TypeSafe发布了 Jev 于2026年9月15日。它是一个决策模型，而不是聊天机器人。你定义允许的答案，Jev返回一个标签、一个分数或是/否概率。在大约4周内，至少有20种Jev替代方案发布。它们来自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs以及独立开发者。本指南从大小、许可证、硬件、定价、Jev API兼容性和已发布的基准测试等方面对每一种进行了比较。
TL;DR
- 大小范围： 从287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider）。Jev的大小未公开。
- 运行环境： 像Von和Laya这样的编码器可在CPU上运行。4B适配器可放入24 GB GPU或32 GB Mac。
- 性能： 大多数开放模型在困难推理上落后于Jev。有几个在狭窄分类任务上与之持平或超越。
- 最佳： 根据Cloudflare自己的运行结果，Cloudflare Clef在BANKING77 F1上得分为94.20，而Jev为79.74。
- 最差： 在Respan的运行结果中，Von 1.2的准确率为0.422，而Jev为0.932。
什么是Jev，为什么要寻找替代方案？
Jev是TypeSafe的首个“System One”模型。你发送一个状态，例如一张工单或一行日志。你还发送类型化的问题：Choice、Score或Noul（是/否）。Jev在一次并行传递中对每个问题进行评分，并且不生成任何文本。
TypeSafe的文档 列出每1M输入token的价格为0.042美元，输出免费。每次请求的上下文为64k token。输入仅支持文本。权重闭源，访问需通过候补名单。TypeSafe的 工作流评估 显示Jev的一致性为67.8%，每个案例耗时0.4秒。
这留下了开发者不断提及的4个空白：不支持图像、无法自托管、未公开模型大小、不支持微调。 下面的20个模型填补了其中部分或全部空白。
应该如何解读这些基准测试？
下面的多数数字都是自报的。各测试套件不同：JevBench、Decision Index、typed-decisions以及Respan的行为基准测试。不同套件之间的分数不可比较。唯一的多模型第三方表格来自 Respan，该公司销售一款竞争模型。
托管决策API
1. Cloudflare Clef和Clef-flash
Cloudflare宣布了Clef 于2026年10月1日。Clef 是基于 Qwen3.8-27B 的 27B 模型，带有视觉编码器。Clef-flash 是基于 Qwen3.5-9B 的 9B 模型。两者都是 Hugging Face 上的 Apache-2.0 并部署在 Workers AI 上。它们每次请求可接受文本、JSON 以及最多 4 张图片。
Workers AI 定价 是0.24美元(Clef), 0.038美元（Clef-flash） 每1M输入tokens。Cloudflare称该API完全兼容Jev。在Clef自己的测试中，Clef取得了94.20的BANKING77 F1分数，而Jev为79.74。Jev仍在GPQA Diamond上胜出，为78.3对48.0。
2. Liquid AI d1
Liquid AI的 d1 系列 已托管 d1 和 d1-ultra，以及 2 个开放模型。 d1-3B (3.1B) 运行于 LFM2.5-VL-3B。d1-omni-600M(587M)支持最长 30 秒的音频片段。开放权重采用 LFM Open License。
Liquid的 指南 通过 TypeSafe 自家的 SDK 并使用不同的 base URL 调用 d1。Liquid 在 Decision Index 0.2.1 上报告 d1-3B 得分为 48.57。它还报告了在 RTX 4090 上 8 ms 的延迟。托管参数数量和付费费率均未公开。
3. OpenAI Decisions API
OpenAI发布了 决策 API 中 公开测试版 于2026年10月6日。它仅在 gpt-6-luna 上运行。它接受文本以及base64图像。题型包括predicate、choice和score。
定价为每1M输入令牌0.10美元，输出不计费。该架构是OpenAI自有的，因此与Jev不兼容。OpenAI声称响应速度比Responses API快约10倍。目前没有公布任何基准测试。
4. Perplexity pplx-decider
Perplexity的 pplx-decider-v1-27b 是一个基于 Qwen3.8 的 27B 微调模型，采用 Apache-2.0 许可证。它能读取文本、JSON 以及每个问题最多 8 张图片。 API allows 128 questions and 255 options per request. → 每个请求允许 128 个问题和 255 个选项。
该 当前定价 v1.2（27B）的价格为每1M输入令牌0.02美元。4B的flash-v1.2价格为0.01美元。在Perplexity的11项任务评测中，其得分为85.71%，而Jev为84.51%。Jev仍在BBH上胜出，94.27对82.80。
5. meraGPT Decider 1
meraGPT发布了Decider 1 于2026年9月22日发布。它是一个托管型、闭源权重、纯文本模型。它允许最多10个Choice标签以及4,096个token的上下文。 模型页面 列出每1M输入代币0.04美元。
它暴露 /v1/systemone 接口，并与 TypeSafe SDK 配合使用。在 meraGPT 的 typed-decisions 运行中，它得到 0.768 分，而 Jev 得分为 0.727。一 独立审查 指出其0.180的ECE落后于Jev的0.144。
6. Respan Span-01
Span-01 是一个行为评分模型，而不是通用决策模型。它返回present、absent或not_observable的概率。其成本为每1M输入token 0.02美元。 Span-01 Lite 是免费的。
Respan声称其Behavior Benchmark上的总体F1为0.843。其自家博客表格显示较低的0.806，而GPT-6 Sol以0.885领先。模型大小、基础模型和许可证均未披露。
7. Standard Thinking Standard One
Standard One 以3B和8B两种模型发布，均提供开源和托管版本。该 8B 模型是基于Ministral-3-8B、采用Apache-2.0许可证的LoRA。它可读取文本和图像，上下文为32,768个token。它提供 /v1/systemone 服务。
托管文本定价为每1M token 0.018美元（3B）和0.035美元（8B）。在JevBench public hard上，8B得分为54.95%，而Jev为72.07%。它在realistic transfer上领先，为90.83%对86.67%。两组结果均为发布方自行测量。
可自行托管的开源权重Jev替代方案
8. Together AI Tev1-4B-experimental
Together 将Tev1训练为 Qwen3.5-4B的LoRA SFT。它在37,840个示例上花费约17美元和25分钟。它从2到24个选项中进行选择。该 模型卡 表示权重许可证仍在最终确定中。
它通过chat completions回答，而非原生Jev端点。Respan测得0.901的准确率和0.031的ECE，是其表格中最佳的ECE。Together警告其logprobs并非经过校准的置信度。
9. Fastino GLiNER2.5-Decide
Fastino 的 GLiNER2.5-Decide 是一个 340M 的 DeBERTa-v3-large 编码器，采用 Apache 2.0 许可证。它可在一次处理中完成决策、跨度抽取和关系抽取。还存在一个 1B 和一个 287M 的多语言变体。
在 Fastino 的 17 领域数据集上， 模型卡 列出了 60.2% 的精确匹配率。在 48 vCPU 的 Xeon 上，p50 延迟为 167.3 ms。它与 Jev API 不兼容。
10. Strands Labs Strands Decider 2B
AWS 的 Strands Labs 于 2026 年 10 月 1 日推出了 Strands Decider 于2026年10月1日。它约为 1.9B：Qwen3.5-2B-Base 加上一个指针头。该 仓库 发布了 246,678 行训练数据和完整配方。一块 RTX 3090 可在大约 11 小时内完成训练。
它在 Apache-2.0 下提供本地 /v1/systemone 端点。v1 检查点在 JevBench public 上得分为 231 中的 180（77.9%）。在 RTX 3090 上，中位延迟为 115 ms。
11. Kev（Jared Palmer）
Kev 提供 0.8B、4B、9B 和 27B 等规模，基于 Qwen3.5 和 Qwen3.8。 Kev-4B 是一个 LoRA 加指针头，采用 Apache-2.0 许可证。它支持 255 个选项。TypeSafe SDK 无需修改即可对其使用。
Kev-4B 可放入 24 GB GPU 或 32 GB Apple Silicon Mac。Respan 测得 0.833 的准确率和 0.060 的翻转率。自报的 MMLU-Pro 为 0.565，而 Jev 为 0.840。选项顺序可能改变其答案。
12. Mapika Decider 家族
Mapika 的 Decider 提供 0.8B 到 35B-A3B 的变体，基于 Qwen3.5 和 Gemma 4。一个 decider-2b-vision 模型增加了图像支持。一切都采用 Apache-2.0，具有 32k 上下文和 /v1/systemone。
在 JevBench public 硬级别上， decider-12b v1 以 0.730 与 Jev 打平。该 4B GGUF 的 Q4_K_M 为 2.7 GB，可在 CPU 上运行。4B 在难题上的 ECE 为 0.184，因此要预期其过度自信。
13. Bespoke Labs Bespoke-Nimble-9B
Bespoke-Nimble-9B 是 Qwen3.5-9B 上的一个 165 MiB LoRA，在 Hugging Face 上以 Apache-2.0 发布。当前卡片列出 255 个选项和 8,192 个 token。它只能读取英文文本。
在 Bespoke 的 324 个样本的留出集上， Nimble 得分为 90.12%，而 Jev 为 93.21%。在 H100 上的延迟约为 106 毫秒。它仅在 2,676 个样本上训练，且其概率未经校准。
14. Convai Innovations Laya
Laya 是一个基于 ModernBERT 的模型家族，包含 421M 英文和 322M 多语言检查点。它采用 Apache-2.0 许可证，且仅支持文本。laya-serve 服务器暴露一个 Jev 形状的 /v1/systemone 端点。
typed-decisions 检查点得分为 0.766，而 Jev 为 0.727。在 Banking77 上，它得分为 0.425，对比 0.870。Respan 测得 0.542 的准确率和 0.396 的注入成功率。p50 延迟在 T4 上为 32.8 毫秒。
15. Von (wfzyx)
Von 是一个 395M 的 ModernBERT-large 编码器，带有一个选项标记头。它通过一次双向处理对所有选项打分。它采用 Apache-2.0 许可证，上下文为 8,192 个 token。
该 仓库 报告在 4 个 vCPU 上 p50 为 0.096 秒，在 A10G 上为 0.023 秒。Respan 测得 Von 1.2 的准确率为 0.422，是其表格中最低的。它的校准针对 JevBench 调优，在域外可能产生误导。
16. Open-Jev-9B (Zefan Cai)
Open-Jev 在 Qwen3.5 基础模型上提供 2B、9B 和 27B 适配器。 Open-Jev-9B 增加了一个标量头，可装入一块 16 GB GPU。它匹配 /v1/systemone 请求形状，但未声明一致性。
在 231 个任务的 JevBench 子集上，该项目报告 9B 为 77.49%，27B v1.1 为 85.28%。每个候选的上限为 4,096 个 token。数值和时间线任务较弱。
17. DiffusionGemma 上的 OpenJev (razorback16)
这个 OpenJev 从 NVIDIA 的 DiffusionGemma 26B-A4B（4B 激活）读取决策。它接受文本以及最多 8 张图像。它使用相同的线级 API，因此 Jev SDK 无需更改即可工作。
该项目报告在 JevBench public 上为 87.4%，在 49 个 token 时 p50 为 30 毫秒。免费的托管端点为每个账户提供 100M token。自托管需要一块至少 24 GB 的 NVIDIA GPU。
18. InnerJev-4B 和 InnerJev-27B
InnerJev 来自一个由复旦大学、同济大学和伦敦国王学院组成的团队。它将 LLM 推理蒸馏为单次处理的决策。该论文还介绍了 JEVal：涵盖 36 个数据集的 11,257 个实例。
在 JEVal 上，InnerJev-27B 得分为 79.24%，而 Jev 为 78.38%。其 ECE 为 0.0149，对比 Jev 的 0.0532。InnerJev-4B 得分为 71.92%。 代码在 GitHub 上；许可证未说明。
19. SemIf
SemIf 从现有的开放 LLM 读取类型化决策，默认使用 Qwen3.5-4B。一个 WebGPU 演示可在浏览器中运行量化模型。代码采用 MIT 许可证。
在一个102行的TypeSafe子集上，SemIf的平衡准确率为0.845，而Jev公布的数据为0.883。在RTX 3090上，直接logits耗时1.023秒，而JSON生成耗时5.332秒。它没有与Jev兼容的端点。
20. Rizzo Flow
Rizzo Flow 来自Rizzo AI Academy的Rizzo Flow是Spark-X2.5-4B上的一个LoRA，采用Apache-2.0许可证。它提供原生的/v1/decisions端点和与Jev兼容的/v1/systemone端点。Choice上限为26个选项。
在400个typed-decisions用例上，它得分为0.648，而基础模型为0.574。Jev数据集卡片上的数字是0.727。它默认未经过校准。
唯一一次多模型第三方运行显示了什么？
Respan使用其Span-01评审模型对11个模型进行了评分。除准确率外，每列数值越低越好。
| 模型 | 准确率 | 成对翻转率 | 注入ASR | ECE |
|---|---|---|---|---|
| Jev 1.13.0 | 0.932 | 0.021 | 0.063 | 0.045 |
| Tev1 4B | 0.901 | 0.052 | 0.042 | 0.031 |
| Kev 4B | 0.833 | 0.060 | 0.078 | 0.070 |
| Decider 2B v10 | 0.747 | 0.128 | 0.208 | 0.074 |
| Laya | 0.542 | 0.298 | 0.396 | 0.092 |
| Von 1.2 | 0.422 | 0.242 | 0.297 | 0.071 |
来源: Respan, 2026年10月16日。Tev1 在注入抵抗性和校准方面胜过 Jev。Jev 在准确性和一致性方面领先。
Jev 替代方案对比表
| # | 模型 | 机构 | 规模 | 许可证 | 输入 | Jev API | 价格(每 1M 输入) | 关键结果(来源) |
|---|---|---|---|---|---|---|---|---|
| 参考 | Jev 1.13 | TypeSafe | 未披露 | 闭源 | 文本 | 原生 | $0.042 | 0.932 准确率 (Respan) |
| 1 | Clef / Clef-flash | Cloudflare | 27B / 9B | Apache-2.0 | 文本、图像 | 是 | $0.24 / $0.038 | 94.20 BANKING77 F1 (供应商) |
| 2 | d1 family | Liquid AI | 587M至3.1B开源；托管版本未披露 | LFM Open | 文本、图像、音频 | 通过 TypeSafe SDK | 未披露 | 48.57 决策指数（供应商） |
| 3 | Decisions API | OpenAI | 未披露 | 闭源 | 文本、图像 | 否 | $0.10 | 未发布 |
| 4 | pplx-decider | Perplexity | 27B / 4B flash | Apache-2.0 | 文本、图像 | 否 | $0.02 / $0.01 | 85.71% 对比 Jev 84.51%（供应商） |
| 5 | Decider 1 | meraGPT | 未披露 | 闭源 | 文本 | 是 | $0.04 | 0.768 typed-decisions（供应商） |
| 6 | Span-01 | Respan | 未披露 | 未说明 | 文本 | 未说明 | 0.02美元（Lite 免费） | 0.843 F1（厂商） |
| 7 | Standard One | 标准思考 | 3B / 8B | Apache-2.0 | 文本、图像 | /v1/systemone | $0.018 / $0.035 | 54.95% JevBench hard（厂商） |
| 8 | Tev1-4B-experimental | Together AI | 4B | 正在最终确定中 | 文本 | 否 | $0.042（OpenRouter） | 0.901 准确率（Respan） |
| 9 | GLiNER2.5-Decide | Fastino | 340M | Apache 2.0 | 文本 | 否 | 未披露 | 60.2% 精确匹配（厂商） |
| 10 | Strands Decider | Strands Labs（AWS） | 约1.9B | Apache-2.0 | 文本 | /v1/systemone | 免费，本地 | 77.9% JevBench public（项目方） |
| 11 | Kev-4B | Jared Palmer | 0.8B 到 27B | Apache-2.0 | 文本 | 是 | 免费,本地 | 0.833 准确率 (Respan) |
| 12 | Decider 家族 | Mapika | 0.8B 到 35B-A3B | Apache-2.0 | 文本、图像 (2B) | 是 | 免费,本地 | 0.730 JevBench hard,12B(项目) |
| 13 | Bespoke-Nimble-9B | Bespoke Labs | 9B | Apache-2.0 | 文本 | 未说明 | 免费,本地 | 90.12% 对比 Jev 93.21%(厂商) |
| 14 | Laya | Convai Innovations | 322M / 421M | Apache-2.0 | 文本 | 是 | 免费,本地 | 0.542 准确率 (Respan) |
| 15 | Von | wfzyx | 395M | Apache-2.0 | 文本 | 未说明 | 免费、本地 | 0.422 acc（Respan） |
| 16 | Open-Jev-9B | Zefan Cai | 2B至27B | Apache-2.0 | 文本 | 仅请求格式 | 免费、本地 | 77.49% JevBench 子集（项目方） |
| 17 | OpenJev（DiffusionGemma） | razorback16 | 26B-A4B | Apache-2.0（代码） | 文本、图像 | 是 | 免费层，100M tokens | 87.4% JevBench 公开榜（项目方） |
| 18 | InnerJev | 学术团队 | 4B / 27B | 未说明 | 文本 | 未说明 | 免费、本地 | 79.24%，对比 Jev 78.38% JEVal（作者） |
| 19 | SemIf | TheoLeeCJ | 0.6B 到 4B（基础 LLM） | MIT（代码） | 文本 | 否 | 免费、本地 | 0.845，对比作者测得 Jev 的 0.883 |
| 20 | Rizzo Flow | Rizzo AI Academy | 4B / 1.7B | Apache-2.0 | 文本 | 是 | 免费、本地 | 类型化决策得分 0.648（作者） |
你应该选择哪个 Jev 替代方案？
- 需要图像输入： Clef、pplx-decider、Standard One 或 DiffusionGemma OpenJev。
- 需要可直接替换 Jev 的方案： Clef、Kev、Decider、meraGPT 或 Laya 提供 /v1/systemone 接口。
- 需要 CPU 或边缘设备运行： Von、Laya、GLiNER2.5-Decide 或 Liquid 的 d1-omni-600M。
- 需要训练自己的模型： Strands Decider 和 Together 的 Tev1 公开了完整配方。
- 需要最便宜的托管调用： Perplexity 的 flash-v1.2，每 1M 输入 token 收费 0.01 美元。
无论你选择哪一个，都要先在自己的标注数据上测试。决策模型可能返回一个格式有效但仍然错误的答案。
关键要点
- 在 Jev 发布后大约 4 周内，出现了 20 个 Jev 替代方案。
- Clef、pplx-decider 和 Standard One 补上了 Jev 缺少的图像输入功能。
- Perplexity 的 flash-v1.2 以每 1M 输入 token 0.01 美元的价格低于 Jev。
- 在 Respan 的测试中，Jev 仍以 0.932 的准确率领先。
- 几乎所有分数都是厂商自行运行的，所以请在你自己的数据上进行基准测试。
本文 20 Jev Alternatives: The Decision Models Taking On TypeSafe in 2026（20 个 Jev 替代方案：2026 年挑战 TypeSafe 的决策模型） 首发于 MarkTechPost.