Jev与Decitron分属两种决策AI路径

TypeSafe AI推出的Jev近期受到关注。这支具有OpenAI背景的团队没有继续把重点放在文本生成或推理上，而是让AI直接输出判断，并以“Decisions, not strings”为理念。此前的6月，中科闻歌发布通用决策大模型Decitron决策机，将世界模型、多智能体推演、博弈与求解纳入统一框架。两者虽然都强调Decision，但并非同一种产品或技术路线。

Jev面向软件和Agent，重点是快速回答“现在该选什么”；Decitron面向战略、产业及复杂系统，重点是推演“做出选择后会发生什么”。前者把输出从文本变为Choice、Score和Probability，让程序能够直接执行；后者则把现实拆分为状态、主体、行动与结果，比较不同路径可能带来的后果。

二者的共同点在于，都试图让AI输出超越内容生成，直接服务判断和行动，同时显式表达不确定性。Jev可能给出“选择A，置信度72%”，Decitron则分析不同参与者、行动和环境变化下的多种未来路径。对应的计算流程分别是“输入状态—输出判断”和“输入现实—建模世界—模拟行动—推演结果—比较策略”。

Jev更适合必须即时响应的场景，例如客服收到信用卡重复扣款投诉时，可以直接输出Billing 96%、Fraud 3%、Other 1%等结果，让系统立即进入对应流程。从工程角度看，它相当于把传统软件的if/else扩展为AI驱动的条件分支：当某个判断概率超过80%时，程序便执行下一步。因此，Jev强调速度、成本、稳定性和易集成性。

Decitron处理的则不是简单的二选一。企业是否扩产，可能牵涉竞争对手降价、政策变化、原材料成本和市场需求等连续反应。它采用“State—Action—Outcome”思路，先确认当前状态，再模拟各方行动及其结果，并进入下一轮演化。企业行动会引发竞争对手回应，市场变化又会促使各方重新决策，因此决策被展开为一条持续变化的时间线。

在这一过程中，世界模型负责搭建现实“沙盘”，多智能体代表不同参与者，博弈与求解则用于评估各种选择可能把系统推向何处。两者的根本区别由此清晰可见：Jev把决策压缩成当下的一次判断，Decitron把决策展开成面向未来的推演。随着生成式AI逐渐解决“如何回答”，行业开始关注“如何选择”。6月发布的Decitron与数月后走红的Jev，分别从复杂建模和高频判断切入，显示AI竞争正从会不会生成内容，延伸到能否在不断变化的世界中作出合适决策。