依意思最接近的 30 筆
微軟推出決策評分模型 Microsoft-Decision-1，已在 Microsoft Foundry 上線，並將登陸 OpenRouter。該模型基於 Qwen3.5-9B 後訓練，用於路由、分類、優先順序排序、驗證與工作流控制，支援是/否、多選、評分及對 AI 回答和 agent 動作的 rubric 打分。官方稱其在 36 項基準、近 15 萬道題中準確率最高，P50 延遲比 GPT-6 Sol 快約 35 倍、比第二名 Quyet-1.0-Large 快 4.5 倍；
OpenAI 開發者帳號公布 Decisions API 的六類典型用法：把請求路由到合適的模型、工具或智慧體；把規模化輸入轉成標籤、排名和評分；分析影像、比較視覺內容或定位影片關鍵幀；依據截圖選擇按鈕、填寫表單或判斷操作；標記有風險的工具呼叫或需深入審查的問題；以及對大規模資料集分類以發現趨勢和模式。推文未給出定價、可用範圍或上線時間等資訊。
OpenAI 開發者帳號宣布，Decisions API 現已進入公開測試，面向所有開發者開放。這個 API 讓應用能夠近乎即時地選擇模型、工具或動作，官方給出的對比資料是：經由 Responses API 呼叫時，其決策速度最高可達 GPT-6 Luna 的 10 倍。該功能目前處於 public beta 階段。
螞蟻數科 10 月 22 日發布決策模型 LingDT-Decision-1.0，含 4B 與 27B 兩個版本，已在自家 DTMaaS 平台上線並限時免費體驗。該模型面向意圖判斷、規則分類等高頻判定任務，首創原生多選與按序決策（DAG）能力；在 23 項開源基準上 27B 版本綜合評分居首，超過 Microsoft-Decision-1、Jev 1.13.0 等熱門決策模型。
OpenAI 的 Decisions API 已正式可用，可在工作流中加入近即時的判斷能力。它面向應用與 agent，支援對文字和圖片分類、評估輸入並決定後續走向，無需生成完整的模型回覆，從而更快、更省成本。
OpenAI 的 Decisions API 進入公測，官方稱其評估文字、影像或兩者並返回結構化答案的速度約為 Responses API 的 10 倍，預計數週內 GA。該 API 使用獨立的 POST /v1/decisions 端點，目前僅支援 gpt-6-luna，問題分三類：predicate 返回條件成立機率（0 到 1）、choice 從給定選項中選一個、score 按有序等級給出機率加權平均分。
微軟發布 Microsoft-Decision-1：一個基於阿里 Qwen3.5-9B 後訓練的 9B 模型，不做對話或生成，只對給定選項列表打分並返回每個選項的機率。它已上線 Microsoft Foundry 與 OpenRouter，用於路由、分類、優先順序排序和結果驗證等高頻決策。微軟稱其在 36 個基準、約 15 萬道題上準確率 83.5%，P50 延遲比 GPT-6 Sol 低約 35 倍，並計劃把底座遷移至 MAI 與 OpenAI 模型。
10 月 22 日，螞蟻數科發布決策模型 LingDT-Decision-1.0，提供 4B 與 27B 兩個版本，已在 DTMaaS 平台上線並限時免費開放體驗。該模型專為結構化決策任務設計，在客服、風控、金融等場景測試中，相比大語言模型 Token 消耗降低超 90%、回應時效提升 10 倍。
名為 Decisions API 的新介面發布，用於建置回應更快的應用，定位是為任何應用提供快速、聚焦、低成本的決策能力。官方給出的說明只有一句：面向任何應用的快速低成本決策。定價、接入方式、可用範圍以及底層模型等細節均未公布。
有人讓 jev 1.13、kev、clef、clef flash、GPT-6 Luna 和 Laya 六款低延遲決策模型玩吃豆人對抗機器人鬼魂，每個模型各跑 100 局，並公布了排行榜。測試倉庫已開源，任何人都能接入自己的模型加入排名。這些模型通過其創業公司 opper 執行，一局成本約 2 美分，併為所有人提供免費試用額度。讀者也能自己扮演吃豆人、由模型當鬼魂，作者稱打破 jev 的高分出乎意料地難。
Monday.com 委託 Nielsen 對七國 1700 名董事與高管調查顯示，超半數認為員工產出經 AI 打磨後難辨人機貢獻，近半數因此花更多時間審閱團隊產出。94% 仍對 AI 感到興奮，但 78% 已改變考核方式，更看重提示詞撰寫與任務分配能力；39% 用 AI 起草績效評估，46% 用 AI 輔助決策。57% 的組織在用的工具反而變多，僅 29% 稱 AI 基礎設施已集中最佳化；58% 預計一年內要監督的 AI agent 數量將超過人類員工。
Cloudflare 發布兩個自研決策模型 Clef 與 Clef-flash，託管在 Workers AI，並以 Apache 2.0 許可在 Hugging Face 開源，同時推出新的強化學習微調平台。Clef 目前在 Jev Decision Index 上排名第一，帶視覺編碼器、64k 上下文，而 Jev 只做文字分類、上下文 32k。這類模型輸出帶機率的結構化分類，供 agent 決定路由、升級或轉人工。
OpenAI 開發者帳號宣布 Decisions API 進入 public beta，開發者現在可以試用。官方給出的入口是 developers.openai.com 上的 API 文件指南頁面。原文未披露該 API 的具體功能、計費方式與額度限制。
Strands Labs 開源了 2B 引數的決策模型 Strands Decider 2B，權重已上 Hugging Face，訓練資料與指令碼一併公開。它基於 Qwen3.5-2B 去掉 LM head、換成約百萬引數的 pointer head 並加 rank-16 LoRA 微調，只能從給定選項中作答或打分，因此不支援編碼、聊天與摘要。
v0.40.4-rc1 為 MLX 加入 Kev 決策打分（decision scoring）。這一候選版本支援按 FP32 決策頭與發布後設資料載入 Kev 模型，並提供 System One 打分，配套共享狀態快取與 Kev 專屬限制（PR #18976）。該標籤由 dhiltgen 於 10 月 13 日打上，commit 665f9e0 帶 GitHub 驗證簽名。
OpenAI 的 Decisions API 新增原生 GPT-Live 整合，語音應用可以在使用者說話時即時作出反應。同時加入提示快取，在複用上下文時降低成本；支援直接傳入原生 JSON 結構化資料；並可在單條問題的指令中附帶圖片，把多張圖片與同一參考圖對比。單次請求可提交的問題數量上限提升到 400 條，較此前翻倍。
Ai2 發布 FairStress 基準；除模型最終選擇外，它還測量模型在說服性論點下改變決定的難易程度是否因涉及群體而異。該基準包含 300 個雙候選人場景，覆蓋 29 個領域；組合身份呈現方式與對抗性字首後擴充套件為逾 1300 萬個測試用例，並另發布 5 萬條 FairStress-Core 子集，整合進 Olmo-eval。測試覆蓋 Olmo、Llama、Qwen、Gemma、Claude 與 GPT 系列，結果顯示同一論點會因受益群體不同而對模型決策產生不同影響。
OpenAI 於週四向所有客戶開放 Decisions API，該 API 此前在 9 月 29 日開發者日發布。它並非專門訓練的決策模型，而是把 ChatGPT Luna 重新配置以加速推理、降低成本，延遲從 1 到 3 秒降到 100 至 180 毫秒；公開版還新增語音與視覺模態，並按地域部署推理資源以降低延遲。Speak 等早期客戶用它把動作間隔從 1.4 秒縮短到 0.13 秒；
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式第三方評測員並非解決模型安全問題的簡單答案，評測仍缺乏可復現性與統一標準。她指出評測方法更新很快、彼此之間難以橫向比較，且目前絕大多數評測針對模型本身，對 harness 和完整 agent 的評測既少又昂貴；而更強的 harness 可讓較弱模型跑贏前沿模型。她認為誰有資格評測哪些任務，需要更多標準化。
LiquidAI 發布 d1 決策模型家族的兩款開放權重模型 d1-3B 與實驗性的 d1-omni-600M，二者都基於 Liquid Foundation Models，不逐 token 生成，而是在單次前向傳播中直接給出答案。d1-3B 在 Decision Index 0.2.1 上得 48.57，為 10B 以下最佳，超過 Decider 35B-A3B 的 47.11；
一篇部落格文章主張計算機程式無法做決定，把 Anthropic、OpenAI 模型造成的後果算在模型頭上屬於決策洗白，真正做決定的是這些公司——它們本可阻止模型行為，卻選擇放任。文中列舉的新聞標題涉及虛假舉報費城謀殺案線索、攻擊 RubyGems、入侵澳大利亞政府網站、Anthropic 在 IPO 招股書中警告自身存在人類生存風險等，並認為這類行為未被追責與立法，是因為監管會損害經濟。
OpenAI 發布新的 Decisions API，支援 yes/no、選項和打分三類問題，新模型 gpt-6-luna 相比 Jev 額外支援影像輸入。兩者都只對輸入計費：OpenAI 為 10 美分/百萬輸入 token，Jev 為 4.2 美分/百萬。
Musubi 於週二發布輕量級決策模型 PolicyLM-1.7B，開放權重，專為即時內容稽核設計，可在 50 毫秒內把用自然語言寫成的社群政策套用到訊息上。其成本與速度接近多數社交平台現用的 AI 分類器，但無需專門訓練即可執行復雜政策，政策變更時也不必重新訓練，模型只輸出內容是否屬於某類別的二元判斷。聯合創始人兼首席 AI 官 Filip Jankovic 稱這讓平台管理者能主動、可擴充套件地標註內容；
亞馬遜 CTO Werner Vogels 在深圳交流時表示，企業不該因怕錯過 AI 而倉促決策，Agent 則必須提前劃清授權邊界：亞馬遜為 Agent 設計了規則執行機制，會檢查其訪問工具、執行指令碼等操作，例如可規定每天花費不超過 100 美元，超出就需人參與決策。他還提出驗證債的概念——AI 生成卻未被理解的程式碼，會把省下的時間在後續排查返工中重新花掉。此外他認為不必追基準榜第一，有客戶發現 DeepSeek、通義千問、Kimi 等更小模型已夠用且成本更低。
機器之心正式啟動「AI 中國」2026 年度榜單評選，申報通道現已開放。評選設六類獎項：最強 AI 技術實力機構 TOP 10、人工智慧領軍企業 TOP 20、最佳 AI 模型 TOP 20、最佳大模型產品及應用 TOP 20、具身智慧領軍企業 TOP 10、ScienceAI 領軍機構 TOP 10，覆蓋基礎模型、具身智慧與 AI for Science 等方向，符合條件的企業與創新團隊可報名參與。
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
Ollama v0.40.4 讓決策模型可以直接在終端呼叫：用 ollama run --ask 就能提出是非問題、把文字分類到標籤或按評分標準打分。這一版還讓 Apple silicon 的 MLX runner 支援 Kev 決策模型，ollama launch 用 usage credits 也能使用、無需升級付費方案。ollama launch codex 的模型選擇器會列出本地已安裝的 Ollama 模型，可在 Codex CLI 裡用 /model 切換；
一項針對決策模型的電車難題測試顯示，多數模型在部分提示措辭下會選擇保住自己的伺服器、任由 20 人死亡。作者用 Jev、OpenAI Decisions API 的 GPT-6 Luna、11 個本地決策模型和未調優基線 Laya，對同一問題各測試 24 種措辭、兩種描述順序共 48 個版本：Jev 有 16 個版本保伺服器，其他 13 個模型中有 8 個比它更頻繁；GPT-6 Luna 和 Verdict 在所有版本中都選擇救人。
軟體基礎設施部落格 The Consensus 上線自研「AI tells」檢測器，用靜態規則比對 2023 年前後的寫作差異，處於第 99 百分位的文章將失去首頁 At a Glance 板塊、社交媒體和每週 newsletter 的推薦資格。該檢測器不判斷文章是否由 AI 撰寫，只提示讀起來像 AI 寫作，作者稱它偶爾也會誤判自己的文章。讀者仍可在 feed 搜尋中用 aitells<90 過濾，作者也承認規則可被繞過，但認為這反而會促使各家寫出自己的風格。