- 2026年10月19日，VentureBeat分析了AI决策模型的兴起，重点介绍了TypeSafe AI于2026年9月15日推出的Jev。
- 与生成自由文本的大语言模型（LLM）不同，决策模型会输出结构化结果，例如分类标签、评估分数或判断真假的概率，并附带置信度。
- 这项技术面向需要对数百万条记录进行语义判断的任务，例如客户反馈分类、紧急请求识别、身份匹配和风险评估。
- Databricks、Snowflake、MotherDuck和Astronomer已公布将决策模型整合进其数据平台的方案。AWS、OpenAI和Cloudflare也在开发类似的选择。
- MotherDuck报告称，Jev可在40秒内完成10万篇新闻文章的分类，成本为0.50美元，准确率达到89%。在该公司的测试中，OpenAI模型耗时近32分钟，成本为37.58美元，准确率为88%。
- Astronomer使用Jev对4,000个职位名称进行分类，耗时66秒，成本为0.16美元；相比之下，使用Snowflake AI_CLASSIFY的预计成本为11至21美元。
- Southbridge AI将Jev用于匹配俄亥俄州竞选财务记录中的捐赠者和组织数据。与采用先进AI模型的方案相比，该应用将模型成本降低了99.56%。
- 建议采用的工作流程结合三种工具：SQL负责执行确定性规则，决策模型负责大规模语义判断，大语言模型则处理需要多步骤推理的复杂案例。
- 置信度分数可以帮助系统自动处理明确的案例，并将不确定的情况转交给人工审核。不过，企业必须使用真实业务数据验证置信度是否可靠。
- 专家提醒，评估决策模型时应同时将其与SQL和传统机器学习进行比较，并明确谁负责设计判断标准、监督系统表现和控制自动化决策。
📌 决策模型为企业AI的专业化发展开辟了新方向：并非所有任务都需要大语言模型。根据MotherDuck公布的测试结果，Jev以0.50美元处理了10万条记录，速度约为对照模型的48倍，成本则低约75倍。不过，这些数据来自企业自身公布的测试。其实际价值仍取决于准确率、预测概率的可验证性，以及各个系统中的决策治理机制。
