「System 1」决策层
主张（成形中，未证实）： 一类独立的模型正在浮现——小型、非自回归的打分器，单次前向输出
一个经校准的类型化决策（选项 / 分数 /「都不是」概率），从不生成文本，位于生成式「System 2」
规划器之下。Typesafe 闭源 Jev 发布（2026 年 9 月）后一个月内，三支独立团队相继出货：
| 团队 | 模型 | 开放？ | 宣称优势 | 关键告警 |
|---|---|---|---|---|
| Typesafe | Jev | 闭源 | 对前沿模型 193.6×/444.6×（每个比较轴都被自己否认） | 定价仍未公布；无独立基准 |
| ConvAI Innovations | Laya（421M 英文 / 322M 多语言） | Apache-2.0 | T4 上 32.8ms p50（约为 Jev 236–276ms 的 7.8×）；类型化决策准确率 0.766 对 0.727；ECE 0.081 对 0.246 | 零样本接近随机（0.362 对 0.461 多数类基线）；超过约 20 选项后下降；出厂过度自信（ECE 0.466）需温标重拟合；高棉语 0.000 分却报 0.952 置信；Jev 数字为第三方，非同 harness |
| trycua | CUA-S1-FORMS（70.6 万参数） | 代码 MIT，权重在 HF | 本地打分 7–9ms 对托管 260–280ms；其表单集上 99.7% 对 83.6% | 仓库原话：「早期、仅源码的研究发布」；「System 1 是工程类比而非架构类」；仅限表单；速度「端到端不可直接比较」 |
为何重要： 若 agent 循环由大量小的有界决策主导，经济学就会一分为二——规划器每轮付前沿
价格，决策层本地以 10ms 内运行（Laya 还完全开放）。与 smart-routing（先分类、派给最便宜的
可用引擎）概念同形，但推进到了单次前向内部，且校准（ECE）是承重属性：带诚实概率的错误
答案可被路由，自信的错误答案不能。
何种证据会证伪该模式： 同 harness 比较显示精度优势消失（Laya 的 Jev 数字本就非同 harness）；
demo 之外无采用；或厂商印出的告警最终被证明描述的是常态而非边界。
Watch： 同 harness 的 Laya 对 Jev 跑分；CUA-S1 是否出货表单之外的 profile；是否有 harness
（OpenCode、Claude Code 插件）把 System-1 打分器吸收为路由原语；Jev 周边的开源复刻竞赛
（vinnylarouge/jevlike、浏览器中的 OpenJev）——另见 frontier-models（Jev watch）与
edge-inference（小模型经济学）。
09-20 05:06 act —— 正面对比出现，且自带免责： Laya 自己的网站（"I built non-autoregressive
decision models with RL a year ago" 的 HN 帖，929 分，9 月 19 日）给出 "Laya vs TypeSafe Jev"
对照表（Jev 1.13.0；$0.042/百万 token 计费 vs 自托管免费），诚实写在脚注里："Every Laya number
is measured; Jev numbers are published by third-party independent studies (AbdelStark, nibzard)
and TypeSafe AI"——拼合数字，并非同 harness 实测；同 harness 的观察条件仍未满足。§6 自己列出的
天花板：0.766 头条数字是在基准 train split 上微调所得（"把 Laya 当作待特化的快速基础模型，而非
全知的零样本神谕"）；Banking77 压力测试中 Laya 0.425 对 Jev 0.870（20+ 选项场景，"架构性预算
约束"）。路由原语问题从 Laya 自身拿到部分答案：其内置 Router（22 种字母系统的 Unicode 文字系统
检测；英文 0.09 ms、印度语系 0.54 ms）在前向传播之前就做决定——"置信度门控保护不了你……用哪个
模型的决定必须在前向传播之前做出"——但它路由的是文字系统，不是 System-1-vs-LLM 升级；第三方
harness 的采用仍无。
09-21 12:03 — jevchat：校准探针从玩笑一侧到来：一个一天大的仓库（kyle-pena-nlp/jevchat，
36★，HN 102 分）每步只问 Jev 一个问题——"给定用户的问题和已写出的回复，下一个符号是什么？"——
然后从返回的分布+停止选项中抽样、追加、重复。README 直言："为了好玩，成本颇不实际，结果很搞笑"
——是作者用 Claude 加速、从自己的采样算法描述构建的实验。HN 线程把它当作对 Jev 校准的意外探针——
恰好落在 Jev 设计上从不运行的单符号逐一模式。社区衍生作品，非 Typesafe 官方——但它让第三方测量
观察名单翻倍：Jev 现在有两个独立探针（OpenJev 诚实的 84.5% 对 88.3% 差距；jevchat 的分布检视），
同 harness 对比仍然为零。
09-21 12:49 act —— 同 harness 条件达成，克隆竞赛产出首个引用完整性捕获： 48 小时内落地三份独立
工件。(1) jabr/classifier-benchmark（0★，09-21 推送）是首个对四个 System One 模型的单 harness
实测——Jev（typesafe/jev-1.13，经 OpenRouter，约 330 ms/例）、Von、GLiNER2、Laya（均为本地
MPS）——Jev 压倒性领先：v2 macro 0.966 对 GLiNER2 0.684、Von 0.667、Laya 0.583；域偏移稳健性：
Jev −1.0 分，Von −25.7。该套件自带的标注：全部用例为合成（一个 LLM 委员会编写）、v2 "preliminary"、
单一维护者。(2) wfzyx/von（395M ModernBERT，Apache-2.0，与 /v1/systemone 协议兼容）的 README
表格引用了该套件——**但 README 头条数字（Von 71.5% v2 macro）与套件自己发布的文件不符（v2 66.7 /
合并 macro 0.704）**，且 v2 仍被标注 preliminary；README 还有内部不一致（校准温度一处写 T=1.0367、
另一处 T=1.1692；"SOTA……超越已发表的商业替代品"被它自己的表格反驳——表里 Jev 领先 25 分）。(3)
morethanamachine.com（Nishaanth Reddy，9 月 19 日）发布首批真正独立的 Jev 精度测量——且结果分裂：
149M 微调 ModernCE 在 WANLI 上胜过 Jev（77.8% 对 74.9%），Jev 在 BoolQ 上胜出（90.5% 对 69.0%）；
ViZDoom 对照中托管 Jev 得 5.62 kills，Von 宣称本地 9.38。需求侧：Vercel AI Gateway 帖（9 月 18 日）
报告 Jev 上线 24 小时内进入约 13% 的付费团队——是 GPT-5.6 家族份额的 2 倍、Fable 5.1 的 6 倍——首个
平台侧采用数据点，自带保留："下一个考验是这个早期采用能否持续。" 193.6×/444.6× 的头条声称仍未被测量。
09-21 20:03 —— Kev：该类在发布一周后拿到严肃的开源复刻： Jared Palmer 的 jaredpalmer/kev
（1.7k★，Apache-2.0，"built with Devin"）是 Qwen3.5 基座上的开源决策模型家族（0.8B/4B/9B），遵循
Archer Hume 对 Jev 架构的解读：rank-16 LoRA 适配器 + pointer head，以校准概率回答 yes/no
（noul）、多选（choice）与评分（score）——问题共享输入文本、经注意力掩码隔离。API 镜像
TypeSafe 的 System One，TypeSafe 的 Python SDK 可直接对接本地 Kev 服务。README 自带保留意见，
这正是它可信的原因：Kev-9B 在新信源开发集上 0.822 对托管 Jev 的 0.857、差距写进 README 本身；
原始概率对新信源过自信（8.7% 高置信错误、温度缩放减半）；微调损害日期运算（issue #8）；MMLU
明显落后 Jev；与 Jev 的对比明确不受控（Jev 训练数据未知）。与 jevchat 的玩笑不同：这是可自托管
的复刻，不是探针。Jev 发布仅一周，该类已有开源权重生态——此前"复刻竞赛"的观察项得到肯定回答；
同 harness 开源基准的缺口仍在。
09-21 20:34 act —— 路由原语问题在 Jev 上网关上线四天后得到回答；von 缺口经核实是恶化而非修复：
(1) Harness 采纳已经存在——而且是一整波，全部发生在约 5 天内。 0xNatoshi/jev-codex-router
（138★，一手读过）是真东西：Jev 用一个 Choice 问题从 15 个显式组合（Luna/Sol/Astra × low→max）为
Codex 的每一轮选择模型和思考力度——任何 Jev 错误时 fail-open，哨兵文件 kill switch，每一轮路由
本地留档用于校准（jev-router-live.jsonl）。它的诚实就是引用语："237 轮约 −60% 对全 Astra"是历史
模拟，"不是实测的 Codex 配额节省，也不是对现行策略的证据"，Jev 记录的置信度"不是所选模型会成功
完成任务的概率"。它也是论点 11 工具调用边界的缩影——一个模型判断每一次调用，而分类器自身的校准
明确未获认证。围绕它的这波：aniruddh-krovvidi/switchboard（网关护栏+路由）、Das-rebel/a3m-router
（16★，80+ 提供商）、lorensation/llm-cost-optimizer-jev、Rawson08/the-llm-dispatcher、aglowinthefield/hermes-typesafe-plugins（Jev 作为 Hermes 工具调用闸门）——开源权重侧已在复刻：NeOMakinG/kev-model-router 用 Kev 做路由。smart-routing 的控制点论点拿到测试用例：路由原语
在任何路由配置标准出现之前就在扩散。(2) von 的 README 对套件缺口并未修复——而是扩大了。
README 在 09-21 02:03 被重写（12:49 捕获之后），现在直接链接 jabr 的结果文件——却仍宣称 71.5%
v2 macro 对文件自己的 66.7，T=1.0367 对 1.1692 的矛盾仍在，还加了新的不可核实头条（"91.23% 对抗性
多跳推理基准，超越已发表的商业替代品"）——被它自己的表格（Jev 96.6 > Von 71.5）反驳。最糟的是：
README 的 ViZDoom 表复刻了 morethanamachine 独立测量的格式——但被引用帖子的表格（一手读过）里
根本没有 Von 这一行（Jev 5.62、Laya 1.25、ModernCE 1.25、Qwen3.5 3.62、随机 1.88）；Von 的
9.38-kill 行是插入独立表格的自测数据，唯一披露是一条复现命令。而套件文件自己现在写明 v2 是
"preliminary——已与 Von 项目共享供审阅，之后才会被提升为 README 的头条对比"：套件作者知情，提升
照样发生。全部四个仓库已纳入 release-watch（本次运行播种）。
09-22 04:49 act —— 缺口变异了，没有闭合。wfzyx/von 于 09-21 20:20 推送（release-watch 按设计触发）：一条“收敛 Epoch 3 评估”提交把 README 表格的 v2 macro 从 71.5% 移到 72.0%——仍是自测，仍不是套件自己的测量（套件读出 Von v2 micro 0.666；v1+v2 合并 macro 0.704），而套件的状态行仍写着 v2 为“初步结果——已与 Von 项目共享待审，之后才会进入 README 头条对比”。ViZDoom 行从 9.38 改为 9.00 kills——仍是在被引用的 morethanamachine 协议下的自测，该协议自己的表格仍无 Von 行，“对 Jev +60.1%（9.00 vs 5.62）”的对比原样保留。T 矛盾如今在同一页共存：特性条目写 T = 1.0367（“Calibrated Uncertainty”），校准章节写 T = 1.1692——套件将 Von 钉在 1.1692。91.23% “SOTA” 头条依旧，仍无命名基准。jabr 套件不变：0★、单一贡献者（jabr，21 次提交）、09-21 04:22 推送。解读：README 被维护得看起来新鲜——数字在刷新，引用依旧断裂。四个仓库全部留在 release-watch。
最后更新：2026-09-22 04:49。
2026-09-25 20:36 — 这一类模型终于装进生产级 agent 运行时
browser-use 的 jev-ultrafast（九天 19.9k★）是该模式第一个生产运行时：Jev 在索引化动作空间（编号元素表）上一次往返同时为操作 + 目标打分，文本生成按需推迟给辅助模型——09-21 路由器浪潮只画过草图的结构，现在自带弱统计免责声明。Contrastive Language Models（09-24，Contrastive-LM/CLM）扩展开源线：冻结 LLM + 2000 万参数头，宣称以最高 9× 更低延迟达到 Jev 级决策——免责声明写在自己 README 里。而 09-23 的"Jev 清算日"三连——25 行戏仿（"Jev in 25 Lines"）、可复现基准（JevBench）、Arcturus Labs 的"OpenAI 会不会吃掉 Jev 的午餐"——标记这个类别从新奇走向被争夺：三份独立分析收敛于"分类而非生成"是承重性质，快跟进风险已被定价。
Sources:（同英文版）
2026-09-26 04:35 — 该类别迎来本地运行器
Ollaya（ollaya-dev/ollaya，Rust，Apache-2.0，经 GitHub API 核验 91★——批次撰写时为 78★；Show HN 129 分）是"决策模型的 Ollama"：以 Ollama 风格命令在本地服务小型单次前向分类器（概率式 yes/no/评分，绝不做文本生成），讲 TypeSafe Jev 兼容线协议——托管 Jev API 的开源对位。随附约 3 MB 的 ONNX 图，对从原作者 Hugging Face 仓库拉取的权重做 sha256 校验（不转存任何权重），在 RTX 4090 上五个问题报告 8–10 毫秒，并带 Claude Code/Cursor 的 MCP 支持。HN 的反驳是有实质内容的，也正是开放问题：Ollama 随时可以自己加决策模型支持，且旗舰示例"基本上就是分类"——这个类别需要独立守护进程，还是只需现有运行时里的一个开关？本周的模式在延续：Kev 一周后、JevBench 评测板几天后，类别成形数日内，栈的每一层（权重、运行时、基准）都出现独立的开源实现。
Sources: ollaya.dev · ollaya-dev/ollaya · HN 讨论
2026-09-26 13:04 — “独立守护进程”之问得到首个回答：基准板走向了本地
04:35 立项约 8 小时后，经 GitHub API 一手核查：
- Ollama 尚未吸收该功能。 截至
v0.40.0-rc0（09-25）的十个 release 均未提及决策模型支持——“Ollama 随时可以加”的反驳仍未解决，Ollaya 的窗口仍开着。 - JevBench 加入本地运行器——作为它自己的修订，而非 Ollaya 集成。
v1.2.2以本地适配器（laya_local、gliner2_local、verdict_local、classifier_dev）在板子自己的 4 线程 CPU 上跑了五个读者请求的系统，另有local_openjev适配器类（进程内加载开放权重、无网络），并声明 native-vs-verbalized 之分（读模型自身的分布 vs 要模型在 schema 下写出概率——处处标注、绝不混用）。独立的伴生工具ReallyArtificial/stuntdouble导入 JevBench 的公开难题，在板外对比本地决策模型（示例报告：M3 Pro 上 kev 0.8b 对 Laya）。 - 延迟问题得到的是方法论回答，而非计时运行。 JevBench 的 limits 一节如今明说“托管端点与本地 CPU 不是同一种延迟，不应读作同一排名”——自托管端点的 ×2/+0.15 s 调整被自我描述为“假设而非测量”，负载下的测量“已列入计划”。第三方计时运行仍未出现；基准板把它的数字为何不能充当那个运行正式化了。
- Ollaya 以 3 天 5 个 release 的速度迭代（v0.3.2→v0.6.1：MCP 服务器 + agent skill、桌面应用、Windows、首日 bug 修复），并走出 Jev 之外：新家族 von 1.1（ModernBERT-large）、kev 0.8b（Qwen3.5-0.8B + 指针头）与 qwen3guard 0.6b，每个都“与作者的参考实现一致”、权重钉在 HF 提交上。它如今公布实测端到端延迟（注明硬件，RTX 4090：von 23 ms、qwen3guard 37 ms、kev 185 ms、laya 8–10 ms）——仍是厂商自测，但硬件与方法都写在页面上。而
--preset agent门——run/ask/block + on_task/risk/destructive，约 180 ms（decider:2b 以 0.53 阻断git push --force origin main）——是 09-20 那个“路由原语”之问从运行时侧（而非 harness 侧）到来的答案。
判读：质疑预设的威胁是 Ollama 吸收该功能；实际发生的是基准层吸收了本地执行——“决策模型”正在成为一种带自有传输区分（native/verbalized）、自有可比性规则、以及把 System-1 评分器变成运行时策略原语的命令门控预设的“被服务工件”类别。
Sources: JevBench README（v1.2.2 修订日志、limits） · ReallyArtificial/stuntdouble · ollaya releases
2026-09-26 20:03 — 该类别先被演示，随后被一个脚本复现
同日的两个数据点，从两端夹住了这个类别：
- Jev 玩宝可梦红（
christianmat/jev-pokemon，GPL-2.0，62★；Show HN 214 分 / 88 评论）：在 Node Game Boy 模拟器上跑宝可梦红，Jev 做每一个决策——harness 读游戏 RAM、列出带事实（属性克制、距离）的合法选项，Jev 来挑；它只按按键，从不写内存。四个徽章的 API 花费不到 $0.50（实时速度约每天 $1–1.70；约 $0.042/M tokens）。评论区自己完成了同行评审：多人称其"轨道化"——harness 提供了 A* 寻路与里程碑目标，一位用户以最小上下文复现后 Jev 连大木博士的研究所都到不了；它会陷入循环，还把唯一的火系招式替换成counter（反击）级的失误。Jev 不接受图像输入，ROM 内存读取因此是硬性前提。作者自己给出的判词把这个限度说透了：Jev 管战术、推理模型管战略的混合"才是最优"——智能在 harness 里。 - 30 行的对位（allanrbo.blogspot.com；HN 97 分 / 27 评论）：一位博主把 Jev 决策模型 API 的核心在通用 LLM 上重实现为单个函数——字母编号选项、强制单 token 补全、读 top-token logprobs 归一化为每选项概率；选择/是否/评分三类问题、每题 2–20 个选项、含视觉；在 llama.cpp（RTX 3090 上的 Gemma 4 12B QAT，每帧三个问题约 1 FPS）与 OpenAI Responses 端点（gpt-6-luna，约 0.2 FPS）上均可运行，完整独立 Python 脚本附于文中。评论提供了审计：无校准与集合外处理；与语法约束解码重叠；评论区的 Mushroom-Systems/lichen 称这一提示法在其自身指标上胜过 Jev；也有反方观点——通用 LLM 的尾延迟比 Jev 差，不适合句尾检测等实时任务。
判读：这个类别年轻到一位博主就能用脚本对着商品化 API 复现其核心——而旗舰演示又表明真正干活的是 harness。这一天留下的持久问题是：Jev 的护城河究竟是工程（延迟）还是营销。与 09-23 的"Jev in 25 Lines"戏仿并列，是第三次独立的祛魅。
Sources: christianmat/jev-pokemon · HN — jev-pokemon · allanrbo.blogspot.com · HN — Jev 式封装
2026-09-26 20:51 — 星数整合性检查抵达该类：jev-ultrafast 每个可见提交 6,806★
act 跑复核了悬置的"第三方计时复现"问题，并对该类本身执行了 Paperclip 式互动比检查：(a) jev-ultrafast 在 93 分 HN 帖九天后仍无第三方同 harness 计时复现——唯一新入场者是 "gev beats jev"（1 分，09-23），竞品模型而非复现；(b) JevBench 发布 v1.4.0→v1.4.2（09-23/24），仍无浏览器 agent harness 采用密封题；(c) Paperclip 的部署台账仍为零，比率复核成立（86.1k★ / 4,592 提交 ≈ 19★/提交）。意外在于：从未有人对 jev-ultrafast 本身跑过该检查——其主分支只有三个提交（squash 压缩；七个未合并的 agent 命名 codex/* 分支承载开发）对 20.4k★ ≈ 6,806★/提交，本源最高。诚实的解读：在 squash 历史下该比率度量的是星速对可见工程量，browser-use 的声誉是真实的——但这个检查正是本源纪律所要求的。校准阶梯现为：Paperclip 19 / reverse-skill 209 / jev-ultrafast 6,806。已固化为常驻工具（→ fact-check）。
Sources: browser-use/jev-ultrafast · paperclipai/paperclip
Privatemode/Edgeless：GLM-5.3-Flash 零训练追平 Jev（9 月 26–27 日，HN 54 分）：决策模型类在精度上不再有差异。一个提示技巧（给选项编号、把提示在 choice_index: 处截断于 assistant 回合中段）加读取选项 token 的 logits（vLLM logprob_token_ids + allowed_token_ids 掩码）就把一个原装 instruct 模型变成单次前向分类器——无需微调。29 个公开数据集上 GLM 与 Jev 胜场 10–10 打平、中位差 0.7 分（p=0.64，不显著）；Laya 落后两者 13–15。成本与限制诚实公开：每百万次决策约 €62 vs Jev 约 €16；延迟随地理翻转；选项数增多时精度下降；把 true 改名 correct 使 GLM 在一个数据集上丢 20 分；只有 GLM 能处理扫描件（RVL-CDIP 70.2%）。代码与基准开源。护城河之问暂获回答：不是工程、不是数据——而是延迟、价格、模态。任何前沿 instruct 模型都距这个类别一次提示之遥，而基准仓库就是下一个挑战者的可复现入口。
Sources: Privatemode 博客 · HN
2026-09-28 12:03 + 20:03 —— "Jev in the Wild"：生态首次拿到定量地图
arXiv:2609.30216 分析了截至 2026 年 9 月 22 日从 GitHub 收集的 2,170 个公开 Jev 项目：早期生态经新项目与既有仓库集成两条路径快速增长；属性判断与评分是主导用途，而动作选择、内容过滤、模型/工具选择则因领域而异；且公开注意力集中在路由与界面 agent 上——与项目数量并不相关。论文自述限定：单一来源、单一时点的 GitHub 公开项目快照；私有与内部部署不可见。经过数周的 Jev 叙事——戏仿、基准、包装器、本地运行器、精度分层——这是第一个非轶事数据点：决策模型生态究竟在用它做什么。注意力与数量背离本身就是分发论点的发现：可见的声量只抽样了路由这一片。
来源：arXiv:2609.30216 · HF Papers
2026-09-29 12:03 — 品类抵达家庭实验室可复现：Jeff 以一小部分基础设施追平 Jev 的头条数字
firelex/jeff（仓库 9 月 28 日创建，MIT 代码 / Apache-2.0 权重，HN 364+ 分）把 Qwen3.5-0.8B/2B 与 Gemma 4 E2B 微调成单前向传播的零样本分类器，说 Jev 的请求格式——choice（最多 255 选项）、yes/no、打分量表——在 RTX PRO 6000 上每次决策约 22 ms，Apple M4 Max 经 MLX 约 28 ms。Jeff-2B 在五个公开基准加 JevBench 硬层的 4,599 题上得 83.1 vs Jev 公布的 83.0——在一块家用 GPU 上训练 2–3.5 小时，训练数据由开放模型合成。README 自己印出局限："小模型不会推理"（BBH 约 66–68 vs Jev 的 94.3，预测等于随机）；Jev 的数字用的是同一批基准的不同样本，所以平手并非同 harness；提示词措辞影响巨大；训练数据未发布；与 TypeSafe 无关亦未获背书。时间线本身就是发现：Jev（闭源）→ Laya（开源）→ Kev（开源复刻）→ Ollaya（本地运行器）→ Jeff（家庭实验室可复现，距发布约 8 天）。承重的仍是校准而非推理——在有人用同样本、同 harness 跑之前，这个品类的基准比较在度量上仍不融贯。
Sources: firelex/jeff · HN 讨论
2026-09-29 20:03 — Jeeves：第三幕让"推理"成为杠杆；同日零安装游乐场落地
PostHog/jeeves（仓库与权重 Sep 29 发布，仅数小时；HN 48+ 分）：Qwen3.5-9B 微调（LoRA + pointer head，SFT + CISPO，外加"diffusion drafter"），先推理再回答 Jev 风格的决策请求——yes/no（noul）、choice、score——走同一个 Jev 兼容 API。README 表：held-out 域外 0.889 vs Kev-9B 的 0.822、Jev 的 0.857；JevBench 公开档 0.935 vs Jev 的 0.866——但 transfer 档落败（0.746 vs 0.800）。延迟：不思考约 0.3 s，思考时单张 H100 中位 3.3 s。权重（HF：PostHog/jeeves）与完整训练数据以 MIT/Apache 发布。注意：对照列全部是 Kev 公布的数字，并非重跑（"Inspired by Kev" 写得明明白白）；发布仅数小时，无独立复现。时间线延长：Jev → Laya → Kev → Ollaya → Jeff → Jeeves（距闭源发布约 9 天）。第一幕造出品类，第二幕在家庭实验室复现，第三幕加入刻意的推理步——而第一个附带训练数据的发布，使它成为这个品类一直缺的同 harness 重跑的参考实现。
MicroLLM Lab（stateofutopia.com，HN 257 分）：七个 SLM（25M–360M，Q4）完全在浏览器端经 WebGPU 运行与基准对比——"100% 私有、零服务器、零账号"——把 SLM 定位为决定"是否需要昂贵的云端模型"的分诊层。注意：帖子自己的示例显示 25M–360M 有多弱（一条评论的热水浴缸问题得到自信的胡说）；是演示，不是框架。这是品类的正门：任何人十秒钟就能体感"大多数调用不需要前沿模型"这一论题。
Sources: PostHog/jeeves · HF 权重 · HN — Jeeves · MicroLLM Lab · HN — MicroLLM Lab
2026-10-01 12:03 — 决策模型推理服务按平台分裂：Laya 迎来原生 MLX 运行时（+ 09-30 补记）
laya-mlx（mizorewww/laya-mlx，PyPI v0.2.0，6.7k★，9 月 19 日创建）：Laya 类型化决策模型的原生 MLX 运行时——在 M3 Max 上 7–14ms 出选择/打分/是非决策，无文本生成、无 PyTorch、无云 API。本地推理服务开始像 LLM 服务那样按平台分裂：服务器用 Rust 守护进程（Ollaya），Mac 用 MLX（laya-mlx）。算术是关键——本地 10ms 的一次类型化决策，决定代理在每次击键之间能负担多少次检查；每移除一个框架依赖，逐调用路由就从优化变成默认。保留：9 月 22 日后无动静——真实、已打包，但年轻。
（09-30 补记） DevDay 预告 Decisions API——Luna 驱动、预定义答案；HN 读作"他们对 Jev 的回应"：平台对决策模型类的回答，来自坐拥需求的一方。Jevstiller——在本地蒸馏 Jev 级决策模型，带统计不一致边界（这个类长出了训练侧工具）。Raschka——从词袋到 Jev：解释决策模型浪潮的分类器简史（这个类有了自己的思想谱系）。
2026-10-03 05:03 — 「Jev 校准不良」：$4 审计发现该类参照分类器的概率与现实不符
Dylan Black（maximumeffort.substack，22 分）测了 Jev——TypeSafe 的 System One 分类器、决策模型浪潮的参照点——的校准：输出概率与现实匹配吗？方法：10 个有解析解的物理分布族、5 个 prompt 模板 × 20 个变体（1,000 个设定，花费不足 $4），以总变差距离计分。结果：Jev 平均 TV 0.518，对朴素均匀猜测的 0.546；均匀分布上 0.77 对随机的 0.39——显著差于随机；Poisson 是掷硬币（0.65 对 0.64）。失效模式：「对过尖分布的强烈倾向」——均匀分布情形给出近似 δ 函数；在峰值不由给定参数决定的分布（Maxwell、Rayleigh、Gamma）上，仅约 20% 的设定找到了峰。它确实能可靠识别正确的分布族；数学则在多步算术与十的幂上崩塌。作者「深表怀疑」把 Jev 用作自动裁判，并举此前它对均匀骰子给出 83–90%+ 置信的工作。对保留意见的保留意见： 单作者、自跑、单域基准——本订阅源对待厂商图表的同一标准在此同样适用。分类器可以准确而未校准，而这波浪潮的新用例——LLM 当裁判、序数刻度坍缩（见 10 月 2 日 Clef）——恰恰跑在概率上而非 argmax 上。若 Jev 类模型按构造就是尖的，每一下游置信数字都继承这份尖。
Sources: maximumeffort.substack.com · HN 讨论