新闻与动态

新版权重为 0.2×public + 0.5×same_skills + 0.3×new_domains。Perplexity Decider v1.1 (27B) 以 62.8 分第一，Fastino GLiDE 60.2 第二，Jev 1.13 60.1 第三。同版还发布了 Vision 子榜，JEV-27B-VL 以 69.8 分领先。

上海 AI Lab 系的开源多模态决策模型，每字段一个 <decision> token，单张 RTX 4090 约 33 ms/query，训练代码一并开源。

Clef 27B（Qwen3.8-27B 底座）、Clef-flash 9B（Qwen3.5-9B），Apache-2.0，带视觉编码器、64K 上下文，一轮前向并行给所有选项打分。训练用 label-smoothed CE + Brier loss 做校准，再加 RLCD。这是第一个既有开源权重、又有官方微调服务的决策模型。

端点 POST /v1/decisions，只有 gpt-6-luna 一个模型，支持 text + image 输入，三种问法 predicate / choice / score。输入 $0.10/百万 token，输出免费。支持 ZDR 与 HIPAA，区域限美国与欧洲。

端点 POST /v1/decisions，模型 pplx-decider-v1.1-27b，支持图像（base64），$0.02/百万输入 token，输出免费——是所有决策端点里最便宜的。其 v1 权重已按 Apache-2.0 开源。

由 bekko 作者 hotchpotch 构建，专注 Noul / Choice / Score 三类决策，覆盖 14,009 个 case、26,269 个 judgment，并另设 6 个合成泛化基准。评测代码、数据集与 adapter 协议全部开源。

基于 Ettin-reranker（ModernBERT）的极小决策模型，17M 版 ONNX+INT8 仅约 29 MB，在 RTX 5090 上跑完 26,269 个判断只要 13 秒。400M 版在 S1MB 上超过不少 10B+ 模型。训练代码、153 个训练子集与超参全部开源。

d1 在 Decision Index 0.2.1 上得 58.9，Jev 1.13 得 57.9。三原语兼容，艺术判断、语言理解、检索分类三项领先，工具调用略低，知识推理落后 8 分。

Qwen3.5-4B 上的 LoRA SFT（rank 8、1 epoch、lr 5e-5），37,840 train / 4,568 val，官方称约 $17 就能训一个自己的。注意：权重许可证至今未定稿。

第三方维护的决策模型排行榜，house rules 禁止调 prompt、截断与丢弃选项，未答/出错一律计 0 分再做机会校正。这是该品类第一个可比的横向评测。

社区把决策模型搬上 Apple Silicon 与边缘设备，M3 Max 上短决策 5–14 ms。「不生成文本」这一设计使得推理可以极度轻量。

两个最重要的开源决策模型家族。Laya 用 ModernBERT-large，主打端侧与毫秒级；Kev 覆盖 0.5B–27B，文档最完整的微调路径（0.8B 仅需 4 GB 显存）。

Jev 发布后 24 小时内，Hugging Face 上出现第一批开源复刻与类型化决策数据集。至今已累计 101 个原创 checkpoint / 67 个模型家族。

首个「返回类型化概率、不生成文本」的决策模型。三原语 Choice / Noul / Score 由此成为事实标准，输入价 $0.042/百万 token，输出免费，官方称延迟 70–500 ms。