微软也下场做决策模型了，Jev 同一周融资 8.7 亿美元：这个品类，正式进入「大厂时间」！

admin@yesmiracle.net (万戈) — Sat, 10 Oct 2026 00:00:00 +0000

如果你上个月问我「决策模型」是什么，我会说那是 Jev 一个人的品类。这周之后，我不敢这么讲了。

两件事撞在一起。先是 10 月 9 日，微软发布了一个叫 Microsoft-Decision-1 的模型，定位很直白——「fast decision-making」。紧接着，Jev 的东家 TypeSafe AI 宣布融资 8.7 亿美元，估值 75 亿美元，a16z 领投，Martin Casado 进董事会，红杉、DCVC 跟投，官方稿里还补了一句「财富 500 强里有三分之一在『Jev on』」。

半年前，你跟我聊决策模型，我大概率会先解释一遍它跟 LLM 的区别（我们之前也写过《TypeSafe AI Jev 深度解析》）。现在不用解释了——微软自己下场，等于替这个品类做了最好的背书。

我想借这两件事，聊聊一个更别扭的话题：当大厂决定抄，一个品类的护城河到底还剩什么。

微软这次发了什么

先把事实摆清楚。微软这篇发布稿的作者是 Office of the CTO 的 VP of Engineering，措辞很克制，但信息量不小。

Microsoft-Decision-1 不是又一个聊天模型，它是一个决策打分模型：给定一组固定选项，它给每个选项输出一个校准过的概率分数。支持 yes/no、多选、打分，也支持对 AI 回答和 agent 动作做 rubric 评分——全部通过一次结构化的 API 调用。

底座这件事最有意思：它是**在 Qwen3.5-9B 上做后训练（post-train）**得到的，做的是单遍（single-pass）决策打分，而且微软明说，后面会「rebase 到别的底座上，包括自家 MAI 和 OpenAI」。这句话你多读两遍——一个 9B 的开源模型，后训练一下，就成了微软的决策模型产品线。 这是「大厂两周抄完」最赤裸的一次示范。

性能上，微软给的是：在36 个 benchmark、约 15 万个问题的对比里拿到最高准确率（题目对训练是盲的）；速度上，比第二名 H2O-Lightning-4B v1.1 快 2.5 倍，比 GPT-6 Sol 快 35 倍（P50 延迟）。它还专门讲了五件事：速度、泛化、鲁棒性、校准、安全。

其中两个数字我觉得值得单独拎出来。

鲁棒性：微软把同一个请求做 8 种扰动（改写措辞、调换选项顺序、加格式噪声等），测决策翻盘的频率。结果是平均 1.3% 翻盘，而在「选项描述改写」「选项顺序颠倒或打乱」这两种情况下是 0 翻盘。这解决的是决策模型最要命的工程问题——同样的输入，别给出两个不同的决定。

校准：微软强调「概率本身是 API 的一部分，不只是排名分」，所以一个 90% 的预测，在代表性样本上应该大约对 9 次。这句话是整个发布稿里最关键的一句，后面我会说为什么。

另外，发布稿末尾有一行编者注：这篇文章后来更新过，补上了 Jev 在准确率和校准上的 benchmark。也就是说，微软自证成绩的时候，对标对象里赫然写着 Jev。而它选来测「公开模型」的排行榜，是 JevBench——Jev 自己的榜。

这两个细节加起来，说明了一件事：这个品类的公共标尺，是 Jev 定的。

Jev 那边，钱到了

再看 TypeSafe。8.7 亿美元、75 亿估值，领投是 a16z。官方稿写得很有个性，基本是「我们融了一大笔钱，然后会把它变成给你们的好处」的调子。给开发者的承诺是「更多 machine-native 的模型」，给企业的承诺是补齐企业功能，给潜在员工的承诺是「我们是家真公司，稳」。

真正有信息量的是一句：「财富 500 强里有三分之一在用 Jev」，以及「已经在生产环境帮客户省了数百万美元」。

把两件事放在一起看，味道就出来了。

同一周，两个相反的信号

我做了一张表，把这次直接对上的两方摆在一起。声明一下：微软那列来自它的发布稿，Jev 那列来自 TypeSafe 官方稿和它公开的定位，凡是官方没说的我都留空，不替他们填。

维度	Microsoft-Decision-1	Jev（TypeSafe）	通用 LLM 基线
底座	Qwen3.5-9B 后训练，将 rebase 到 MAI/OpenAI	自有 System One 模型	通用大模型（如 GPT-6 Sol）
定位	路由 / 分类 / 优先排序 / 校验 / 工作流控制	结构化决策与打分	生成文本、推理
延迟	号称 P50 比 GPT-6 Sol 快约 35x	—	基线
校准	概率即 API，90% 应约等于 9/10 命中	被微软拿去对标校准	需额外工程
分发	Microsoft Foundry + OpenRouter + 自家 Copilot/XBOX	企业直销 / API	各家平台
成本信号	内部 XBOX 用例称比 GPT-6 Sol 便宜约 200x	—	—
时点	2026-10-09 发布	同周宣布 8.7 亿美元融资	—

看这张表，你会注意到一个不太好受的事实：左边那一列，几乎每一项都是「微软把某个东西做得更便宜、更快、更容易拿到」。 而右边 Jev 那一列里，真正拿得出手、且别人短期抄不走的，只有两样——先发的模型积累，和那份被全行业拿来当标尺的 benchmark。

我的判断

热闹的是融资数字，残酷的是分发逻辑。说几个我自己的看法。

第一，决策模型在「模型层」这件事上，已经被微软亲手证伪了。 一个 9B 的开源底座后训练一下，就能在自家 36 个 benchmark 上拿第一、速度甩开一个量级——这意味着「训一个决策模型」本身不再是什么护城河。半年前这可能是 Jev 的独家手艺，现在门槛被微软拉到「拿 Qwen 微调一下」。所以 10 月 3 日我写过《14 天，OpenAI 就抄了个 Jev！》，那篇讲的是 API 层的复制；这周发生的是模型层 + 分发层的正面进攻，比那次狠得多。

第二，那 Jev 的 75 亿估值买的是什么？买的是模型之外的东西。 既然模型层能抄，钱就一定不是为模型付的。它买的是三样：一是 benchmark 的定义权——JevBench 成了这个品类的公共标尺，连微软自证都要贴着它测，这是「规则制定者」的位置；二是企业信任，「财富 500 强三分之一在用」这种数字，是几年才攒得出来的销售资产；三是那套 harness 和数据积累。在模型被商品化之后，价值会往两头跑——往下跑到数据和校准，往上跑到「谁能定义什么算对」。

第三，真正的战场其实是「校准」，不是「准确率」。 微软这篇稿子最重的一段给了校准（90% 就该对九成）。为什么？因为决策模型一旦进了生产——路由、风控、审核、agent 的 guardrail——它输出的不是一个待审的文本，而是一个会被软件直接执行的动作。这种场景下，一个「不准但自信」的分数比一个「不准且谦逊」的分数危险得多。所以微软专门补测了 Jev 的校准——这是在暗示：准确性大家都能卷，校准才是分别高下的地方，而校准不是调调参数就有的，它需要真实场景的分布数据。这才是 Jev 那 75 亿里最硬的一块。

第四，商业化的残酷面是价格。 互通的地方在于，微软把 Decision-1 直接摆进了 Microsoft Foundry 和 OpenRouter，还给了自家 Copilot、XBOX 用作背书（XBOX Research 那个用例号称比 GPT-6 Sol 便宜 200 倍）。也就是说，这个品类从诞生的第一周起，就被塞进了大厂的分发管道和价格战里。对做 routing、分类、内容审核、guardrail 的团队来说，这当然是好消息——多了一个便宜得多的选项；但对一个靠卖决策模型 API 为生的公司来说，大厂自带渠道 + 自带补贴，是比任何技术竞争都难打的仗。

第五，也得给微软这份成绩打个折。 「36 个 benchmark 拿第一」是自家的 benchmark 组合，「比 GPT-6 Sol 快 35 倍」是自家的测量，底座是 Qwen 后训练、且没公布训练细节和成本。这不是说它在吹——这类发布稿的自证属性是行业惯例——而是说，真正的检验在独立复现。上一次大家被「发布即第一」的榜单教育过很多轮了，这次我建议同样保持一点怀疑：等第三方把它的校准曲线和自己的数据一测，再说它到底省不省事。

那这周对做 Agent 的人意味着什么

不谈谁赢谁输，说点能照做的。

如果你在做 agent 的路由、分类、内容审核、或者动作 guardrail，现在的选项结构变了：过去你得在「通用 LLM 硬扛（贵、慢、概率不可靠）」和「自己训/买决策模型（贵、要数据）」之间选，现在中间多了一条——一个便宜量级、速度甩开、概率带校准的现成打分接口。对这类「高频、低风险、要求结构化输出」的判断，决策模型本来就比 LLM 合适，现在它变得更便宜了，这条线只会往更多场景铺。

但有三个坑要算清楚。一是迁移成本——你的判断逻辑如果已经写死在某个 LLM 的 prompt 里，换到决策模型的 API 形态（固定选项 + 概率）是要重构的。二是校准的复现——厂商宣传的校准是在它的样本上，你的分布不一样，落地前得自己重测一遍。三是锁定——微软明说底座会 rebase 到 MAI/OpenAI，意味着同一个产品背后的模型会换，你的决策分布也可能跟着漂，这件事得有监控。

写在最后

决策模型这个品类，前半程是个技术故事——有人证明了「不用生成文本也能做决定，而且更快更准」。这周之后，它变成了一个分发故事——大厂把「训一个决策模型」拉低成「微调一个开源底座」，然后把成品塞进自己的渠道和价格里。

所以 Jev 那 75 亿，成立与否不看它模型多强，看它能不能在「模型被商品化」之后，继续握住那两样抄不走的东西：定义 benchmark 的权力，和让企业相信「同一个问题永远返回同一个决定」的信任。 前者它已经握住了（连微软都在用它的榜），后者才是接下来真正的仗。

热闹的是融资数字。真正决定结局的，是当微软把 Decision-1 变成一个 Foundry 里的 SKU 之后，还有多少人愿意为一个「决策模型」单独付钱。

Decision Model on AI博士万戈

微软也下场做决策模型了，Jev 同一周融资 8.7 亿美元：这个品类，正式进入「大厂时间」！

微软这次发了什么

Jev 那边，钱到了

同一周，两个相反的信号

我的判断

那这周对做 Agent 的人意味着什么

写在最后

相关阅读

Decision Model on AI博士 万戈

微软也下场做决策模型了，Jev 同一周融资 8.7 亿美元：这个品类，正式进入「大厂时间」！

微软这次发了什么

Jev 那边，钱到了

同一周，两个相反的信号

我的判断

那这周对做 Agent 的人意味着什么

写在最后

相关阅读

Decision Model on AI博士万戈