Decision-модели

Что это

Обычная LLM отвечает, дописывая текст: токен за токеном, пока ответ не закончится. Попросить её классифицировать текст значит попросить написать слово «billing» и надеяться, что это слово окажется одним из допустимых.

Decision-модель ничего не пишет. Она читает текст вместе с типизированными вопросами и за один проход возвращает вероятность для каждого варианта. Нет ни прозы, ни рассуждений, только распределение. Jev, d1 и другие модели этого класса строятся вокруг нескольких одинаковых типов вопросов:

Choice

Выбрать один вариант из списка, который написали вы. Возвращает вероятность для каждого варианта.

Score

Поставить вход на упорядоченную шкалу, которую вы описали, например срочность от 1 до 5. Возвращает положение на шкале.

Noul

Вопрос с ответом да или нет. Возвращает одно число от 0 до 1. Noul так называет его Jev, в d1 это обычный yes/no вопрос.

Box

Только в Jev 1.14 и только для изображений: возвращает рамку вокруг того, что попросили найти.

TypeSafe утверждает, что вероятности откалиброваны: когда модель говорит 0.8, она должна оказываться права примерно в 80% таких ответов. Это слова вендора, а в одном независимом разборе предупреждают, что уверенность показывает, насколько ответ сосредоточен, а не верен ли он.

Кто их делает

Классу всего несколько недель, поэтому список короткий и быстро меняется. Под «Jev-style» я понимаю любую такую модель: на входе типизированные вопросы, на выходе откалиброванные вероятности, никакого сгенерированного текста. Вот те, что мне удалось найти:

1. 01

   Jev

   TypeSafe. Вышел 15 сентября 2026 года, а 14 октября появился Jev 1.14 с поддержкой изображений. Закрытая модель, веса не опубликованы.

2. 02

   d1 и d1-ultra

   Liquid AI. d1-ultra (15 октября 2026) самая сильная в семействе, принимает текст и изображения. Есть и открытые модели: d1-3B (3.1B параметров) и d1-omni-600M (587M, понимает короткое аудио).

3. 03

   Остальные из индекса

   Microsoft-Decision-1, Decider v1.1 27B от Perplexity, Mercury Decide от Inception, Celeris-1 Decision, GLIDE от Fastino, Clef и Clef-Omni от Cloudflare, GPT-6 Luna (Decisions) от OpenAI.

Большинство из них хостятся и закрыты. Веса публикуют только маленькие модели d1.

Зачем они нужны

Для классификации текста. Это вся их работа, и из неё состоит много софта: куда отправить сообщение, разрешён ли запрос, следует ли ответ из источника.

LLM тоже справится, но платит за то, что задаче не нужно: она генерирует токены, а это время и деньги, и сама она достаточно велика, чтобы писать эссе. Decision-модель только читает. Её ответ занимает несколько десятков токенов, а хостинговые версии выходные токены вообще не тарифицируют.

Они ещё и маленькие. У d1-omni-600M 587M параметров, у d1-3B 3.1B, а Decider v1.1 27B самая большая из тех, чей размер я нашёл.

• $0.042за миллион входных токенов, выход бесплатный. Заявленная цена Jev и d1-ultra.
• $0.10 и $0.50за миллион входных и выходных токенов Claude Haiku 5.5, для промптов до 100K токенов.

Против Haiku разрыв настоящий, но скромный: примерно от 3 до 5 раз на голом ответе и от 5 до 20 раз, когда LLM думает. «Одна двухсотая стоимости» у TypeSafe считается против флагманских моделей, а Haiku 5.5 уже дешёвая.

Больший разрыв во времени. Стоимость миллиона вызовов это строчка в бюджете, а семь секунд до первого токена в путь запроса не помещаются, в отличие от полусекунды.

Как выглядит вызов и где применяют

Вызов это текст и несколько типизированных вопросов, а ответ это по одной вероятности на вариант. Выберите применение, чтобы увидеть, как задаются вопросы и что приходит в ответ.

Задачи поменьше на том же приёме: модерация контента, ранжирование кандидатов.

Одно предупреждение из разборов: враждебный текст во входе может подтолкнуть Decision-модель к допустимому, но вредному ответу. В auto-mode это важно, поэтому само разрешение должно проверяться кодом, а ответ модели быть лишь одним из его входов.

Decision-модели против LLM

Artificial Analysis публикует Decision Index, где Decision-модели и обычные LLM оцениваются одними и теми же четырьмя тестами по 25%: AA-Omniscience-Decision (знания и галлюцинации), HLE-MultiChoice (рассуждение), When2Call (вызов инструментов) и WildGuardTest (классификация безопасности). LLM добавлены для сравнения и нарисованы на графиках штриховкой.

Оба скриншота ниже я собрал сам из 28 моделей индекса: до выхода d1-ultra и после.

До d1-ultra

Лучшая Decision-модель здесь Jev 1.13 с 58, на втором месте. По обе стороны от неё стоят LLM: Claude Haiku 5.5 (Low) с 61 выше и GPT-6 Luna (Low) с 55 ниже. После Jev идут GLIDE и Microsoft-Decision-1 с 54, остальные спускаются до Clef-Omni с 44. У d1 50.

То есть небольшая LLM на низком effort всё равно обгоняла любую специализированную модель, на 3 балла. Jev подобрался близко, но Decision-модели брали ценой и скоростью, а не качеством ответов.

После d1-ultra

У d1-ultra 65. Это на 7 баллов выше Jev 1.13, лучшей Decision-модели с первого скриншота. Jev уже обошёл GPT-6 Luna (Low) с 55, но d1-ultra первая Decision-модель на этих графиках, которая обошла Claude Haiku 5.5 (Low) с 61, верхний столбец первого скриншота.

На этом скриншоте я нарочно добавил больше LLM, и они остаются впереди: Claude Haiku 5.5 на Max effort с 68, Claude Opus 5.5 с 75 и 79.

Ограничения

1. 01

   Они только выбирают

   Нет текста, вызовов инструментов и многошаговых планов. Если ответ это реплика или кусок кода, нужна LLM.

2. 02

   Читают буквально

   Подразумеваемый контекст они пропускают, поэтому критерии надо расписывать целиком.

3. 03

   Слабы в точной математике

   Арифметика и сравнение дат ненадёжны. Считайте их в коде.

4. 04

   Уверенность не равна верности

   0.8 говорит лишь о том, насколько ответ сосредоточен. Пороги подбирайте по собственной размеченной выборке.

5. 05

   Закрытые

   Jev и d1-ultra только хостятся, веса не опубликованы, поэтому вы зависите от цены и аптайма вендора.