Jev vs Decitron：同为决策AI，为什么不是一回事？

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> Jev vs Decitron：同为决策AI，为什么不是一回事？ 思邈 2026-09-23 14:38:07 来源： 量子位 允中 发自 凹非寺 量子位 | 公众号QbitAI 最近，一个叫Jev的新模型突然火了。 它来自TypeSafe AI。这支有OpenAI背景的团队没有继续卷生成和推理，而是换了个方向：让AI直接做判断。 他们甚至把口号直接写成：Decisions, not strings（要决策，不要文本）。 Jev的走红，也让“Decision”（决策）重新成为AI圈的热门词。 但如果把时间线往前拨几个月，会发现这条趋势并不是今天才出现。 在Jev受到关注之前，国内已经出现了一条“ 决策AI ”路线。今年6月，中科闻歌（此前被部分媒体称为“决策大模型第一股”）发布了 通用决策大模型Decitron决策机 ，尝试将世界模型、多智能体推演、博弈与求解纳入统一的决策框架。 那么问题来了：同样都在讲“决策AI”，Jev和Decitron，到底是不是一回事？ 答案是 否定 的。Jev和Decitron都在讲Decision，但对“决策”这件事的理解并不相同。 Jev把决策做成一个瞬时判断，Decitron则把决策变成 一场对未来的推演 。 一个解决“此刻选什么”，一个解决“选完之后，接下来会发生什么”。 它们为什么值得放在一起比？ 乍看之下，两者差得很远。 Jev强调快速判断，主要服务软件和Agent；Decitron强调复杂世界推演，面向战略、产业和复杂系统决策。 但如果把镜头拉远，会发现它们其实在做同一件事，即 都在重新思考：AI的输出，能不能不止是一段文本？ 过去的大模型默认输出是一串文字。 你问一个问题，它生成一个答案，再由人或程序决定下一步怎么办。 Jev对此非常直接：不要文本，要决策。它把AI输出变成Choice、Score、Probability，这些软件可以直接执行的结果。 AI不再只是“回答你”，而是开始直接参与程序分支和行动。Decitron则从另一条路线走到了同一个问题。 它关注的不是生成一篇“关于未来的分析”，而是 把现实世界拆成状态、主体、行动和结果，再通过多智能体推演、博弈和求解，比较不同路径 。 所以，Jev和Decitron第一个真正共同点是：两者都在尝试让AI的输出从“生成内容”，进一步走向“支持判断和行动”。 第二个共同点，是两者都强调不确定性要被显式量化。 Jev告诉系统：我选择A，但把握只有72%。 Decitron关注的则是另一种不确定性： 在不同主体、行动和环境变化下，未来可能沿着哪些路径演化。 一个量化的是 当前判断的不确定性， 一个处理的是 未来演化的不确定性。 背后的思想却是一致的：AI不能只给结论，还要告诉你这个结论有多可信。 更重要的是，它们都在尝试把“决策”变成一种独立的AI计算范式。 Jev的逻辑是：输入状态 → 输出判断；Decitron的逻辑是：输入现实 → 建模世界 → 模拟行动 → 推演结果 → 比较策略。 一个把决策压缩到极短时间内，一个把决策展开成多个未来世界。 Jev：把决策压缩成一次判断 Jev要解决的，是那些必须马上给出答案的判断题：A还是B？风险有多高？要不要转人工？下一步走哪条流程？ 比如一个客服系统收到：“我的信用卡重复扣款了。” 传统大模型可能先生成一段分析。而Jev更希望直接输出：Billing：96%；Fraud：3%；Other：1%。 然后程序马上进入下一步。 所以从工程角度看，Jev干了一件很有意思的事：它把传统软件里的if/else，升级成了AI版if/else。 过去程序员需要提前写死：如果A发生，就执行B。现在可以变成：如果AI判断A发生的概率超过80%，就执行B。 这也决定了Jev最核心的目标：快、便宜、稳定、可以直接嵌入软件。 Decitron：把决策展开成一场推演 但有些决策，根本不是一道“选择题”。 一家企业要不要扩产？如果扩产，竞争对手会不会降价？如果竞争对手降价，市场格局会不会变化？如果同时遇到政策、原材料和需求变化，原来的选择还成立吗？ 到了这里，“A还是B”已经不够用了。 因为在真实世界中： 你的选择，会改变世界；世界改变以后，别人也会重新选择。 这正是Decitron试图解决的问题。 它不是只看“当前选什么”，而是进一步建模：State → Action → Outcome。 也就是现在世界是什么状态？不同参与者采取什么行动？行动之后，世界会变成什么样？然后继续下一轮。 企业行动，竞争对手回应；竞争对手回应，市场变化；市场变化，各方再重新决策。 决策不再是一个点，而是一条不断生长的时间线。 因此，Decitron引入世界模型、多智能体推演、博弈和求解。 简单理解一下，世界模型负责搭“沙盘”；多智能体负责把不同参与者放进去；博弈和求解负责计算不同选择可能把世界推向哪里。 真正的分水岭，在于两者对“决策”的不同理解： Jev把决策做成当下的一次判断，Decitron把决策展开成对未来的一场推演。 从Generation到Decision，AI开始换战场 Jev为什么偏偏在这个时候火了？ 因为AI行业正在显现出一种趋势：生成式AI解决“怎么回答”，决策AI开始解决“怎么选择”。 今年6月，中科闻歌发布Decitron，把“通用决策大模型”正式推到台前；几个月后，Jev又以“Decisions, not strings”迅速受到关注。 Jev把“判断”做得更快、足够便宜，让它进入软件和Agent的日常流程；Decitron则瞄准更复杂的决策问题，通过世界建模、多智能体推演和求解，比较不同选择可能带来的结果。 一个处理“现在怎么选”，一个处理“选完之后会怎样”。 但两者放在一起，至少说明了一件事：当“会生成”逐渐成为AI的基础能力，行业开始把注意力投向“会不会决策”。 下一场较量，也许不只在“会不会说”，而在世界不断变化时，AI到底“会不会选”。 *本文系量子位获授权刊载，观点仅为原作者所有。 版权所有，未经授权不得以任何形式转载及使用，违者必究。