Jev 之后，中国团队开始深挖 AI 的“直觉层”

9 月 15 日，由前 OpenAI 研究员 Diogo Almeida 创立的 TypeSafe AI 推出了 Jev。这款模型不生成任何文字，仅执行判断任务。

两周后，整个行业都在跟进同一方向。OpenAI 在开发者日发布了 Decisions API，Cloudflare 于 10 月 1 日开源了 Clef，亚马逊也推出了 Strands Decider。

国内也没有停滞，上海人工智能实验室开源了多模态决策模型 Intern-Decision。

9 月 30 日，一家成立不到五个月的上海公司 StartLux（原点星辉）发布了开源的 StartLux-Decision，并声称在公开评测中超越了 Jev。

一个新品类在两周内从“首发”演变为“混战”，这种速度在大模型领域同样罕见。

而 StartLux 背后的领导者，是盛大网络联合创始人陈大年。

被 Jev 点燃的“直觉”

要理解这波热潮，首先需要厘清决策模型的具体作用。

TypeSafe 将 Jev 称为“System One 模型”，这一命名源自卡尼曼的《思考，快与慢》。系统一代表人类快速、直觉的思维模式，系统二则负责缓慢思考。过去两年，大模型几乎都聚焦于系统二的提升，追求更长的推理链和更深的思考。

然而，当 Agent 实际运行时，情况有所不同。一个 Agent 任务中，频繁发生的并非深度推理，而是大量琐碎的判断：这张工单应分配给哪个团队，这条指令能否执行，页面上下一步该点击哪个按钮，任务是否已完成。

过去，这些判断要么依赖大模型“顺带”处理，生成一段文字后再解析；要么通过写死规则来应对，但无法覆盖长尾场景。前者既慢又昂贵，后者缺乏灵活性。

Jev 的做法是仅回答带有预设选项的问题，如单选、打分或是否题，直接返回带概率的结构化结果。其定价为每百万输入 token 0.042 美元，输出免费。

可以说，Jev 将“判断”从“生成”中分离出来，打造成了一种廉价、高频的基础设施。

市场反应迅速。Vercel 披露，Jev 上线 24 小时内，其 AI Gateway 上 13% 的付费用户已使用该模型，这是此前任何模型发布时的两倍。TypeSafe 以经济学家杰文斯的名字命名模型，暗指那条著名的悖论：某样东西越便宜，需求反而越大。

不过，Jev 存在一个明显短板。它是闭源托管模型，未公开权重，也无法本地部署，只能通过 TypeSafe 自身的 API 调用。

这个短板恰好成为了后来者的突破口。

中国团队迅速跟进

国内团队也在快速跟进类似 Jev 的模型。

上海人工智能实验室的 Intern-Decision 开源了 0.8B、2B 和 4B 三个版本，专注于多模态能力，能够理解图像和界面后再做决策。团队提供的数据显示，其推理速度比 Jev 快 2 到 3 倍。

像 StartLux 这样的创业公司，则一口气推出了 0.8B 到 27B 五个规格，并配备了量化文件，直接瞄准本地部署。

StartLux 模型分数超过 Jev｜图片来源：Github

根据 StartLux 公布的数据，27B 版本在 Decision Index 0.2.1 的 38 项测试中，有 31 项高于 Jev 1.13，综合得分为 63.88 对 57.91。团队还展示了一组国际象棋对弈，36 局中赢了 35 局。

这些数字需要放在适当背景下看待。它们是团队基于公开工具、参照 9 月 28 日榜单快照进行的自测。更重要的是，“第一”在这个赛道的保质期极短。StartLux 发布次日，Cloudflare 就声称自家 Clef 在同一榜单上领先。至于下棋，这并非决策模型的主要应用场景，更像一个吸引注意力的演示。

比起谁暂时领先，更值得关注的是，中国团队几乎一致选择了开源和本地化。

这并非偶然。Jev 闭源且仅能通过云端调用，对数据敏感或对跨境调用有顾虑的国内开发者而言，这本身就是一道障碍。开源权重并能在本地运行，正好填补了 Jev 留下的空白。

还有一个细节值得注意。Cloudflare 的 Clef 基于 Qwen 后训练，亚马逊的 Strands Decider 也以 Qwen 为底座，APUS 的方案同样跑在 Qwen 上。这一轮决策模型热潮中，中国开源基座已成为全球玩家共同使用的“骨架”。

为什么押注“本地”

回到 StartLux 本身。

这家公司今年刚刚成立，CEO 是陈大年，CTO 是郭权玮博士。陈大年的履历对中国互联网从业者来说并不陌生：1998 年编写了上网计费软件 ENCounter，次年与陈天桥共同创办盛大，后来又推出了 WiFi 万能钥匙。

StartLux 的自我定位是“主打本地模型”，让模型能力和数据保留在用户自己的设备上。上一次引起关注，是以 Qwen3.6-27B 为基座后训练的 StartLux-27B，在中国信通院的 MCP 专项测试中得分为 39.25，超过了 284B 参数的 DeepSeek-V4-Flash。需要说明的是，这是一项聚焦工具调用的专项测试，不代表通用能力的全面领先。

在 StartLux 的规划中，“本地 AI”并非一个可下载到电脑的小模型，而是一套完整的个人 AI 系统。27B 模型负责通用能力，决策模型处理高频判断，上层是 Agent 和记忆，底层是量化与推理系统。

从这张图来看，决策模型对本地场景的意义比云端更大。云端算力可以无限堆叠，但个人电脑的显存、内存和功耗有硬性上限。如果每个小判断都要调用 27B 模型，本地 Agent 根本无法运行。根据 StartLux 公布的数据，4B 版本在量化到 Q4 后约 2.71GB，与原始权重的决策一致率仍达 98.3%。

对于一家押注本地的公司来说，决策模型并非追逐热点的品类，而是本地系统能否顺畅运行的关键部件。

这也是 Jev 对 StartLux 的真正意义。准确地说，Jev 并未为 StartLux 指明方向。从时间线看，StartLux 的决策模型立项明显晚于 Jev。Jev 证明的是另一件事：“将智能拆分为不同层级、各司其职”这条路，已获得市场的真金白银投票，而这正是 StartLux 一直在倡导的本地架构逻辑。

那个“3 天”的数字也值得一提。StartLux 将其归功于自身的 Auto Research 体系，让 AI 参与数据构造、训练、评测和失败分析。这套方法是否能在不同模型品类之间反复复用，比任何榜单都更能说明这家公司的成色。

判断层会不会变成“白菜价”

不过，决策模型的护城河有多深，现在下结论还为时过早。

Jev 号称在隐身状态下研究了两年，OpenAI 用两周基于自家小模型做出了 Decisions API，StartLux 用了 3 天，Cloudflare 和亚马逊也都在半个月内跟进。Jev 发布时就有分析人士预判，大厂会很快推出自己的决策模型，Jev 最终要与“前沿版本的自己”打价格战。

一个两周就能被复制的品类，本身很难形成壁垒。

对 StartLux 来说，真正的考验也不在决策模型这一层。郭权玮自己也承认，长任务稳定性、异常恢复、上下文管理和整体体验，比单纯将模型跑起来要困难得多。

按计划，StartLux 首个面向公众的本地智能体验版本有望在今年内推出。

从按时计费的上网工具到 WiFi 万能钥匙，陈大年过去打造的不少产品，都是高频、底层、依赖规模取胜的生意。决策模型同样是一件高频、底层的事情。

问题在于，当“判断”便宜到人人都能实现时，价值最终会落在模型本身，还是落在那些将这些模型组装成产品的人手中？

本文来自微信公众号 “极客公园”（ID：geekpark），作者：桦林舞王，36氪经授权发布。