决策模型对比 · Julia 1 资料核对于 2026 年 9 月 29 日
Jev vs Julia 1
两者都能把状态、问题和候选答案转换为结构化决策。Jev 是托管生产 API;Julia 1 是面向本地 CPU 运行的开放权重模型。
托管 API
Jev
TypeSafe · System One 模型
通过托管 API 使用决策模型,无需下载权重、准备硬件或自行维护推理运行时。
开放权重
Julia 1
Supersonic Labs · 144.3M 参数
下载 Apache-2.0 权重,在本地用 Python 和 CPU 运行专注于决策的模型,并由调用方定义候选选项。
Julia 1 是 Supersonic Labs 的独立项目。Jev AI 与 Supersonic Labs 不存在隶属、关联或官方背书关系。
公开评测 · 2026 年 9 月 24 日
Julia 1 擅长明确选择,但并非适合所有工作负载
Supersonic Labs 报告称,这个紧凑模型在多个分类试验中表现不错,在 typed decisions 上也接近 Jev 参考值。不同任务之间的差异,比单一 headline 分数更值得关注。
Typed decisions
2,000 个问题
73.15% · 1,463 / 2,000
72.70% 参考值 · +0.45 个百分点
AG News · 4 个标签
100 个试验案例
94.00% · 94 / 100
91.00% 参考值 · +3.00 个百分点
DAIR Emotion · 6 个标签
100 个试验案例
86.00% · 86 / 100
48.00% 参考值 · +38.00 个百分点
Banking77 试验 · 72 个标签
100 个试验案例
64.00% · 64 / 100
87.00% 参考值 · −23.00 个百分点
Julia 1 的 typed-decision 细分结果为:Choice 71.33%(428/600)、Noul 80.67%(484/600)、Score 68.88%(551/800)。它在 MASSIVE 52 个 locale 上的公开场景准确率为 71.50%,其中 en-US 为 86.75%。
这些数字来自 Julia 1 的模型卡。Jev 数字是对方提供的对照参考,并不是在完全相同环境下重新运行 Jev 得出的结果。试验数据只能作为信号;进入新领域前,应使用自己实际的问题和选项测试。
逐项对比
决策形状相近,运行方式不同
两者都能表达 choice、score 和布尔判断。真正的差异在于谁托管模型、如何提供候选选项,以及你愿意自己承担多少基础设施。
它是什么
托管的 System One 决策模型
基于 mmBERT-small 的 144.3M 参数开放权重决策模型
部署方式
调用生产 API,无需运维模型服务
下载权重,用 Python 在 CPU 或兼容 GPU 上运行
问题类型
Noul、choice 和 score,单次请求可并行提问
通过统一的命名问题接口处理 choice、排序 score 和 Boolean noul
单个 choice 的选项数
遵循 Jev API 的限制和 schema
原生调用接受 2–20 个选项;Router 可先缩小更大的候选集合
概率
面向下游决策阈值的托管概率
按调用方顺序返回完整 softmax 概率;需针对任务验证校准效果
上下文与限制
由 API 契约统一管理
运行时支持最多 8,192 个合计 token;历史基准使用 1,024 个
许可证
专有托管服务
模型文件和推理代码采用 Apache-2.0;训练流程未公开
如何选择
先看你要解决的约束
想最快进入生产,选 Jev
适合希望通过 API 获取类型化决策和概率,又不想管理权重、GPU、模型下载和运行时更新的团队。
想控制本地运行,选 Julia 1
适合看重开放权重、CPU 执行、离线部署,或希望检查并掌控整个推理栈的团队。
在真实决策上都测一遍
它们都是决策模型,不是通用聊天系统。清晰的选项、有代表性的 state 和留出的测试集,比宽泛的基准 headline 更有参考价值。
Julia 1 模型卡说明它不是生成式模型,不应期待它补充缺失事实或执行很长的多步推理。请保持选项清晰互斥,并验证任何会触发重要动作的工作流。
来源与范围
本页根据 Julia 1 模型卡和 Supersonic Labs 发布说明整理,并与 Jev 的托管 API 模型并列展示。实现细节和最新修订请以原始资料为准。
数字和仓库信息核对于 2026 年 9 月 29 日。结果可能随模型版本、数据集、提示、硬件和服务配置变化。