TypeSafe在2026年9月15日推出Jev，它属于决策模型而非对话大模型：预先定义可选答案集合，模型直接输出标签、分数或者二分类概率，不生成文本。上线大约4周，市场就已经诞生至少20款同类替代品，参与者包括Cloudflare、OpenAI、Perplexity、Liquid AI、AWS Strands Labs以及独立开发者。这批模型在参数量、开源协议、硬件门槛、定价、Jev API兼容性、评测基准上差异明显。
Jev本身存在几个明显短板：无法自托管、参数量未对外披露、不支持微调，这也是这批替代品重点补齐的方向。Jev托管定价为每百万输入token 0.042美元，输出免费，单请求上下文上限64k token；Respan第三方评测中Jev准确率0.932，在所有参测模型里保持领先。
需要注意，绝大多数模型性能指标都是厂商自测，不同评测集（JevBench、Decision Index、typed-decisions）之间分数不能直接横向对比，仅Respan提供了独立多模型对比数据。
托管决策API（线上调用，无需本地部署）
- Cloudflare Clef / Clef-flash
Clef基于Qwen3.8-27B，附带视觉编码器；Clef-flash为9B版本。Apache-2.0开源权重，托管于Workers AI，支持文本、JSON、单请求最多4张图片，API完全兼容Jev。Clef每百万输入token $0.24，轻量版Clef-flash仅$0.038。Cloudflare自测BANKING77任务F1可达94.20，优于Jev的79.74；但GPQA Diamond任务Jev更强。
Cloudflare 发布 Clef / Clef-flash 开放权重决策模型：输出类型化概率，兼容Jev System One API | SD百科导航
- Liquid AI d1系列
包含托管版d1、d1-ultra，以及两款开源权重模型。d1-3B基于LFM2.5-VL-3B，d1-omni-600M支持最长30秒音频输入，开源权重采用LFM Open License。可以复用TypeSafe SDK，仅修改接口地址。厂商数据显示d1-3B在RTX 4090上推理延迟低至8ms。
Liquid AI 开源 Open d1 决策模型：零输出Token，d1-3B与d1-omni-600M面向实时多模态判定 | SD百科导航
- OpenAI Decisions API
10月6日开启公测，底层基于gpt-6-luna，支持文本+Base64图像输入，支持谓词判断、多选、打分三类问题。定价每百万输入token $0.10，输出不计费，API规范为OpenAI自研，不兼容Jev接口，官方宣称推理速度比Responses API快约10倍，暂无公开基准数据。
决策模型赛道集中爆发！OpenAI Decisions API进入公测，新增图像输入；多家厂商推出开源权重决策模型 | SD百科导航
- Perplexity pplx-decider
pplx-decider-v1-27B基于Qwen3.8-27B微调，Apache-2.0许可，支持文本、JSON、单请求最多8张图片，单请求最多支持128个问题、255个候选选项。27B版本$0.02/百万输入token，4B flash版本低至$0.01。厂商自测任务集得分85.71%，小幅超越Jev的84.51%，但BBH任务Jev性能更强。
- 开源版：https://huggingface.co/perplexity-ai/pplx-decider-v1-27b
- meraGPT Decider 1
闭源纯文本托管模型，最多支持10个选项、4096 token上下文，暴露/v1/systemone端点，可直接使用TypeSafe SDK。定价$0.04/百万输入token。在typed-decisions测试集得分0.768，高于Jev的0.727；但ECE校准误差0.180，差于Jev的0.144。
- API：https://meragpt.com/models/decider-1
- Respan Span-01
偏向行为评分模型，并非通用决策模型，输出present/absent/not_observable概率，定价$0.02/百万token，Span-01 Lite免费。厂商自测F1为0.843。
- API：https://openrouter.ai/respan/span-01
- Standard Thinking Standard One
分为3B、8B两个版本，支持托管与自托管，8B版本基于Ministral-3-8B LoRA，Apache-2.0，支持图文输入，上下文32768 token，兼容/v1/systemone。托管定价3B：$0.018/百万token，8B：$0.035。JevBench困难集得分54.95%，低于Jev，但现实场景迁移性能更好。
- API：https://standardthinking.ai/standard-one
开放权重模型（支持本地自托管）
- Together AI Tev1-4B-experimental
基于Qwen3.5-4B的LoRA，权重许可待最终确认，支持2~24个选项。Respan第三方评测准确率0.901，ECE仅0.031，是参测模型里校准效果最好的，但logprobs置信度不可靠。
- 模型：https://huggingface.co/togethercomputer/Tev1-4B-experimental
- Fastino GLiNER2.5-Decide
287M~1B参数编码器（287M多语言版），Apache2.0，一次前向推理同时支持决策、实体抽取、关系识别，CPU可运行，不兼容Jev API。
- 模型：https://huggingface.co/fastino/GLiNER2.5-Decide
- AWS Strands Labs Strands Decider 2B
基于Qwen3.5-2B-Base，Apache-2.0，开放训练数据集与完整训练配方，单张RTX3090约11小时完成训练，原生支持/v1/systemone本地端点，JevBench得分77.9%。
AWS推出Strands Decider 2B：本地可部署决策模型，基于Qwen3.5-2B，给AI智能体做行动前置校验 | SD百科导航
- Kev（Jared Palmer）
0.8B/4B/9B/27B多尺寸，Qwen3.5/Qwen3.8基座，Apache2.0，4B版本可在24G显卡或32G Apple Silicon Mac本地运行，原生兼容TypeSafe SDK。Respan评测准确率0.833，缺点是选项顺序会影响输出结果。
- Mapika Decider
0.8B~35B-A3B，部分变体支持图像输入，Apache2.0，32k上下文，兼容/v1/systemone。4B量化GGUF仅2.7GB，可在CPU运行；12B版本在JevBench困难集与Jev打平。
- 模型：https://huggingface.co/Mapika/decider-12b
- Bespoke Labs Bespoke-Nimble-9B
Qwen3.5-9B上的轻量LoRA，Apache2.0，仅英文文本，上限255个选项、8192上下文。H100推理延迟约106ms。
- 模型：https://huggingface.co/bespokelabs/Bespoke-Nimble-9B
- Convai Innovations Laya
基于ModernBERT编码器（322M多语言/421M英文），Apache2.0纯文本，提供Jev风格/v1/systemone服务，T4显卡p50延迟仅32.8ms。Respan实测准确率偏低。
- 模型：https://huggingface.co/convaiinnovations/laya
- Von（wfzyx）
395M ModernBERT-large编码器，Apache2.0，8192上下文，CPU推理速度快。Respan测试准确率0.422，是榜单内最低，模型校准仅针对JevBench调优，域外场景容易出错。
- 模型：https://huggingface.co/wfzyx/von
- Open-Jev-9B（Zefan Cai）
2B/9B/27B适配器，适配16GB显卡，请求结构兼容/v1/systemone。27B版本JevBench得分85.28%，弱项在数字与时序任务。
- 模型：https://huggingface.co/ZefanCai/Open-Jev-9B
- OpenJev（razorback16）
基于DiffusionGemma 26B-A4B，支持图文，API完全兼容Jev，有免费托管额度。自托管最低需要24GB NVIDIA显卡。
- GitHub：https://github.com/razorback16/openjev
- InnerJev
复旦、同济、伦敦国王学院联合发布，将LLM推理蒸馏为单次决策，配套评测集JEVal。InnerJev-27B在JEVal上得分79.24%，略高于Jev，ECE校准误差显著优于Jev；代码开源，许可证未明确。
- GitHub：https://github.com/amazingljy1206/InnerJev
- SemIf
默认基座Qwen3.5-4B，MIT协议，提供WebGPU浏览器可运行量化版本，不支持Jev兼容端点。
- GitHub：https://github.com/TheoLeeCJ/SemIf
- Rizzo Flow
Spark-X2.5-4B的LoRA，Apache2.0，同时提供原生/v1/decisions以及Jev兼容/v1/systemone，最多26个选项，模型默认未做概率校准。
- GitHub：https://github.com/Rizzo-AI-Academy/rizzo-flow
选型快速指引
- 需要图像输入：Clef、pplx-decider、Standard One、DiffusionGemma OpenJev
- 需要直接替换Jev、复用原有SDK：Clef、Kev、meraGPT Decider 1、Laya、Rizzo Flow
- CPU/边缘低算力设备：Von、Laya、GLiNER2.5-Decide、d1-omni-600M
- 想自己训练微调：Strands Decider、Tev1
- 追求最低托管调用成本：Perplexity pplx-decider flash-v1.2，$0.01/百万输入token
无论你选择什么，首先在你自己的标记数据上测试它。决策模型可以返回一个有效但仍然错误的答案。（来源）
Jev 替代品比较表
© 版权声明
文章版权归作者所有，未经允许请勿转载。
