决策模型

Subquadratic 推出决策模型 SubQ Snap，号称上下文窗口达 Jev 的 12 倍

旧金山初创公司 Subquadratic 发布了一款叫 SubQ Snap 的决策模型，专门从固定答案里挑选项，比如帮 AI 代理决定下一步用哪个工具、该看哪些文件。以往这类决策模型只能装下 3.2 万字的上下文，信息一多就得切块或改用更贵的大模型；Snap 用自家稀疏注意力架构把窗口临时扩到 38.4 万字，能一口气看完整个代码库和日志。公司内部测试显示，它在长文本检索和多文档推理等多项对比中超过先行者 Jev，但目前只是公开预览，算力受限暂不能开放百万级窗口，所有成绩也都未经外部复核。

claude-code-boss-mode：为 Claude Code 添加决策审查层，从业务、交付与产品视角评估计划与代码

subashraja069-cmd/claude-code-boss-mode · Control Claude Code with a boss layer that checks ROI, scope, and cuts before work starts

该项目在 Claude Code 之上叠加一层“老板模式”决策过滤，通过 CEO（业务影响与成本）、EM（交付与技术风险）、PM（范围与用户价值）三种视角，对任务、计划和 Pull Request 做前置审查。提供 /boss、/boss-pr、/boss-plan、/boss-roast 等命令式流程，用于评审计划、削减范围、判断任务是否过大、发现产品风险并给出直接反馈。主要面向使用 Claude Code 的 Windows 用户，包括个人开发者和产品、工程、交付角色。

如何用 Managed Deep Agents 打造出色的开箱即用用户体验

Managed Deep Agents 在 v0.9 版本里新增了一个“表情回应”（reactions）API，用来给 Slack 频道里的智能体自动添加 emoji 反应。以前用户发出任务后，常常不知道智能体有没有收到、进行到哪一步，界面显得很“沉默”。这次的做法是：让开发者写一段简单规则或用一个决策模型，根据消息内容动态挑一个 emoji，比如看到“broken”就回一个虫子图标，表示已识别为故障。这样用户在等待较长的智能体任务时能得到即时反馈，更容易信任和看懂智能体在做什么。目前提到的是 v0.9 版本中的新能力，具体可用范围原文没有完整说明。

Cloudflare 开源面向 AI 智能体的决策模型

Cloudflare 在“生日周”活动上发布了 Clef，这是一组开放的 AI 模型，专门用来在几个预设选项中做选择，而不是像聊天机器人那样生成大段文字。以前让 AI 做决策，常常要写很多复杂的提示词，还容易出错。Clef 把决策变成“选择题”，并配套了一个平台，可以针对具体决策任务进行调整。这次发布了 90 亿和 270 亿参数两个版本。对开发者来说，以后做自动化选择时可能更简单、更可控，但具体怎么用、效果如何，材料里没说。

决策模型遍地开花，OpenAI 的现已公开

OpenAI 本周把 Decisions API 开放公测，给它加上看图片的能力，让程序能根据画面快速做判断。以前要做这类判断往往得调用更慢的推理模型，现在它直接把文字或图片变成三类结果：概率、选项和打分。它按每百万输入 token 收 0.10 美元，输出不另收费，跑在 GPT-6 Luna 上。同一时间 Perplexity、Cloudflare、亚马逊也发布了能自己下载运行的决策模型，但 OpenAI 仍只能通过它的托管接口使用。

JevBench：面向 Jev 类类型化决策模型的基准评测

fstandhartinger/jevbench · JevBench v1 - a benchmark for Jev-class typed decision models: smart, cheap, fast, reliable, open.

JevBench 是 Benchmark Heaven 自研的基准测试，用于评测 Jev 类决策模型：给模型一段状态和一个有界评分规则，要求它返回结构化选项答案并尽量给出每个选项的概率，不需要散文式输出或解析。评分由 Intelligence（机会校正后的准确率）、Calibration、Speed、Cost 四个等权轴合成 JevBench Score，并按版本迭代维护公开排行榜。仓库提供冻结的评分方法文档、聚合结果 JSON、部分公开数据集与各系统适配器代码，并区分公开题与私有留存题。

Kev：可自行训练与部署的轻量决策模型家族

jaredpalmer/kev · Jev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own

Kev 是一组基于 Qwen3.5/3.8 构建的小型决策模型（0.8B、4B、9B、27B），用于在同一请求中回答是/否、单选和评分类问题，并输出经校准的概率分布。项目提供预训练权重与本地训练流程，支持在自己的标注数据上微调、在 CUDA/Apple Silicon 上本地推理，并能通过 Modal 一键部署为 HTTPS 端点；其 API 与 TypeSafe System One 兼容，现有 Python SDK 可直接迁移使用。

AWS 推出本地决策模型，对标 TypeSafe 的 Jev

AWS 发布了一个叫 Strands Decider 2B 的小模型，专门用来替 AI 做选择题式的判断：它不写长篇回答，而是从开发者给出的几个选项里挑一个，或者打个分数。原来这类决策模型（比如 TypeSafe 的 Jev）各有方案，AWS 这次基于开放的 Qwen3.5-2B 改造，去掉了生成文字的“嘴”，换成一个只给候选答案打分的小模块，还连带公开了训练数据和脚本。它能在本地跑，例如在 RTX 3090 上决策不到 100 毫秒，M3 MacBook 上小任务中位数约 150 毫秒。对开发者来说，好处是能让 Agent 在调用工具前先检查“该不该做、信息够不够”，并把决定权交给自己；限制是答案被圈死在给定选项里，而且目前还是本地下载版，云端托管版尚未推出。

OpenAI 以基于 Luna 的决策 API 回应 TypeSafe 的 Jev

OpenAI 在年度 DevDay 大会上发布了一个名为 Decisions API 的新接口，用来专门做“从固定选项里挑答案”这类任务。以前开发者用聊天模型加提示词来做，结果慢、置信度也不准；或者自己训练小分类器，但每次改标签都要重新训练。这个 API 基于 OpenAI 最小的 Luna 模型，开发者只要给出问题、候选答案和背景，它就能在约 150 毫秒内返回带置信度的结果，适合内容分类、请求路由或帮智能体选下一步。目前它只在小范围预览，几天后才会大范围开放，每次调用价格、单次能处理多少候选答案、能否用自己的数据微调都还没说。