Модели принятия решений отвечают за миллисекунды: Jev стоит $0,042 за млн токенов
Decision Models — это модели принятия решений: они не пишут ответ словами, а сразу выдают вероятности по вариантам. Например, на жалобу «деньги списались, а заказа нет» модель отвечает «техподдержка — 87%, бухгалтерия — 10%» и всё. Первая из них, Jev от TypeSafe AI, на старте стоила $0,042 за миллион входных токенов, а выходные не тарифицировались. Поэтому рутинные выборы в агентах дешевле отдать такой модели, а сложные случаи — большой LLM.
AI-обработка оригинала Habr AI; редакция Hamidun News
Представьте, что вы делаете ИИ-агента для поддержки. Клиент пишет: «Вчера оплатил заказ, деньги списались, но в личном кабинете заказа нет». Агенту нужно просто выбрать, кому передать обращение, а он гоняет для этого дорогую языковую модель, которая сначала рассуждает на три абзаца. Осенью 2026 года на эту проблему появился отдельный класс решений: Decision Models, то есть модели принятия решений. Они не общаются с человеком и не пишут текст, а возвращают вероятности по заранее заданным вариантам. Первой в сентябре вышла Jev от компании TypeSafe AI, и стоит она $0,042 за миллион входных токенов (токен — это примерно кусочек слова), а выходные данные на старте не тарифицировались. Для сравнения, Gemini Decision 1 от Google берёт $0,10 за миллион входных токенов.
Что делает такая модель на простом примере
Название отсылает к книге Даниэля Канемана: «Система 1» — быстрое интуитивное мышление, «Система 2» — медленное и осознанное. Decision Models, или System One Models, — это «быстрая» часть ИИ. На жалобу про списанные деньги модель вернёт только цифры: техподдержка — 87%, бухгалтерия — 10%, доставка — 2%, продажи — 1%. Никаких пояснений, только то, что программа может сразу использовать.
Большинство моделей решают три типа задач:
- Choice — выбрать один вариант из списка: кому передать обращение или какое действие выполнить следующим.
- Yes/No — проверить условие: соответствует ли документ требованиям, есть ли ошибка в ответе, нужен ли человек.
- Score — оценить по шкале: насколько срочна задача или насколько документ подходит под запрос.
Многие модели принимают сразу несколько вопросов об одном объекте и отвечают за один запрос.
Чем это отличается от классификатора и от LLM
Классификаторы существуют давно: логистическая регрессия, случайный лес, CatBoost. Но антифрод-модель, обученная на транзакциях, не оценит качество ответа поддержки: для новой задачи нужна другая модель или дообучение. Decision Model пытается совместить универсальность LLM с удобством классификатора. Варианты ответов и критерии задаются прямо в запросе, без переобучения. Автор оговаривается: для стабильных, чётко определённых задач специализированный классификатор может оказаться точнее, быстрее и дешевле.
Против обычной LLM у новых моделей четыре аргумента:
- Скорость. LLM генерирует ответ по токенам, даже если нужно одно «да» или «нет». Многие Decision Models оценивают варианты за один проход сети, и ответ приходит за десятки или сотни миллисекунд.
- Цена. Liquid d1-ultra стоит примерно как Jev. Для одного запроса разница мала, для миллионов решений в день она заметна.
- Формат. Ответ ограничен заданным набором вариантов. Но корректный формат не равен верному решению: ошибаться модели тоже умеют.
- Уверенность. Вероятности позволяют автоматически обрабатывать простые случаи, а сложные отправлять сильной модели или человеку. Если модель сто раз говорит «90%», права она должна быть примерно в 90 случаях. Это нужно проверять на собственных данных.
Кто уже вышел
Волна началась 15 сентября 2026 года с Jev; основал TypeSafe AI бывший сотрудник OpenAI Диогу Алмейда. Затем появились Tev1 от Together AI (22 сентября), открытая Kev (24 сентября), Clef от Cloudflare (1 октября), мультимодальная d1 от Liquid AI (5 октября), Liquid d1-ultra (15 октября), Decisions API от OpenAI (22 октября) и Gemini Decision 1 (11 ноября). 17 ноября вышла Liquid AI d1.2.
Через API доступны Jev, Liquid d1.1 и d1-ultra, Gemini Decision 1 (текст, изображения, аудио, видео и PDF), OpenAI Decisions API на базе GPT-6 Luna, Perplexity Decider и Decider Flash v1.3, а также семейство Clef, Clef-flash и Clef-omni.
Запустить у себя можно Kev 4B на базе Qwen3.5, Liquid d1-2B и d1-Omni-2B, экспериментальную d1-omni-600M на 600 млн параметров, Perplexity Decider Flash, семейство Laya на базе ModernBERT и mmBERT, открытые веса Clef и Clef-flash, а также Tev1 4B и 0.8B. Внутри они устроены по-разному: одни не генерируют токены, другие — дообученные языковые модели с очень коротким ответом.
Что с этим делать
Самая очевидная схема для агентов — «мозг и рефлексы». Мощная LLM строит стратегию и планы, а маленькая Decision Model постоянно выбирает следующий шаг и зовёт большую модель только в нестандартных ситуациях. Другие применения: маршрутизация запросов между агентами, выбор инструментов, проверка ответов других моделей, оценка кода, модерация и поиск попыток манипулировать агентом.
Ограничения тоже есть. Автор пока не показал собственные сравнительные таблицы и обещает их в продолжении, так что цифры качества придётся проверять самим. Начните с небольшого набора размеченных примеров из вашего потока и сравните выбор моделей с ручной разметкой. Затем проверьте калибровку: совпадает ли заявленная уверенность с реальной долей верных ответов. Только после этого ставьте порог, ниже которого решение уходит большой модели или человеку.
- 21 нояб. 2026 г.OpenAI пересмотрела промпты для GPT-6.2: меньше вопросов, меньше тестов
- 21 нояб. 2026 г.CoreWeave должна $47 млрд под чипы Nvidia и теряет $709 млн за квартал
- 21 нояб. 2026 г.Apple готовит ИИ-агента и усложнила доступ чужим: разрешение теперь в 14 шагов, а не в 4
- 21 нояб. 2026 г.Разработчик обошёлся без Pinecone: поиск по 72 450 фрагментам кода за 50 мс
Вопросы и ответы по материалу
Что известно по теме: что делает такая модель на простом примере?
Название отсылает к книге Даниэля Канемана: «Система 1» — быстрое интуитивное мышление, «Система 2» — медленное и осознанное. Decision Models, или System One Models, — это «быстрая» часть ИИ. На жалобу про списанные деньги модель вернёт только цифры: техподдержка — 87%, бухгалтерия — 10%, доставка — 2%, продажи — 1%. Никаких пояснений, только то, что программа может сразу использовать.
Что известно по теме: чем это отличается от классификатора и от LLM?
Классификаторы существуют давно: логистическая регрессия, случайный лес, CatBoost. Но антифрод-модель, обученная на транзакциях, не оценит качество ответа поддержки: для новой задачи нужна другая модель или дообучение. Decision Model пытается совместить универсальность LLM с удобством классификатора. Варианты ответов и критерии задаются прямо в запросе, без переобучения. Автор оговаривается: для стабильных, чётко определённых задач специализированный классификатор может оказаться точнее, быстрее и дешевле.
Что известно по теме: кто уже вышел?
Волна началась 15 сентября 2026 года с Jev; основал TypeSafe AI бывший сотрудник OpenAI Диогу Алмейда. Затем появились Tev1 от Together AI (22 сентября), открытая Kev (24 сентября), Clef от Cloudflare (1 октября), мультимодальная d1 от Liquid AI (5 октября), Liquid d1-ultra (15 октября), Decisions API от OpenAI (22 октября) и Gemini Decision 1 (11 ноября). 17 ноября вышла Liquid AI d1.2.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.