。

托管决策 API

1. Cloudflare Clef 和 Clef-flash

Cloudflare 于 2026 年 10 月 1 日发布了 Clef。Clef 基于 Qwen3.8-27B 并带有视觉编码器，规模为 27B。Clef-flash 基于 Qwen3.5-9B，规模为 9B。两者均以 Apache-2.0 许可证发布在 Hugging Face 上，并在 Workers AI 上提供服务。它们接受文本、JSON 以及每个请求最多 4 张图像。

Workers AI 定价为每 100 万输入 token $0.24（Clef）和 $0.038（Clef-flash）。Cloudflare 称该 API 完全兼容 Jev。在其自己的运行中，Clef 的 BANKING77 F1 得分为 94.20，而 Jev 为 79.74。Jev 仍在 GPQA Diamond 上胜出，为 78.3 对 48.0。

2. Liquid AI d1

Liquid AI 的 d1 系列包括托管的 d1 和 d1-ultra，以及 2 个开源模型。d1-3B（3.1B）基于 LFM2.5-VL-3B 运行。d1-omni-600M（587M）增加了最长 30 秒的音频片段。开源权重使用 LFM Open License。

Liquid 的 指南 通过 TypeSafe 自家的 SDK 以不同的 base URL 调用 d1。Liquid 报告 d1-3B 在 Decision Index 0.2.1 上得分为 48.57。它还报告在 RTX 4090 上延迟为 8 ms。托管参数数量和付费费率未披露。

3. OpenAI Decisions API

OpenAI 于 2026 年 10 月 6 日以 公开测试版 发布了 Decisions API。它仅在 gpt-6-luna 上运行。它接受文本加 base64 图像。问题类型为谓词、选择和评分。

定价为每 100 万输入 token 0.10 美元，输出不计费。该 schema 是 OpenAI 自己的，因此不兼容 Jev。OpenAI 声称响应速度比 Responses API 快约 10 倍。未发布基准测试。

4. Perplexity pplx-decider

Perplexity 的 pplx-decider-v1-27b 是 Apache-2.0 许可下的 Qwen3.8-27B 微调版本。它读取文本、JSON 以及每个问题最多 8 张图像。API 允许每个请求 128 个问题和 255 个选项。

当前定价 为 v1.2（27B）每 100 万输入 token 0.02 美元。4B flash-v1.2 价格为 0.01 美元。在 Perplexity 的 11 项任务面板上，它得分为 85.71%，而 Jev 为 84.51%。Jev 仍在 BBH 上获胜，94.27 对 82.80。

5. meraGPT Decider 1

meraGPT 于 2026 年 9 月 22 日宣布了 Decider 1。它是一个托管、闭源权重、纯文本模型。它允许最多 10 个 Choice 标签和 4,096 token 上下文。模型页面 列出每 100 万输入 token 0.04 美元。

它暴露 /v1/systemone 并与 TypeSafe SDK 配合使用。在 meraGPT 的类型化决策运行中，它得分为 0.768，而 Jev 为 0.727。独立评审 指出其 ECE 为 0.180，落后于 Jev 的 0.144。

6. Respan Span-01

Span-01 是一个行为评分模型，而非通用决策模型。它返回 present、absent 或 not_observable 概率。价格为每 100 万输入 token 0.02 美元。Span-01 Lite 免费。

Respan 声称在其 Behavior Benchmark 上总体 F1 为 0.843。其自家博客表格显示较低的 0.806，GPT-6 Sol 以 0.885 领先。规模、基础模型和许可证未披露。

7. Standard Thinking Standard One

Standard One 以 3B 和 8B 模型形式提供，均为开源和托管。8B 是 Apache-2.0 许可下基于 Ministral-3-8B 的 LoRA。它读取文本和图像，上下文为 32,768 token。它提供 /v1/systemone。

托管文本定价为每 100 万 token 0.018 美元（3B）和 0.035 美元（8B）。在 JevBench 公开困难集上，8B 得分为 54.95%，而 Jev 为 72.07%。它在现实迁移上领先，90.83% 对 86.67%。两次运行均为发布方测量。

可自行托管的开源权重 Jev 替代方案

8. Together AI Tev1-4B-experimental

Together 训练了 Tev1，作为 Qwen3.5-4B 的 LoRA SFT。它在 37,840 个示例上花费约 17 美元和 25 分钟。它从 2 到 24 个选项中选择。模型卡 称权重许可证仍在最终确定中。

它通过聊天补全而非原生 Jev 端点作答。Respan 测得准确率 0.901 和 ECE 0.031，是其表格中最佳的 ECE。Together 警告其 logprobs 并非校准置信度。

9. Fastino GLiNER2.5-Decide

Fastino 的 GLiNER2.5-Decide 是 Apache 2.0 许可下的 340M DeBERTa-v3-large 编码器。它一次处理决策、跨度提取和关系。还存在 1B 和 287M 多语言变体。

在 Fastino 的 17 领域集合上，模型卡列出 60.2% 的精确匹配率。在 48 vCPU 的 Xeon 上，p50 延迟为 167.3 ms。它与 Jev API 不兼容。

10. Strands Labs Strands Decider 2B

AWS 的 Strands Labs 于 2026 年 10 月 1 日推出了 Strands Decider。它约为 1.9B：Qwen3.5-2B-Base 加上一个指针头。代码库发布了 246,678 行训练数据和完整配方。一块 RTX 3090 训练它约需 11 小时。

它在 Apache-2.0 下提供本地 /v1/systemone 端点。v1 检查点在 JevBench 公开集上得分 231 分中的 180 分（77.9%）。在 RTX 3090 上中位延迟为 115 ms。

11. Kev (Jared Palmer)

Kev 基于 Qwen3.5 和 Qwen3.8 提供 0.8B、4B、9B 和 27B 尺寸。Kev-4B 是 Apache-2.0 下的 LoRA 加指针头。它支持 255 个选项。TypeSafe SDK 可原样与之配合使用。

Kev-4B 可装入 24 GB GPU 或 32 GB Apple Silicon Mac。Respan 测得准确率 0.833，翻转率 0.060。自报 MMLU-Pro 为 0.565，而 Jev 为 0.840。选项顺序可能改变其答案。

12. Mapika Decider 系列

Mapika 的 Decider 基于 Qwen3.5 和 Gemma 4 提供 0.8B 到 35B-A3B 的变体。decider-2b-vision 模型增加了图像能力。全部为 Apache-2.0，具有 32k 上下文和 /v1/systemone。

在 JevBench 公开困难层级上，decider-12b v1 以 0.730 与 Jev 持平。4B GGUF Q4_K_M 为 2.7 GB，可在 CPU 上运行。4B 在困难项上的 ECE 为 0.184，因此预计会过度自信。

13. Bespoke Labs Bespoke-Nimble-9B

Bespoke-Nimble-9B 是 Qwen3.5-9B 上的 165 MiB LoRA，在 Hugging Face 上以 Apache-2.0 发布。当前模型卡列出 255 个选项和 8,192 个 token。它仅读取英文文本。

在 Bespoke 的 324 例留出集上，Nimble 得分为 90.12%，而 Jev 为 93.21%。在 H100 上延迟约为 106 ms。它仅用 2,676 个样本训练，且其概率未校准。

14. Convai Innovations Laya

Laya 是基于 ModernBERT 的系列，包含 421M 英文和 322M 多语言检查点。它为 Apache-2.0 且仅支持文本。laya-serve 服务器提供 Jev 形状的 /v1/systemone 端点。

typed-decisions 检查点得分为 0.766，而 Jev 为 0.727。在 Banking77 上，它得分为 0.425，而 Jev 为 0.870。Respan 测得准确率 0.542，注入成功率 0.396。在 T4 上 p50 延迟为 32.8 ms。

15. Von (wfzyx)

Von 是 395M 的 ModernBERT-large 编码器，带有选项标记头。它在一次双向传递中对所有选项打分。它为 Apache-2.0，具有 8,192 token 上下文。

代码库报告在 4 vCPU 上 p50 为 0.096 s，在 A10G 上为 0.023 s。Respan 测得 Von 1.2 准确率为 0.422，是其表中最低的。其校准针对 JevBench 调优，在域外可能产生误导。

16. Open-Jev-9B (Zefan Cai)

Open-Jev 基于 Qwen3.5 提供 2B、9B 和 27B 适配器。Open-Jev-9B 增加了一个标量头，可装入一块 16 GB GPU。它匹配 /v1/systemone 请求形状，但声称不保证对等。

在 231 项 JevBench 子集上，该项目报告 9B 为 77.49%，27B v1.1 为 85.28%。每个候选上限为 4,096 个 token。数值和时间线任务较弱。

17. OpenJev on DiffusionGemma (razorback16)

这个 OpenJev 从 NVIDIA 的 DiffusionGemma 26B-A4B（4B 激活）读取决策。它接受文本加最多 8 张图像。它使用相同的线协议 API，因此 Jev SDK 可原样工作。

该项目报告在 JevBench 公开集上达到 87.4%，在 49 tokens 时 p50 为 30 ms。免费托管端点每个账户提供 1 亿 tokens。自托管需要至少 24 GB 的 NVIDIA GPU。

18. InnerJev-4B 与 InnerJev-27B

InnerJev 来自复旦大学、同济大学和伦敦国王学院团队。它将 LLM 推理蒸馏为单次决策。论文还引入了 JEVal：覆盖 36 个数据集的 11,257 个实例。

在 JEVal 上，InnerJev-27B 得分为 79.24%，而 Jev 为 78.38%。其 ECE 为 0.0149，而 Jev 为 0.0532。InnerJev-4B 得分为 71.92%。代码在 GitHub 上；许可证未说明。

19. SemIf

SemIf 从现有开源 LLM 中读取类型化决策，默认使用 Qwen3.5-4B。一个 WebGPU 演示可在浏览器中运行量化模型。代码为 MIT。

在 102 行的 TypeSafe 子集上，SemIf 的平衡准确率为 0.845，而 Jev 公布的数据为 0.883。在 RTX 3090 上，直接 logits 耗时 1.023 秒，而 JSON 生成耗时 5.332 秒。它没有兼容 Jev 的端点。

20. Rizzo Flow

Rizzo Flow 来自 Rizzo AI Academy，是 Spark-X2.5-4B 上的 LoRA，采用 Apache-2.0 许可。它提供原生 /v1/decisions 和兼容 Jev 的 /v1/systemone。选项上限为 26 个。

在 400 个类型化决策案例上，它得分为 0.648，而基础模型为 0.574。Jev 的数据卡数字为 0.727。它默认未校准。

唯一的多模型第三方评测显示了什么？

Respan 使用其 Span-01 评判器对 11 个模型进行了评分。除准确率外，每一列都是越低越好。

来源：Respan，2026 年 10 月 16 日。Tev1 在抗注入和校准方面胜过 Jev。Jev 在准确率和一致性上领先。

Jev 替代方案对比表

该选哪个 Jev 替代品？

• 需要图像：Clef、pplx-decider、Standard One 或 DiffusionGemma OpenJev。
• 需要直接替换 Jev：Clef、Kev、Decider、meraGPT 或 Laya 提供 /v1/systemone。
• 需要 CPU 或边缘设备：Von、Laya、GLiNER2.5-Decide 或 Liquid 的 d1-omni-600M。
• 需要自行训练：Strands Decider 和 Together 的 Tev1 公开了完整配方。
• 需要最便宜的托管调用：Perplexity 的 flash-v1.2，每 100 万输入 token 收费 0.01 美元。

无论选哪个，先在你自己的标注数据上测试。决策模型可能返回一个有效但依然错误的答案。

关键要点

• Jev 发布后约 4 周内，已有 20 个 Jev 替代品问世。
• Clef、pplx-decider 和 Standard One 增加了 Jev 所缺的图像输入。
• Perplexity 的 flash-v1.2 以每 100 万输入 token 0.01 美元的价格低于 Jev。
• 在 Respan 的测试中，Jev 仍以 0.932 的准确率领先。
• 几乎所有分数都由厂商自行运行，因此请在你自己的数据上做基准测试。

文章 20 个 Jev 替代品：2026 年挑战 TypeSafe 的决策模型 首发于 MarkTechPost。

来源：MarkTechPost · marktechpost.com