AI 编程实时动态与要闻

Kakao 于 2026-11-06 在 Hugging Face 开源 Kanana-2-v-decide-3b-2611（约 3.67B），基于 Kanana-2-v-3b：不生成自然语言，只返回 choice / noul / score 及概率。厂商口径：Kanana Decision Bench 72.50；Decision Index+Vision 均值 61.23；H200 单卡平均 <0.04 秒，称较 GPT-6 Luna 约快 43 倍。Kanana Open License 可商用。

查看大图

印度 AI 公司 Sarvam 于 11 月 3 日发布 Sarvam Prism，一款面向企业工作流的「System One」决策模型：给定上下文和若干带固定选项的问题，它在一次前向计算里直接返回每个选项的概率，不生成文本。官方称在其测试的 25 个决策模型中，Prism 三项指数平均 71.8 分、在单张 B200 上中位响应 44 毫秒，是 100 毫秒内得分最高的模型；印度语言基准 82.5。权重以 Apache 2.0 发布在 Hugging Face，同时提供托管 API。以上分数均为 Sarvam 自测。

查看大图

10 月 21 日，Baseten 旗下研究团队 Base Labs 发布开源决策模型 mammoth-1（27B）与 elephant-1（9B），基于 Qwen3.5 全量微调，不生成文本，一次前向传播即返回每个选项的概率，适合分流、分类、打分和路由。官方口径下 mammoth-1 以 71.24 分登顶 Jev Decision Index 0.4，elephant-1 在 Artificial Analysis Decision Index 上并列第一。权重已上 Hugging Face，Baseten API 免费开放至 10 月 27 日。

查看大图

Perplexity 开发者团队（@perplexitydevs）联合 OpenRouter 与 Vercel AI Gateway 正式上线新一代开源权重多模态决策模型 pplx-decider-v1.2（27B）与轻量级 pplx-decider-flash-v1.2（4B）。该系列模型支持同时输入文本与图像，直接返回带校准概率分布的类型化决策结果（Typed Answers with Probabilities），其中 27B 版本输入定价低至 $0.02/百万 Token，4B Flash 版速度更快且成本再砍半，成为智能体路由与工具选择的极速基础设施。

查看大图

Liquid AI 于 10 月 15 日发布多模态决策模型 d1-ultra，输入文本和图像，一次前向传播直接返回是非、单选、打分三类问题的概率，不生成任何 token，只按输入计费。Artificial Analysis 独立评测中它以 65 分登顶 Decision Index v1.0，领先至少 8 分，非幻觉率 85%；已上线 Liquid API、Vercel AI Gateway 与 OpenRouter。

查看大图

现有智能体运行框架（Harness）在每一步都调用昂贵的大模型，但大多数步骤本质上只是‘下一步调用哪个工具’的多项选择决策。UIUC、耶鲁与普林斯顿团队推出 JevAgentHarness 与开源模型 AgentDecision-4B，通过在智能体自身纠错轨迹上训练 4B 决策模型并拟合逐项置信度阈值，实现与大模型动态共享控制权。实测使智能体运行成本降低 81.1%–89.0%，速度提升最高达 2.5 倍，分布外任务解决率达 91.5%。

查看大图

Subquadratic 于 10 月 12 日发布 SubQ Snap（公测 ID subq-snap-preview）：不生成文本、只对预定义答案打概率的「决策模型」，基于次二次稀疏注意力 SSA，单次可读 384K 文本+图像，100K token 约 1 秒出结果；官方称 Decision Index 0.2.1 得 61.7（Jev 57.9），输入 $0.05/百万 token、输出免费。

查看大图

vLLM Semantic Router（vllm-sr）团队于 10 月 11 日在 Hugging Face 以 Apache-2.0 开源 Decision 3.0 系列（d3、d3-flash、d3-mini、d3-nano、d3-lite、d3-edge），基于 Qwen3.5/3.8，支持文本、图片和视频输入，一次调用直接输出选择题、是/否、打分三类问题的概率而不生成文本。官方口径：27B 旗舰 d3 在 Jev Decision Index 0.3.1 得 64.7，领先 Perplexity Decider v1.1（62.8）和上一代 Decision 2.0（55.9）；单张 MI325X 上文本请求中位延迟 55ms。vLLM 官方账号转发祝贺。

查看大图

独立开发者 Nandakishor M 以 Apache 2.0 开源 Vega（pip 包 vegaml）：冻结的 Qwen3.5-0.8B（另有 4B）只负责读取，57 MB 的可训练引擎把答案建模成势能“山谷”，小球带摩擦滚落后停在哪个谷就是答案，并给出校准概率、保形答案集与弃答标记。支持 73,728 token 上下文与图像输入。作者自测在钓鱼邮件识别等任务上胜过托管的 Jev 1.13.0，但也承认在重排与多步推理上落后。

查看大图

TypeSafe AI 10 月 9 日宣布完成 8.7 亿美元 A 轮融资、投后估值 75 亿美元，由 a16z 领投，Sequoia 与老股东 DCVC 跟投，Martin Casado 加入董事会。其“System One”决策模型 Jev 于 9 月 15 日发布，不输出文本而输出校准概率/类型化决策。公司称三分之一财富 500 强在用，a16z 博文则写 25%，两者口径不一。

查看大图

Liquid AI 发布两款开源权重多模态决策模型 d1-3B（文本+图像）与实验性 d1-omni-600M（文本+图像/音频）。它们不生成 token，单次前向直接输出概率化答案；d1-3B 在 Decision Index v0.2.1 公开集拿到 48.57，10B 以下第一、比肩 12 倍体量的 Decider 35B-A3B，RTX 4090 单问 8ms、Jetson Orin Nano 50ms，首日支持 llama.cpp，适合 Agent 护栏、重排序与视觉质检。

查看大图

ggml-org 于 2026-10-02 宣布 llama.cpp server 合并 PR #29818，新增 /v1/systemone：对状态（文本/JSON/截图）与 typed 问题做单次前向打分，兼容 TypeSafe Jev / System One 客户端。首批模型：Julia-1（144M）、Laya（421M）、Kev-4B、lev、OpenJev（27B+视觉）。Cloudflare Clef 列为后续。

查看大图

@Cloudflare（2026-10-01，#BirthdayWeek）官宣首批自研决策模型 Clef（27B）与 Clef-flash（9B）：Workers AI 托管、Apache 2.0 开源、Jev System One API 兼容；官博公布相对 Jev 中位延迟约 2.5× / 13×，威胁情报同流程 2.2s vs 4.7s。

查看大图