ice 9月中旬，初创公司TypeSafeAI发布了一个名为Jev的模型。它不写文章，也不聊天，甚至不输出完整句子，只做一件事：把输入归入预设选项，返回一个是或否、一个评分、一个概率。上线数周，用户突破百万，财富500强中约三分之一的企业开始使用；24天内，其估值从约2亿美元升至75亿美元。
Jev带火了一个新品类——决策模型。OpenAI在两周内跟进Decisions API，AWS、微软、Cloudflare相继入场，不到一个月市面上出现十余款同类产品。这背后是评价标准的变化：模型的价值不再只看生成内容的质量，也看决策是否准确、响应是否够快、执行成本是否可控。
从输出形式看，Jev给出的是类型化的值，应用程序拿到即可使用，无需再做解析。代价是“不会说话”，收益是端到端延迟压缩至70到500毫秒，比同类大语言模型快20到200倍。微软的演示中，同一个分类路由请求，决策模型182毫秒返回，大模型用了6.4秒。OmAI联汇CEO兼首席科学家赵天成认为，决策模型并非取代大模型，而是形成分工：通用模型继续处理复杂推理与内容生成，决策模型承担答案空间有限、调用量大、要求快速稳定的判断节点。他还提到，不同决策的难度差异很大，但大语言模型推理时的成本开销是一样的。
企业端采用速度快，与场景本身有关。工单路由、风险分级、流程审批、库存判断、Agent动作选择，这些任务表面套着生成式的外壳，真正需要的却是决策。赵天成表示，OmAI联汇过去五年做的事本质上就是决策模型所做的事，只是此前没有一个大名字把它们归纳起来。
当判断从数字流程走向机器人和无人机等物理设备，仅靠快和低成本还不够。数字工作流主要依据已有信息作出判断，物理世界则要求模型持续感知动态环境，结合任务目标、空间状态与执行反馈实时调整，决策也从一次性输出变成贯穿感知、理解与行动的过程。
