返回资讯中心
外部精选
软件工程
#开发者实时流

决策模型快速普及:Jev两周覆盖Vercel 35.3%付费团队

来源标题:The state of decision models: adoption, competition, and the integration gap

决策模型在数周内已获得竞品、集成和生产客户,其中Jev上线Vercel AI Gateway两周即覆盖35.3%的付费团队,是该网关历史上采用最快的模型。Jev在9月的请求量超过其他任何模型,但支出占比仅0.15%。这些数据说明使用兴趣高涨,但无法判断有多少团队真正替换了现有生产工作流。

Hacker News 最新nlpnerd2026/11/10 · 7 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

决策模型在短短几周内就有了竞争者、集成方案和生产客户。它们的吸引力很直接:许多应用需要的是一个判断,而生成一段文字来给出判断是昂贵的方式。更难的问题是,当这种判断接管运行中应用的一部分时,会发生什么。

在Vercel AI Gateway上线的前两周,Jev就覆盖了35.3%的付费团队,是该网关历史上采用最快的模型。尽管9月过半才上线,它在9月收到的请求量仍超过其他任何模型。然而它在9月支出中的占比仅为0.15%。这些是Vercel平台特有的数据,支出按标价估算;采用统计窗口与月度支出窗口并不一致。Vercel的10月Production Index 这些数字说明存在相当程度的关注和使用。但它们无法告诉我们,有多少团队替换了现有的生产工作流,或者替换后结果是否改善。

这一区分框定了本次调研的范围。截至2026年11月10日,公开记录中包含开发者可用的产品、组织报告的集成案例,以及针对特定工作负载的测量结果。将这些不同类型的证据分开来看,有助于理解这个新兴市场。

TypeSafe AI于9月15日推出Jev,其接口围绕应用状态和类型化问题来组织。它的三个原语是Choice,用于从给定的备选项中做出选择;Noul,用于估计某个命题是否成立;以及Score,用于对有序评分标准进行评估。TypeSafe描述了一种并行输出机制,返回的是决策和概率,而不是逐token生成自由形式的答案。Jev的发布 对于客服应用来说,这可能意味着提供客户消息和可用队列,然后询问应该将消息路由到哪个队列。输出已经按照软件分支所需的形式组织好了。

分类并不是新事物。这些通用决策接口的吸引力在于,开发者可以在请求时描述不同的任务,而无需为每个任务单独训练分类器。近期的商业化浪潮通过专用模型和API使这种能力变得可用。

“System One”是一个有用的市场标签,但它不是单一架构,也不保证任务简单。一个是或否的问题可能需要大量推理。将答案限制在允许值内可以防止产生无效标签;但它不能防止选错标签。返回概率也不能证明该概率在特定应用的流量上是可靠的。

以下是一张代表性图谱,而非性能排名。它描述的是厂商公布的能力;可比的应⽤级证据则要稀薄得多。

有三个差异比共同标签更重要。

输入可以改变应用。Cloudflare的多模态产品面向媒体类决策,而SubQ Snap针对的是长得多的上下文。无论是宣称的模态支持还是上下文长度,都不能确立在客户证据上的准确性。它们扩大的是值得测试的工作负载范围。

部署方式改变经济账。开放权重使本地或私有部署成为可能,但硬件、利用率和运维仍然要花钱。按请求计费的托管价格和自托管模型规模不是可直接比较的成本度量。

执行机制不同。一些产品强调直接读出;另一些则融入自适应推理。兼容的端点可以减少集成工作,但兼容性是针对那些端点的。它并不能让整张表可以互换,也不能确立等效的行为。

相邻的专用模型进一步拓宽了图景。ScaleDown的LangChain集成通过中间件覆盖上下文压缩、提取和摘要。这些操作可以减少agent内部的工作量,但摘要仍然产生文本。它属于更广泛的专用化叙事,但不应被归入有限选项推理。

以下案例按集成必须做对的工作来分组。每个案例分别说明尝试了什么、发生了什么,以及结果对工程师意味着什么。生产账户、影子对比、演示和研究实验具有不同的证据权重;本文中的这些测量均未经过独立复现。

这是一个精选案例集,不是部署普查。它无法估计行业的迁移成功率。工程经验是我们对引用证据的解读。

证据:供应商发布的客户案例研究;报告的生产部署。 尝试。在一个初步招聘筛选中替换Gemini 3.1 Flash Lite,该环节将约6,000名候选人缩小到2,000名,然后再进行更详细的审查。团队在十天内完成了Jev的部署,随后将其扩展到超过15个工作流。 结果。在150个职位中,对后来被招聘经理选中的候选人的召回率,Gemini为93.9%,Jev为94.6%。差异的90%置信区间为−0.4至+1.8个百分点。报告成本下降88%,每个职位的中位筛选时间从20.3秒降至10.3秒。客户研究 摩擦与经验。重要的失败是丢弃了后续流程会想要的候选人。因此评估要跟踪候选人通过筛选的整个过程。相似的测量召回率支持这一特定替换,但历史招聘经理的选择是一种代理指标,而非招聘质量的度量,也不能证明在所有场景下性能等效。

证据:产品公告;报告已发布的功能,公开评估有限。 尝试。Smart Triggers先应用精确过滤器,如来源、作者和状态,然后使用Jev在启动agent之前评估用户编写的语义条件。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →