typesafe.ai推出了 jev 离散决策模型说人话就是“只做选择题不做问答题”你问一个问题他只判断/选择响应严格的JSON格式给程序使用。官网比喻是一个智能if语句快到就像访问普通API接口一样没有流式响应秒级一次性出结果。价格大约0.3元人民币/百万token只按输入token计费输出不计费(因为就没几个token的输出)。1、 choice/选择/分类问题请求如下curl-XPOST https: //api.typesafe.ai/v1/systemone\-HAuthorization: Bearer$TYPESAFE_API_KEY\-HContent-Type: application/json\-d{ state: { 工单: 我上周买的跑鞋尺码不对太大了一码能换一双 41 码的吗, 客户等级: 普通会员 }, model: jev-latest, questions: { 处理部门: { type: choice, instructions: 这个工单应该由哪个团队处理, criteria: { 退换货: 客户要求换货、退货或退款, 物流: 客户询问配送进度、包裹丢失或地址问题, 账单: 客户对扣款、发票或价格有疑问 } } } }响应看到 该问题 明确补分类至 退换货。{model:jev-1.13.0,answers:{处理部门:{type:choice,choice:退换货,confidence:1.0,probabilities:{账单:0.0,退换货:1.0,物流:0.0}}},usage:{input_tokens:423,output_tokens:46}}2、Score评分/打分问题请求curl-XPOST https: //api.typesafe.ai/v1/systemone\-HAuthorization: Bearer$TYPESAFE_API_KEY\-HContent-Type: application/json\-d{ state: { 平台: 外卖点评, 订单: 麻辣香锅 米饭预计 40 分钟送达, 评论: 味道还行就是等了一个多小时到手已经温了汤还洒了半个袋子包装就一层塑料袋。骑手说出餐慢。 }, model: jev-latest, questions: { 星级: { type: score, instructions: 这条评论整体对应几星, criteria: [ 1星体验极差强烈劝退, 2星明显不满意有实质问题, 3星一般有好有坏, 4星比较满意小瑕疵, 5星非常满意愿意推荐 ] } } }响应看到 0.94分 对应的是 “2星明显不满意有实质问题”。{model:jev-1.13.0,answers:{星级:{type:score,score:1.04,confidence:0.95,legend:{0:1星体验极差强烈劝退,1:2星明显不满意有实质问题,2:3星一般有好有坏,3:4星比较满意小瑕疵,4:5星非常满意愿意推荐},probabilities:{0:0.01,1:0.94,2:0.05,3:0.0,4:0.0}}},usage:{input_tokens:463,output_tokens:18}}Noul是否为真 逻辑判断请求curl-XPOST https://api.typesafe.ai/v1/systemone\-HAuthorization: Bearer$TYPESAFE_API_KEY\-HContent-Type: application/json\-d{ state: { 工单: 客户已联系三次同一问题未解决, 首次联系: 2026-09-14, 渠道: 在线客服 }, model: jev-latest, questions: { 应升级人工: { type: noul, instructions: 这个工单是否应该升级到人工客服处理, criteria: { true: 重复联系且问题仍未解决自动流程已无法推进, false: 首次或偶发联系自动流程仍可处理 } } } }响应看到为真的概率为0.93接近 1 → 是接近 0 → 否接近 0.5 → 不确定。{model:jev-1.13.0,answers:{应升级人工:{type:noul,noul:0.93}},usage:{input_tokens:390,output_tokens:24}}预测一下不用了3个月估计2026年底中国会开源这种 “决策模型” 这将会真正进入企业生产级可用的那种。因为这种模型估计0.6B 8B 参数即可使用CPU都可以运行。 各大厂商改改现有flash模型会推出更聪明、成本比 $0.042 / 百万 Tokens 更低的模型。 如果以后 flash、pro模型加个参数用 “决策模型” 给你判断一下路由至对应 “决策模型” 请不要见怪。 因为决策成本太低了。可应用场景电商用户评论分析发评论时检测、用户评价分析分类至产品问题、物流问题广告/垃圾内容检测如社交评论、邮件内容检测AI 模型路由配置一个auto模型根据问题复杂度自动路由到pro、flash模型。还可用于基于接口的Computer Use、高速Browser Use等等。