OpenAI 官宣 Decisions API 正面刚 Jev!AI 决策赛道一夜变天,开源黑马 openjev 能扛住吗?
OpenAI 官宣 Decisions API 正面刚 Jev!AI 决策赛道一夜变天,开源黑马 openjev 能扛住吗?
这几天,AI 圈发生了一件大事。
OpenAI 官宣推出 Decisions API,定位非常明确:正面刚最近火遍全网的决策模型 Jev。
要知道,就在前段时间,Jev 还是这条赛道上唯一的主角。如今大厂亲自下场,加上 Cloudflare 推出 Clef 应战、开源阵营杀出一匹黑马 openjev——AI 决策这个赛道,一夜之间从"独角戏"变成了"混战"。
那问题来了:这个突然爆火的"决策模型"到底是啥?开源替代品又有多能打?今天用大白话给大家掰扯清楚。
一、决策模型是啥?一句话:不写文章的"选择题老手"
先说 Jev。
它的创始人 Diogo Almeida 是 OpenAI 前研究员,当年参与的指令对齐研究,就是 ChatGPT 的重要基石之一。这次他做了件反常规的事:训练一个完全不生成文字的 AI。
普通大模型像什么?像作文选手,你问它任何问题,它都要洋洋洒洒写一段话,哪怕你只想听个"是"或"不是"。
决策模型像什么?像一个只做选择题的老手。 你把现状和几个选项给它,它一次性输出每个选项的概率,不废话、不绕弯。
效果有多夸张?
- 单次决策 70 到 500 毫秒,输出 token 便宜到官方直接标注"免费";
- 同等智能水平下,比前沿大模型快 40 到 200 倍,便宜两个数量级;
- 官方平台上已聚集 6000 多个玩法:有人用它搜航班,7 秒跑完全流程,成本不到 0.004 美元;有人让它同时"代打"50 场跑酷游戏,快到像开了挂。
这就是为什么全网都在说:Agent 系统里大量的"智能",其实根本不需要写文章,只需要一个快而准的判断。
二、openjev 有多能打?数据说话
Jev 火了之后,开源社区迅速跟进。有头条文章直接总结:"输出 token 永久免费!爆火决策模型 Jev,两大开源替代方案来了。"
其中最受关注的,就是 Hugging Face 上的 openjev——开发者 AlexWortega 把 Qwen3.5 改造成了一台"决策引擎",从 0.8B 到 4B 再到 35B 多个尺寸全开源,MIT 协议,随便用。
它的核心玩法和 Jev 思路一致:给它一个现状加一组封闭选项,每个选项单独算一次分,最后谁的概率高选谁。全程不生成一个字。
几个硬核成绩,咱们划下重点:
1. 对标 Jev 官方基准,差距比想象中小得多
在 JevBench 的 231 道公开题上,openjev 4B 最新版拿到 81.4 分,Jev 官方模型是 86.6 分——一个开源的 40 亿参数小模型,追到了商业闭源模型 90% 以上的水平。最难的部分(hard 档),双方差距也就 11 个百分点。
2. "抓瞎话"能力,比同类都强
给 AI 的回答当"阅卷老师"是决策模型的重要用途。在幻觉检测、虚假前提识别这些测试集上,openjev 4B 的得分普遍在 0.93 到 0.95 的高位,比一众同类交叉编码器模型强出一截,甚至超过了部分更大的专用审核模型。
3. 最圈粉的一点:它"说过的话从不改口"
大模型有个著名毛病:同一个问题问两次,答案可能不一样。
openjev 做了一项"秩序测试":231 道题各问 4 遍——原顺序问、重复问、选项倒序问、乱序打乱问。结果答案零改动,概率变化小到可以忽略。问十次和问一次,结论分毫不差。这种"确定性",恰恰是企业风控、审核场景最需要的品质。

4. 零训练直接打游戏,居然能"通关"
最能体现决策模型本质的,是几段零样本游戏演示:
- 扑翼鸟(Flappy Bird):平均 28/28 满分通关,比人工设计的启发式算法(24.5)还强;
- 毁灭战士 Doom:平均击杀 11 只怪物(随机操作是 1,完美信息上限约 19),单次决策只要 57 毫秒,接近人类反应速度;
- 更离谱的是在真实 Minecraft 里,从一张白纸出发,自己规划挖木头、采石头、冶炼,22 个决策内造出了一把铁镐。
它没有专门学过任何一款游戏,只是被反复问"这句话和游戏现状符不符合",然后把符合度最高的选项当动作执行——就这么朴素的一招,竟然真能玩。
三、普通人怎么上手?门槛比你想的低
先说适合谁:如果你做内容审核、客服路由、风控判断、答案校验这类"高频小判断",或者就想折腾 AI 玩具,这套开源方案非常值得玩。
门槛方面:
- 最小的 0.8B 版本,在 Hugging Face 上有现成的在线演示空间,打开网页就能体验;
- 4B 版本一张消费级显卡就能跑,官方甚至把 8GB 显存的 V100 老卡都调通了,配一条启动命令就能把本地决策服务拉起来,吞吐比常规方式快 1.5 到 3 倍;
- 权重全部开源,MIT 协议,商用也没负担。
当然也得说句公道话,这个项目最难得的是诚实地把短板晒了出来:
- 它没学过命令安全审查,让它的通过率只有六成水平;
- 面对提示词注入攻击,准确率会从 83% 掉到 47%——而 Jev 官方被审计时也暴露了同类问题,所以作者强调:拿它做安全护栏,必须和确定性规则配合使用,而不是替代规则。
另外作者还主动声明:v5 版本训练时用过 MMLU、GSM8K 等知名题库的测试集,所以这些榜单上的分数"没意义、不汇报"。在开源圈,这种不吹牛的态度本身就是一种竞争力。
四、赛道变天,对 openjev 是威胁还是机会?
回到开头的大新闻。
OpenAI 的 Decisions API 官宣,加上 Cloudflare 的 Clef、其他开源模型的加入,AI 决策赛道的格局彻底变了。有人担心 Jev 的先发优势不保,也有人替开源阵营捏把汗。
但换个角度看,大厂进场,从来都是把蛋糕做大。 对 openjev 这样的开源项目来说:
- 赛道声量被大厂抬到了新高度,"决策型 AI"从极客圈子里的小众话题,变成了产品团队必须评估的选项;
- 闭源 API 再便宜,也有数据出域、成本随量线性上涨的问题——能私有化部署、可审计、确定性输出的开源方案,反而在企业场景里更有想象空间;
- Jev 靠校准式决策强化学习(RLCD)建立的护城河还在,但开源模型正在以肉眼可见的速度逼近,"便宜一个数量级"的差距,随时可能被"免费且本地"打破。
技术圈有句话特别适合形容现在:当一次 AI 判断的成本从几分钱降到几乎为零,就会解锁一批你想都没想过的用法。
从 Jev 独领风骚,到 OpenAI 正面迎战,再到开源黑马贴身紧逼——这场"不写文章、只做判断"的 AI 新物种之争,才刚刚开场。
最后留个话题给大家:如果给自己的工作配一个"AI 自动裁判",你最想让它替你判断什么?是自动筛选邮件、审核内容,还是给 AI 的回答打分?评论区聊聊。