“决策模型”成 AI 新品类：Jev、Cloudflare Clef、AutoTrust 等纷纷入局，输出结构而非文本

过去一个月，一类被称为”决策模型”（decision models）的模型悄然形成独立品类：它们不生成自由文本，而是返回概率、分类、分数或 predefined 选择。从 Cloudflare 开源的 Clef，到新加坡 AutoTrust AI 的 JEV-27B-VL 视觉决策模型，再到 Perplexity 的 pplx-decider，多个团队几乎同时押注这一方向。

事件背景

通用大模型擅长”说”，但在需要可预测格式的场景（路由、分类、内容审核、agent 动作校验）中，文本输出既慢又易出错。决策模型用”打分 + 选择”替代”逐 token 生成”，把结构化输出变成一等公民，契合对延迟与可靠性敏感的工业流水线。

核心内容

• Cloudflare Clef / Clef-flash：输出概率而非文本，仅计输入费、输出免费，已加入 llama.cpp 的 /v1/systemone 端点；
• AutoTrust AI JEV-27B-VL：视觉决策模型，配合 GEV-26B-Decide 自适应推理模型，在 Hugging Face 与 Jev Decision Index 基准上表现靠前；
• Perplexity pplx-decider-v1-27b：每百万输入 token 仅 0.04 美元、输出免费，是当前最便宜的决策模型之一；
• 落地形态：144M 至 27B 参数模型在 GPU 上 3–43 毫秒响应，适合请求路由、内容审核与 agent 动作校验，且可本地运行。

影响与解读

决策模型的兴起，说明”模型即分类器”正从 workaround 变成产品类别。对开发者，它降低了把 AI 嵌入软件管线的门槛；对厂商，则开辟了与通用对话模型差异化的定价与场景。但其价值取决于校准、鲁棒性与真实分布下的表现，而非榜单排名。

相关动态 / 展望

约束解码（constrained decoding）与 logit 掩码等技术，正让通用语言模型也能产出受限的结构化输出。未来”通用大模型 + 专用决策模型”的混搭，或成为 agent 系统的标准架构。

信息来源：AI Seng Tech Brief（2026-10-11）　Capital & Compute　DEV Community