专用决策模型的兴起：它如何改变 Agent 的计算分工

10月14日，TypeSafe发布Jev 1.14，并开放图片、长上下文和空间定位等实验功能。次日，两项外部研究分别检验了Jev参与多Agent协作和连续工具调用的效果。自9月15日首发以来，Jev的公开进展同时涉及判断接口、业务应用和Agent控制实验。微软与AWS随后发布同类模型，说明这一方向获得了更多产业参与，但它能接管多少计算，仍要由完整任务的结果回答。

现有证据支持的变化比“用便宜模型替换昂贵模型”更具体：Agent可以按每一步需要产出什么来分配计算。 选择工具、给产物评分可以尝试交给专用模型；生成计划、撰写内容和解释怎样修复错误，仍需要生成式能力。Jev的演进及两篇论文说明，这种分工已能在部分流程中节省调用，也会因丢失上下文或错误委托而失败。Jev更新、Jev-LiteMAS、JevAgentHarness

Jev把“读懂状态后做选择”做成独立接口

Jev最初明确了一个产品取舍：保留对自然语言状态的理解，限定软件能够收到的答案。

TypeSafe在9月15日将它作为System One Models系列的一款公开模型推出。这个名称借用了快思考的概念，指面向程序的快速判断模型。厂商同时介绍了面向校准决策的强化学习方法RLCD，目标包含让模型表达与实际能力相称的不确定性。首发说明

一个普通工单足以说明它怎样工作。程序提供投诉文本、既往处理记录和可选团队，再分别问“交给哪个团队”“是否紧急”“情绪处于哪一级”。Jev返回选择、是非概率或等级分数，程序据此分流。它不需要先写一段分析，再让调用方从文字里提取结论。三类输出可以组合使用，但每个问题都应指向一个明确判断。问题类型文档

这与让通用模型输出JSON有相近的使用目的，区别在于模型服务怎样完成判断。

• JSON约束规定答案的格式，通用模型仍可以通过文本生成交付结果；
• TypeSafe称Jev采用并行输出，专门服务固定类型的判断。

Jev也不同于只适配固定标签的分类器：调用方可以用自然语言说明问题和候选项，而不必为每一种新标签重新训练一个分类器。这提供了接口上的灵活性，不保证所有新任务都能保持质量。System One说明

概率输出使这种接口能够参与程序分支。程序可以接受某些判断，把不确定项交给另一模型或人工。需要注意，Jev返回的confidence是从选项概率分布计算出的统计量，不是额外获得的一份正确性证明。它与某个选项的概率也不是同一个数；接受阈值要结合任务和误判后果验证。置信度文档

Jev省掉了自由文本，也放弃了在答案中临时提出新方案和详细解释的能力。若程序没有提供合适选项，或者输入缺少关键事实，类型正确的输出仍可能是错误判断。调用方因此必须负责准备状态、定义候选、执行动作和记录反馈。专用模型减少了部分生成计算，系统设计所需的工作仍然存在。

从首发到1.14：业务应用与能力扩展沿两条线推进

Jev在一个多月里的公开演进，需要分清模型更新与应用证据。

前者扩大接口能处理什么，后者检验它在具体流程中有没有收益；两者不能互相替代。

Jack & Jill案例提供了一个具体的采用位置。按TypeSafe在10月7日发布的材料，这家招聘服务在初筛阶段用Jev替换Gemini 3.1 Flash Lite，之后仍用更强模型深度评估。对150个真实职位的离线比较显示，保留被招聘经理选中候选人的比例相近；每千名候选人的模型费由0.755美元降至0.092美元，按职位完成筛选的中位时间由20.3秒降至10.3秒。这里测的是初筛召回及成本，不是招聘结果或整条流程的质量。案例与方法

这个案例支持把调用量大的评分步骤单独优化。它没有证明Jev能够承担最终聘用决定，数据也来自供应商发布。更有价值的结构是：初筛只需排序和保留名单，后续评估需要更丰富的理解，两段调用可以使用不同模型。节省来自替换一个明确环节，不能将单环节收益直接外推到整件任务。

1.14则扩展了另一种边界。TypeSafe称新版最大的预期改进在多语言；同时以实验开关提供图片输入、长上下文和box类型。box返回单个边界框，即图中对象的位置范围。这样，程序除了询问文字内容，也能尝试询问画面中的对象及其位置。图片实验还向既有1.13开放，因而不能把全部新功能都解释为1.14独有能力。1.14发布说明

TypeSafe对这些扩展保留了明确限制。发布说明称实验功能还达不到其生产可靠性标准，多模态表现也弱于纯文本。模型文档则将默认上下文与实验性长上下文分开，并提醒后者更慢、准确性更低。对已经调好阈值的应用，固定版本比追随滚动别名更容易解释行为变化。模型与版本文档

因此，Jev的演进并未取消最初的取舍。它扩大了可观察状态和可返回类型，仍要求任务被表达为边界清楚的问题。视觉输入能省去部分手工转写状态的工作，却不会自动补上开放规划和纠错解释。

两项Agent实验把分工落到了协调、筛查与回退

两篇论文的价值，是把Jev从独立判断接口放进会持续变化的任务环境。

它们检验的重点包括：专用模型需要看到什么信息，以及什么时候应把工作交还生成式模型。

Jev-LiteMAS让Jev根据任务、已有产物和执行反馈选择下一位专家，并先筛查中间产物。通过的继续执行，被标记的交给生成式模型复审；后者既能重新判断，也能提供可执行的修改意见。相对LAS基线，论文在四类基准、两套模型配置中报告，生成式Token减少12.7%—54.6%，准确率差异在1.34个百分点以内。Jev-LiteMAS，10月16日修订版

这项设计保留了有界判断难以替代的两样东西：执行上下文和生成式反馈。选择下一位专家只需返回一个标识，但必须知道前一位专家实际完成了什么。判断产物不合格只需返回一个结果，告诉专家怎样改却需要更丰富的输出。论文消融实验也显示，删掉路由中的实质反馈，会使部分任务准确率明显下降。短输出依然可能需要完整理解，不能据输出长度判断所需信息量。

JevAgentHarness则提供了必要的反证。参测决策模型StartLux-9B的孤立工具选择准确率达到92.2%，接管连续任务后却仅完成69.5%。让Jev包办工具选择的一项配置损失了19个百分点成功率；改为按实际轨迹拟合阈值、只接受部分选择后，一项500任务实验保持了结果，同时降低14.2%成本。JevAgentHarness

这个落差说明，单题表现不足以决定控制权分配。一次错误工具调用会改变后续状态，漏掉一次必要追问也可能使后面的选择全部失去前提。论文进一步用包含偏离计划状态的数据训练专用模型，并报告了跨任务迁移失败。它支持按流程验证委托范围，不能据某个模型的通用分数让它接管全部步骤。

两篇研究共同补充了Jev的产品承诺：节省生成式计算需要保留信息、按需升级，并能在出错后恢复。它们都是近期预印本，已有结果足以说明这种分工值得测试，尚不足以证明它在不同Agent和任务上普遍成立。

微软与AWS的参与证明方向受到关注，采用范围仍由流程决定

微软与AWS的发布说明，专用决策模型已经吸引了拥有Agent产品与工具链的团队。

微软在10月9日推出Microsoft-Decision-1，覆盖路由、分类、验证和流程控制，并接入Foundry及OpenRouter。其当前公告还补入了Jev准确率与校准的比较，表明厂商已围绕同类判断服务建立对照。微软公告

AWS的Strands Labs在10月1日发布Decider 2B，明确提到Jev带来的关注，并开放权重和训练材料，供开发者在本地试验。Strands Agents框架虽有AWS内部生产使用背景，Decider仍应按Labs实验模型评价。框架的采用情况不能充当Decider模型成熟度的证据。Decider首发、Strands框架背景

这些动作支持“更多团队愿意把判断做成独立模型服务”，没有证明大规模生产流程已经完成改造。Jev的业务案例和两篇论文，才分别提供了特定环节的采用实例与连续控制的实验结果。产品发布、业务采用和研究实验各自回答不同问题，不能将它们合计为同一项成熟度证据。

下一步更值得观察的是，每件成功任务究竟减少了多少计算。若专用判断能替代大量重复评分，又只将少量困难项交还大模型，低价接口可能形成系统收益；若上下文反复传输、失败频繁重试，或大部分结果仍需完整重审，单次调用便宜也未必降低总成本。接受比例、升级比例与任务完成率必须一起看。

Jev体现出的一个具体变化，是模型选择可以进入任务内部。一个Agent可以在同一条流程里，将评分、选择、内容生成和错误修复分配给不同能力。它改变的不是所有步骤都需要多少参数，而是哪些步骤必须生成新内容、哪些只需作出受约束的判断。能保留必要信息并处理失败的系统，才有条件将接口优势转化为完整任务的收益。

信息来源

核查截至2026年10月20日。供应商案例与预印本结果已在相应段落限定；本稿未执行模型复测。

• TypeSafe：Introducing System One Models & Jev（9月15日）
• TypeSafe：System One的定位与计算方式
• TypeSafe：问题类型与组合方式
• TypeSafe：概率、置信度与阈值
• TypeSafe：Jack & Jill初筛案例与测试口径（10月7日）
• TypeSafe：Jev 1.14及实验功能（10月14日）
• TypeSafe：当前模型、版本与上下文限制
• Jev-LiteMAS：多Agent工作流中的判断与生成（10月15日提交，16日修订）
• JevAgentHarness：决策模型共享Agent控制权的评测与训练（10月15日）
• Microsoft：Microsoft-Decision-1发布与定位（10月9日）
• Strands：Decider 2B发布与实验定位（10月1日）
• AWS：Strands Agents SDK首发及内部采用背景（2025年5月16日）