架构成本审查
System One Models：决策模型是什么，成本是多少
七周内，这一类别从一款模型发展到 33 个 OpenRouter 条目。每百万 token 的价格彼此相差仅几美分，因此窗口大小和每个模型背后的证据比价目表更能决定选择。
直接答案
System One 模型，或称决策模型，读取一个状态并返回带概率的类型化答案。它不写文本，在 OpenRouter 上其输出免费。在 500-token 状态下，一百万次决策在 Perplexity 的 Decider Flash 上花费 $5，在 Jev 上花费 $21，在 GPT-6 Luna Decisions 上花费 $50。一个小型 LLM 写一个 20-token 标签花费 $57 到 $125。用决策模型做路由、门控和分诊。凡是有人阅读答案的地方，都保留 LLM。
决策摘要
| 决策领域 | 关键因素 |
|---|---|
| Perplexity Decider Flash V1.2 (+ Flash Latest 别名) | $0.01/M 输入 · $5 每 1M 决策 · 262,144 令牌 |
| Respan Span-02 | $0.01/M · $5 · 131,072 |
| Baseten Joey 1 | $0.01/M · $5 · 16,384 |
| Liquid d1 和 d1.1 (+ d1 Latest 别名) | $0.02/M · $10 · 65,536 |
| Perplexity Decider V1.2 (+ Decider Latest 别名) | $0.02/M · $10 · 262,144 |
| Inception Mercury Decide | $0.02/M · $10 · 65,536 |
| Respan Span-01 / Span-01 Lite (行为评分器) | $0.02/M · $10 / free · 窗口未列出 |
| Baseten Elephant 1 | $0.035/M · $17.50 · 16,384 |
| Cloudflare Clef Flash | $0.038/M · $19 · 24,576 |
| ScaleDown Classify-1 | $0.04/M · $20 · 1,000,000 |
| Nace.AI Drex v1.5 | $0.04/M · $20 · 131,072 |
| TypeSafe Jev 1.14 和 1.13 (+ Jev Latest 别名) | $0.042/M · $21 · 262,144 |
| Liquid d1-ultra (+ Latest 别名) | $0.042/M · $21 · 32,768 |
| Microsoft-Decision-1 | $0.042/M · $21 · 32,768 |
| Together Tev1 4B 实验性 | $0.042/M · $21 · 32,768 |
| Jared Palmer Kev 4B | $0.042/M · $21 · 8,192 |
| Upstage Solar Decide 和 Solar Decide Flash | $0.05/M · $25 · 524,288 |
| Nace.AI Drex v2.0 | $0.06/M · $30 · 131,072 |
| Nace.AI Drex Max | $0.06/M · $30 · 262,144 |
| OpenAI GPT-6 Luna 决策 | $0.10/M · $50 · 1,050,000 |
| Baseten Mammoth 1 | $0.10/M · $50 · 16,384 |
| Cloudflare Clef Omni | $0.15/M · $75 · 65,536 |
| Cloudflare Clef | $0.192/M · $96 · 65,537 |
System One 模型会返回什么
你发送一个状态，例如一张工单、一条 JSON 记录或一个待处理的工具调用，再加上类型化问题。每个问题都是是/否、从多个选项中选择一个，或按量表打分。模型在一次前向传播中作答，并返回一个选择以及每个选项的概率。它从不写句子。
TypeSafe 于 15 September 2026 推出 Jev 时创造了这个术语。这个名字借用了 Daniel Kahneman 的 System 1，即快速、自动的思维模式，与缓慢、审慎的 System 2 相对。这里的聊天模型是 System 2：它能推理和解释，但每次调用的价格更高。
OpenRouter 通过其 Decisions API 和 System One 端点 /v1/systemone 提供这些模型。OpenAI 自己的版本 GPT-6 Luna Decisions 位于 /v1/decisions。请求结构略有不同，但你提出的问题可以沿用。
解读价格表
OpenRouter 列出了 33 个决策模型条目。其中五个是 ~latest 别名，会重定向到一个具名模型；还有一个是 Span-01 Lite 的重复免费路由，因此剩下 27 个不同模型。表格将每个别名与其指向的模型归为一组。
每一行显示每百万 token 的输入价格、在 500-token 状态下进行一百万次决策的成本，以及上下文窗口。中间的数字是输入价格 × 500，因为 100 万次决策 × 500 token 等于 5 亿 token。对于 Jev，就是 500 × $0.042 = $21。每一行的输出费用都为零。
- 最便宜的通用模型：Decider Flash V1.2 和 Span-02，每百万次决策 $5
- 最大窗口：GPT-6 Luna Decisions（1,050,000）和 Classify-1（1,000,000）
- 最贵：Cloudflare Clef，$96，是 Decider Flash 的 19 倍以上
决策模型还是小型 LLM：同一个 500-token 条目
取一个 500-token 条目，让一个小型 LLM 给出一个 20-token 标签。每百万个条目，LLM 需要为 5 亿输入 token 和 2000 万输出 token 付费。决策模型只为这 5 亿输入 token 付费。这 500 个 token 在两种情况下都包含问题文本。
GPT-5.4 nano 每百万 token 的输入费用为 $0.20，输出费用为 $1.25：$100 + $25 = $125。Claude Haiku 5.5 和 GPT-6 Luna 的费用分别为 $0.10 和 $0.50：各为 $50 + $10 = $60。相比之下，Jev 为 $21，Decider Flash 为 $5，Clef Flash 为 $19，GPT-6 Luna Decisions 为 $50。
因此，即使对比批量定价，决策模型在 token 成本上也胜出。批量 Luna 或 Haiku 5.5 为 $25 + $5 = $30，仍高于 Jev。决策模型还省去了解析代码，并返回一个你可以设置阈值的概率。
- Decider Flash V1.2：$5
- Clef Flash：$19
- Jev 1.14：$21
- GPT-6 Luna Decisions：$50
- GPT-6 Luna 或 Claude Haiku 5.5：$60（批量 $30）
- GPT-5.4 nano：$125（批量 $62.50）
何时不该买决策模型
如果输出由人阅读，你就需要文本，而这些模型不会写文本。为决策附上理由、生成摘要，或从文档中提取多个自由文本字段，也是如此。LLM 一次调用就能完成这些。决策模型加 LLM 则是两次调用。
长链推理是第二个差距。决策模型一次就给出答案。需要多步推演的问题，比如核对两份合同，应交给推理模型。无论哪种情况，算术和日期比较都留在你自己的代码里。
第三个差距是准确率。在 Kai Waehner 引用的一项 77 类意图测试中，Jev 得分 79.0%，而两个未具名的 OpenAI 模型分别为 83.9% 和 86.2%，文章称这一差距显著。许多意图和细微区别仍可能更有利于强 LLM。切换前请在你自己的标签上做测量。
窗口大小会改变排名
只有当你的状态能装得下时，每 token 价格才有意义。Kev 4B 支持 8,192 个 token，Joey 1 支持 16,384 个，Clef Flash 支持 24,576 个。一段 20,000 token 的邮件线程能装进 Clef Flash，但装不进 Kev 或 Joey。一份 100,000 token 的合同能装进 Jev、两个 Decider、全部三个 Drex 模型、Span-02、Solar Decide、Classify-1 和 GPT-6 Luna Decisions。
长状态还会让价格差距变成真金白银。一个 100,000 token 的状态，在 Decider Flash 上每次决策花费 $0.001，在 Jev 上为 $0.0042，在 GPT-6 Luna Decisions 上为 $0.01。每天 10,000 次这样的决策，就是每天 $10、$42 或 $100。
本内容集群的其余部分在哪里
要查看按购买推荐排序、并列出每个模型注意事项的榜单，请阅读最佳决策模型页面。要查看正面对比，请阅读 Jev vs Clef（图像、延迟声明和两项独立测试）以及 Jev vs GPT-5.4 nano（决策模型在三种条目大小下对比小型 LLM）。
定价页面逐一介绍 Jev、Cloudflare Clef、OpenAI 的 Decisions API 和自托管的 Laya。9 月关于 Jev vs Laya、Jev vs Kev vs Solar Decide 以及 Jev 是否值得的页面，对于它们各自的问题仍然成立。其中的价格和 Jev 的上下文窗口来自 10 月 1 日。
要点
- →System One 模型，也就是决策模型，读取一个状态并返回带概率的类型化答案。它不写文本，而且在 OpenRouter 上其输出免费。在 500 token 的状态下，一百万次决策在 Perplexity 的 Decider Flash 上花费 $5，在 Jev 上花费 $21，在 GPT-6 Luna Decisions 上花费 $50。一个小型 LLM 写一个 20 token 的标签要花费 $57 到 $125。把它用于路由、门控和分诊。只要有人要阅读答案，就保留 LLM。
- →找出你的应用中运行最频繁的两个决策点，用下表按你真实的状态大小给它们计算成本，并在几百个已标注案例上，用两个决策模型对比你当前的 LLM 调用。
- →这个领域的大多数准确率声明都来自厂商；我们引用的少数独立测试使用的是小样本和较旧的价格点。
What users report
Users who moved high-volume classification calls off LLMs report big cost and speed gains; skeptics say plain LLMs or trained classifiers already did this job.
Paraphrased from public posts, with the date and a link to each original. These are other people's accounts, not our tests, and we have not verified each one.
One user reported that Jev made several workloads previously run on Luna or Gemini "10x cheaper and 2x faster", by their own measurement.
Value · Jev · Hacker News, Sep 2026
A developer reported moving about 20 unreliable Luna judgement calls (tool choice, topic routing) to Jev in a couple of hours; their own numbers went from roughly 70% correct to near 100%, with 800ms median latency.
Switching · Jev · Hacker News, Oct 2026
One user said they use Jev-style models only for straightforward decisions, in 300 ms or less at $0.042 per million input tokens with output unbilled, and not for high-stakes calls.
Value · Jev · Hacker News, Oct 2026
A machine learning engineer argued the hype was overblown, saying plain LLMs had already been "perfectly cheap and serviceable" zero-shot classifiers for some time.
Value · Decision models · Hacker News, Oct 2026
One user tested Jev on OpenRouter and found it only "okay", reporting that a task-specific classifier was significantly better, free to run, and faster.
Quality · Jev · Hacker News, Sep 2026
本页面如何准备
本页价格来自 OpenRouter 的实时模型 API，读取于 2026 年 11 月 3 日。每次决策的成本是状态 token 数乘以输入费率，因为所列每个决策模型的输出都免费；小型 LLM 的成本还要按该模型的输出费率加上所述标签长度。OpenRouter 的额度费用在相关之处单独显示。我们没有为这些页面运行私有基准测试：准确率和延迟数据均归功于测量它们的厂商或第三方，厂商数据会标注为厂商声明。
常见问题
什么是 System One 模型？
一种读取状态，并在一次前向传播中，以概率回答类型化问题（是/否、选一个或一个分数）而不写文本的模型。TypeSafe 于 2026 年 9 月 15 日随 Jev 创造了这个名称，灵感来自 Kahneman 的快速 System 1 思维。
决策模型和分类器是一回事吗？
差不多。经典分类器针对一个固定标签集训练。决策模型从请求中接收问题和选项，因此一个模型无需重新训练就能路由工单、门控工具调用并给紧急程度打分。
为什么输出免费？
在 OpenRouter 上，2026 年 11 月 3 日每个决策模型条目都显示输出为 $0。答案是一个选择加上几个概率，所以账单由你发送的状态决定。
哪种决策模型最便宜？
在通用模型中，Perplexity 的 Decider Flash V1.2 和 Respan 的 Span-02 最便宜，价格为每百万输入 token $0.01，或每百万次 500-token 决策 $5。Span-01 Lite 免费，但只对对话中的行为进行评分。
我可以向决策模型发送图片吗？
有些模型可以。OpenRouter 的列表显示，Span-02、d1-ultra、Drex Max 和 GPT-6 Luna Decisions 接受图片，Clef 每次请求最多接受四张。Jev 仅支持文本和 JSON。
我如何判断一个决策模型是否足够准确？
导出几百个已知答案的历史案例，在影子模式下让模型运行这些案例，然后根据结果选择一个概率阈值。公开测试很少，而且大多数数据都来自厂商自己。