Jev 之后，中国团队开始深挖 AI 的「直觉层」

大模型负责想，小模型负责判断，这门新生意中国团队不会缺席。

作者｜桦林舞王

编辑｜靖宇

9 月 15 日，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布了 Jev。这款模型不写一个字，只做判断。

两周之后，整个行业都在做同一件事。OpenAI 在开发者日上推出 Decisions API，Cloudflare 在 10 月 1 日开源了 Clef，亚马逊也放出了 Strands Decider。

国内同样没闲着，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，并宣称在公开评测中超过 Jev。

一个新品类在两周内从「首发」走到「群战」，这种速度在大模型行业也不多见。

而 StartLux 背后的掌舵人，是盛大网络联合创始人陈大年。

01

被 Jev 点燃的「直觉」

要理解这轮热潮，得先说清楚决策模型到底在干什么。

TypeSafe 把 Jev 称为「System One 模型」，名字取自卡尼曼的《思考，快与慢》。系统一是人快速、直觉的那部分思维，系统二负责慢思考。过去两年的大模型，几乎都在往系统二的方向卷，推理链更长，思考更深。

但 Agent 真正跑起来之后，情况不太一样。一个 Agent 任务里，密集发生的往往不是深度推理，而是大量琐碎判断。这张工单该分给哪个团队，这条命令能不能放行，页面上下一步该点哪个按钮，任务到底完成没有。

过去这些判断要么交给大模型「顺便」做，生成一段文字再解析；要么写死成规则，覆盖不了长尾。前者又慢又贵，后者不够聪明。

Jev 的做法是只回答带预设选项的问题，单选、打分或者是非题，直接返回带概率的结构化结果。定价是每百万输入 token 0.042 美元，输出免费。

可以说，Jev 把「判断」从「生成」里剥离出来，做成了一种廉价、高频的基础设施。

市场反应很直接。Vercel 披露，Jev 上线 24 小时内，其 AI Gateway 上 13% 的付费用户就用上了它，是此前任何模型发布的两倍。TypeSafe 用经济学家杰文斯的名字给模型命名，暗指那条著名的悖论，一样东西越便宜，需求反而越大。

不过 Jev 有一个明显的缺口。它是闭源托管模型，没有公开权重，也不能本地部署，只能调用 TypeSafe 自己的 API。

这个缺口，恰好成了后来者的入口。

02

中国团队迅速跟进

国内团队也在迅速跟进类 Jev 模型。

上海人工智能实验室的 Intern-Decision 开源了 0.8B、2B、4B 三档，主打多模态，能看懂图像和界面再做决策，团队给出的数据是推理速度比 Jev 快 2 到 3 倍。

StartLux 这样的创业公司，一口气拿出 0.8B 到 27B 五档规格，配齐量化文件，直接瞄准本地部署。

StartLux 模型分数超过 Jev｜图片来源：Github

按 StartLux 公布的数据，27B 版本在 Decision Index 0.2.1 的 38 项测试里有 31 项高于 Jev 1.13，综合分 63.88 对 57.91。团队还展示了一组国际象棋对弈，36 局赢下 35 局。

StartLux 模型下国际象棋｜来源：Github

这些数字需要放在正确的位置看。它们是团队基于公开工具、对照 9 月 28 日榜单快照完成的自测。更重要的是，「第一」在这个赛道的保质期极短，StartLux 发布第二天，Cloudflare 就宣称自家 Clef 在同一套榜单上领先。至于下棋，本来就不是决策模型的主战场，更像一个吸引眼球的演示。

比起谁暂时排第一，更值得注意的是，中国团队几乎不约而同地选择了开源和本地化。

这并非巧合。Jev 闭源、只能走云端，对数据敏感、对跨境调用有顾虑的国内开发者来说，本身就是一道门槛。开源权重、能在自己机器上跑，正好补上了 Jev 留下的空位。

还有一个细节。Cloudflare 的 Clef 基于 Qwen 后训练，亚马逊的 Strands Decider 也用 Qwen 做底座，APUS 的方案同样跑在 Qwen 上。这一轮决策模型热潮里，中国开源基座已经成了全球玩家共用的「躯干」。

03

为什么押注「本地」

回到 StartLux 本身。

这家公司今年才成立，CEO 是陈大年，CTO 是郭权玮博士。陈大年的履历中国互联网从业者都不陌生，1998 年写出上网计费软件 ENCounter，次年和陈天桥创办盛大，后来又做了 WiFi 万能钥匙。

StartLux 给自己的定位是「主打本地模型」，让模型能力和数据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 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，不代表通用能力全面领先。

在 StartLux 的规划里，「本地 AI」不是一个能下载到电脑上的小模型，而是一整套个人 AI 系统。27B 模型承担通用能力，决策模型负责高频判断，上层是 Agent 和记忆，底层是量化与推理系统。

放进这张图里看，决策模型对本地场景的意义比对云端更大。云端算力可以堆，个人电脑的显存、内存和功耗却有硬上限。如果每个小判断都要动用 27B 模型，本地 Agent 根本跑不动。按 StartLux 公布的数据，4B 版本压到 Q4 量化后约 2.71GB，与原始权重的决策一致率仍有 98.3%。

对一家押注本地的公司来说，决策模型不是追热点的新品类，而是本地系统能否跑得动的关键零件。

这也是 Jev 对 StartLux 真正的意义。准确地说，Jev 并没有替 StartLux 选方向，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，「把智能拆成不同层级、各司其职」这条路，被市场用真金白银投了票，而这恰好是 StartLux 一直在讲的本地架构逻辑。

那个「3 天」的数字也值得一提。StartLux 把它归功于自己的 Auto Research 体系，让 AI 参与数据构造、训练、评测和失败分析。这套方法能否在不同模型品类之间反复复用，比任何一次榜单都更能说明这家公司的成色。

04

判断层会不会变成「白菜价」

不过，决策模型的护城河有多深，现在下结论还太早。

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上。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 最终要和「前沿版本的自己」打价格战。

一个两周就能被复制的品类，本身很难成为壁垒。

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，比单纯把模型跑起来难得多。

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，陈大年过去做过的不少产品，都是高频、底层、靠规模取胜的生意。决策模型同样是一件高频、底层的事。

问题在于，当「判断」便宜到人人都能做，价值最终会落在模型身上，还是落在把这些模型组装成产品的人手里？

*头图来源：TowardsAI

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你觉得 Agent 里的「小判断」，
值得单独用一个模型来做吗？