Jev 替代方案怎么选？2026 年七种决策模型的价格、部署与适用场景

想找托管费用更低的 Jev 替代方案，可以先评估 Perplexity：它的 API 每百万输入 token 收费 $0.02。如果应用已经运行在 Cloudflare 上，Clef-flash 更值得优先考虑；如果需要在本地根据图像做判断，则可以从 Liquid AI d1-3B 入手。假设每月执行一百万次决策，每次计费输入为 1,000 个 token，从 Jev 换成 Perplexity，基础输入费用也只省 $22。选型的关键，是让系统实际采纳结果的错误率保持稳定，并能在应用所需的环境中运行。

价格、许可证和部署文档核验于 2026 年 10 月 11 日。 下列价格均来自厂商。月度费用是基于明确假设计算的结果，并非生产环境实测账单。本文未对任何模型进行实际测试。

Jev 替代方案怎么选？先看要解决什么问题

先确定部署条件，再用自己的决策任务比较质量。托管 API 由服务商运行模型；开放权重意味着可以获取模型文件，在许可证允许的范围内自行推理，并不意味着有人免费提供算力。

表中的托管价格不适用于自行部署的推理。对于可下载的 Liquid 和 Strands 模型，未公布是指厂商页面未给出固定的输入 token 单价。硬件、电力、托管和运维仍需付费。各模型的许可证与检查点细节见下文。

TypeSafe 当前的对比基准是 Jev 1.13，模型 ID 为 jev-1.13.0，价格为每百万输入 token $0.042，输出免费。它接受文本及 JSON 等结构化文本，不接受图像、音频或视频。因此，Microsoft 公布的输入单价与 Jev 相同；OpenAI 的基础费率更高；Perplexity 和 Clef-flash 则更低。TypeSafe 模型目录

现有 Jev 集成已经积累了一项重要资产：应用究竟需要做哪些判断。这套定义应当保留。例如，账单工单归财务，账户访问问题归客服。替代模型应先在这些具体案例中证明自己，再考虑那些醒目的基准测试成绩。

这些 AI 决策模型是怎么入选的？

本文优先选择由厂商维护 API、模型卡或代码仓库，且文档信息足以支持部署决策的模型。没有经过核实的厂商页面的社区仿制项目不在比较范围内。清单涵盖六家厂商、七种选型方向：Cloudflare 系列合并讨论，Liquid 的两款模型则需要分别给出建议。

筛选标准都围绕实际使用展开：支持哪些输入，采用托管还是本地部署，权重许可证如何，哪些已知限制可能让任务无法运行，以及得到一个可用决策需要花多少钱。所谓可用决策，是应用能够接受、无需昂贵纠错或不必要升级处理的结果。

文章先介绍最值得评估的低价托管方案，再讨论平台适配和本地选项。这个顺序不是准确率排名。厂商测试使用的数据集、硬件、输入长度和网络路径各不相同。本文引用的所有性能数字都属于厂商报告的数据，不能据此断言某个模型在你的工单上一定胜过 Jev。

任务本身也有边界。这些模型负责在预设结果中选择或评分。如果还需要撰写客服回复或解释理由，仍要保留生成环节。Jev 与 GLM-5.3-Flash 对比进一步讨论了这两类需求该如何取舍。

七种决策模型 API 与本地方案逐一看

1. Perplexity pplx-decider-v1.1-27b：降低托管费用，先评估它

Perplexity pplx-decider-v1.1-27b 是一款决策模型，既提供托管的 Decisions API，也提供可下载的模型检查点。如果只是想降低普通客服分流或批量打标签的 Jev 输入费用，我会先评估它。在这份清单中，它公布的托管单价最低。但只要请求上限、本地运行要求或错误率不适合实际任务，就应换一个候选方案。

适合： 以较低托管成本完成路由、打标签和按评分标准打分。
主要特点： 提供直接调用的 API，也有独立的开放权重部署路径。
价格： 每 1M 输入 token $0.02；输出免费；不按请求另收费。
免费试用： 所引 Decisions 指南未公布。
输入与运行环境： Perplexity API 支持文本、JSON 和内联图像；官方本地实现需要 CUDA 硬件。
许可证： 可下载检查点采用 Apache-2.0；托管访问属于独立服务。API 指南、检查点许可证

托管服务的主要瓶颈是吞吐量：Perplexity 文档规定，所有套餐均为每个组织每秒 10 次请求。一个请求可以针对同一份依据提出最多 128 个问题，总输入必须少于 262,144 个 token。请求限制一批独立客户工单，不会因为都需要标签就自动成为共享同一状态的请求。不要为了合并请求，把无关案例塞在一起，反而改变了任务本身。托管限制

在这一请求上限下，即使调度完全理想、无需重试，一百万次独立请求也至少需要 27.8 小时。这是计算出的时间下限，并非测速结果。夜间集中回填与平时零星到来的工单，对同一个低价 API 的要求截然不同。

自行部署则有另一道门槛。按厂商提供的配置，仅权重就占用约 49 GiB，运行时还需要额外内存，其中 prepare 实现会拒绝总长度超过 8,192 个 token 的输入。评估时采用的注意力和校准设置也必须保留。模型卡还留有需要身份验证才能访问私有仓库的说明，因此，在确定本地部署计划前，应先确认账户能下载该检查点。Perplexity 模型卡

不要把托管服务的上下文额度直接写进本地部署需求。本地版本应作为独立运行环境评估，核对实际预处理、内存占用和模型修订版本。否则，那些让主服务吃力的长记录，也可能恰好使备用方案失效。

第一次对比时，任务范围应足够小，方便逐条检查错误。

1. 1

   保留现有队列定义

   沿用 Jev 实现中的标签和边界案例。对于不在定义范围内的工单，保留明确的“其他”或“待审核”结果。Jev 客服工单分流指南提供了可供对照的基础流程。

2. 2

   使用 Perplexity 原生请求格式

   将模型设为 pplx-decider-v1.1-27b，向 POST /v1/decisions 发送 state 和带名称的 questions。用 choice 问题进行选择，并在 criteria 中说明各队列的定义。请求与响应格式以原生 API 参考为准。

3. 3

   只记录答案，暂不改变工单分配

   按问题名称读取答案。将所选标签、返回概率、计费输入用量和请求状态与当前 Jev 结果一起保存。服务商故障应单独记录，不要混入正常返回但置信度较低的决策。

4. 4

   先定切换条件，再看谁胜出

   预先设定可接受的错误分流率、审核量和响应时限。只有候选模型在有代表性的已标注任务上满足这些条件，才能接管流量。仅仅降低输入账单，不足以通过这一关。

2. Cloudflare Clef、Clef-flash 与 Clef-omni：按输入需求选型号

如果决策要在现有 Workers 应用中完成，Cloudflare Clef-flash是务实的首选。这个系列同时提供 Workers AI 托管和 Apache-2.0 权重，可以先评估托管部署，同时保留今后自行部署的可能。具体选哪款，要看模型需要读取什么依据，以及托管端点有哪些限制。系列中最便宜的型号，未必能满足音频支持或上下文长度的要求。

适合： 在 Workers 应用所在平台完成路由与分类。
主要特点： 支持 Workers AI 绑定和 REST 访问，也提供可下载权重。
价格： 每 1M 输入 token，Clef-flash 为 $0.038，Clef 为 $0.240，Clef-omni 为 $0.150。
免费试用： Workers AI 提供共享的每日免费额度，并非独立且不限量的 Clef 试用。
输入与运行环境： Clef 和 Clef-flash 支持文本、JSON、图像和视频帧；Clef-omni 进一步支持直接输入音频及带声音的视频。可采用 Workers AI 托管或自行搭建推理服务。
许可证： 三款模型的权重均采用 Apache-2.0。Workers AI 定价、最初发布说明、Clef-omni 模型卡

Clef 和 Clef-flash 于 2026 年 10 月 1 日发布；10 月 9 日的更新加入了 Clef-omni，也改变了托管版本的取舍。其中最值得关注的是，Clef-flash 目前的托管上下文窗口为 24,576 个 token，文本状态可能被截断以适应窗口。因此，即使应用收到答案，较长的事件历史记录中仍可能有相关依据被丢弃。当前 Clef-flash 文档、10 月更新

因此，初次评估 flash 时，简短的信息收集表比长度不设上限的对话档案更合适。应明确规划输入预算，将队列规则和决定结果的客户信息都放进去。如果发送前会缩短记录，就用缩短后的版本评估，而不是拿理想状态下的完整对话记录测试。

Cloudflare Clef是规模更大的文本与图像方案，托管上下文为 65,536 个 token。当评估表明它能带来实质改善，或 flash 的托管上下文不够用时，才值得考虑更高的价格。模型更大，并不自动意味着质量更好。Clef 文档

当判断依据包含声音时，Cloudflare Clef-omni才是对应的候选方案。例如，现场服务应用可能需要结合机器录音和技术人员的描述进行分类。它的区别在于直接接收音频／视频，而不是只抽取静态帧，再指望画面中恰好包含答案。文档规定的上下文长度为 64,000 个 token，另有媒体限制：音频最长 300 秒、视频最长 60 秒，并设有数量和字节上限。Clef-omni 文档

开放权重不意味着 omni 模型就能部署到手机上。Cloudflare 的参考配置说明，其骨干网络采用 bfloat16 时，需要约 64 GB GPU 显存。这是需要纳入预算的推理硬件要求，不是托管服务的 token 费用。Clef-omni 模型卡

Cloudflare 每天 10,000 Neurons 的免费额度由 Workers AI 共享，Neurons 是其算力计费单位。超出额度需要 Workers Paid。token 单价只是模型费用，部署预算还应计入 Workers 订阅和应用的其他用量。额度与计费规则

3. Microsoft-Decision-1：适合 Foundry 中的打标签与智能体执行判断

Microsoft-Decision-1是一款托管的决策评分模型，面向已在 Microsoft Foundry 中开发和运行应用的团队。其价格为每百万输入 token $0.042，与 Jev 当前公布的费率相同，因此应围绕平台适配和任务质量评估它，而不是期待直接节省 token 费用。可以先从反馈打标签，或智能体的“继续／重试／升级处理”判断入手。文档中的请求接受文本或 JSON，不能因为底层模型所属的系列就推断它支持图像。Microsoft 公告、Foundry 指南

适合： Foundry 部署中的打标签、优先级排序和智能体执行判断。
主要特点： 文档提供了通过 Entra ID 或 API 密钥进行 Foundry 部署的路径。
价格： 每 1M 输入 token $0.042；输出免费。
免费试用： 所引决策模型页面未公布。
输入与运行环境： 文本或 JSON；Microsoft Foundry 和 OpenRouter。
许可证： 托管服务；这些厂商页面未公布可下载权重的许可证。Microsoft 定价与访问方式、部署要求

Microsoft 在 2026 年 10 月 9 日发布的文章中明确，其基础模型为 Qwen3.5-9B。文中提到改用其他基础模型，属于未来计划，并非当前所购买服务的架构。同样，基础模型开放，不代表可以下载 Microsoft 训练后的模型。在 Microsoft 另行发布权重之前，应把它作为托管方案评估。架构来源

它在运维上的优势，是可以直接在应用现用的平台里开展评估。例如，目前由通用模型为客户反馈打标签，再交给产品经理阅读每周报告。可以先定义主题和“未分类”结果，让两套系统处理相同反馈，检查那些模糊评论是否被打上了没有充分依据的具体标签。标签格式完全正确，也可能误导报告。

Microsoft 表示，在其涵盖 36 项基准的比较中，该模型的平均准确率最高。这属于厂商报告的结果；其延迟对比则通过同一区域内的 Foundry 测量 Microsoft-Decision-1。测试条件很重要：这些结果不能代表从你的应用发起请求的响应时间，也不能说明它在私有分类体系中的准确率。Microsoft 评估说明

部署门槛也很明确：需要 Foundry 项目、模型部署权限和身份验证方式，不能只在一个无关 SDK 中换掉模型名称。指南描述的是数值形式的决策结果，不包含书面解释。如果流程要求向审核者说明标签的理由，就需要保留支撑依据，并通过另一个环节提供解释。Foundry 配置与输出格式

4. OpenAI Decisions API：适合已接入 OpenAI 的应用

OpenAI Decisions API使用 gpt-6-luna，将文本和图像转换为有明确类型的答案。如果应用已经接入 OpenAI，又希望在同一集成中完成分类、限定选项的选择或按标准评分，它值得评估。其基础单价为每百万输入 token $0.10，作为决策层比 Jev 更贵。只有集成便利性或实测任务质量足以抵消差价时，才值得选择。OpenAI Decisions 指南

适合： 在现有 OpenAI 应用中为文本／图像打标签，以及判断流程是否继续执行。
主要特点： 专用端点返回 predicate、choice 和 score 类型的答案。
价格： 基础费率为每 1M 输入 token $0.10；输出、缓存读取和缓存写入不收费。适用区域加价和长上下文输入倍率。
免费试用： Decisions 指南未公布。
输入与运行环境： 通过托管的 POST /v1/decisions 端点输入文本和内联图像。
许可证： 托管 API 访问；指南未提供开放权重分发许可证。当前指南与定价

该 API 于 2026 年 10 月 6 日进入公开测试阶段。制定上线计划时，应考虑这一状态。新 API 仍然值得评估，但在将其用作备用服务前，应先验证响应解析、异常处理和账户访问是否满足应用需求。OpenAI 更新日志

迁移的主要工作在于适配请求与响应约定。OpenAI 使用 input 和带名称的问题数组，是／否问题的类型为 predicate。现有按 Jev 格式组织的问题对象，不能原样转发。响应还可能包含拒答，必须与概率结果分开处理。请求与答案格式

例如，退货流程可以判断产品照片中是否存在可见损伤，并选择相应的审核队列。但这不能证明损伤是谁造成的、是否适用保修，或退款是否已获授权。这些都需要独立判断，并依赖各自的证据或固定业务规则。

5. Liquid AI d1-3B：本地文本与图像决策，从它开始

Liquid AI d1-3B 是面向文本和图像输入的开放权重决策模型，发布于 2026 年 10 月 7 日。如果桌面或边缘应用需要结合描述和图片进行分类，我会优先评估这款本地模型。它的价值在于可以控制推理发生在哪里，并不承诺运行 GPU 比调用极低价的托管 API 更省钱。Liquid AI 发布说明

适合： 本地图像分类、视觉检查和文本路由。
主要特点： 模型可下载，并有公开的本地硬件测量结果。
价格： 该开放检查点未公布每 1M 输入 token 的价格；需自行安排算力预算。
免费试用： 可按许可证下载权重；算力另计。
输入与运行环境： 文本、JSON 和图像；厂商示例通过自定义 Transformers 代码支持 CUDA、Apple MPS 和 CPU。
许可证： LFM Open License v1.0。模型卡、权重许可证

模型基于 LFM2.5-VL-3B，文档注明的上下文长度为 32,768 个 token。设想一个桌面质检工具：操作员提供产品图片，再选择预先定义的检查问题。如果流程的其余部分也在本地，本地推理就能让应用在不调用托管决策服务的情况下继续运行。但相机条件、图像缩放方式和缺陷定义，仍然需要验证。架构与上下文

Liquid 报告的单问题耗时分别为：Jetson AGX Thor 上 16 ms、AGX Orin 上 26 ms、Orin Nano 上 50 ms。这些是厂商报告的硬件测量值，既不保证你的输入规模下也有相同表现，也不能直接与完整的互联网 API 请求耗时比较。可以据此挑选值得评估的硬件，再测量整个应用。Liquid 耗时表

许可证会影响采购决策。Liquid 的这两个检查点都采用 LFM Open License v1.0，其中的商用条件涉及 1,000 万美元的年收入门槛。在认定部署符合条件前，应阅读许可证中对法律实体的定义及第 5 条；如果该条件影响你的使用，应向 Liquid 确认条款。采购表中不能将这个模型标成 Apache-2.0。许可证原文

名称也要分清。Liquid 将托管 d1 与 d1-3B、d1-omni-600M 分开列出。其托管文档和公告说明了仅对输入计费，但本文核验的页面没有公布每百万 token 的美元单价。托管模型的价格和限制，不能套用到这些可下载模型上。Liquid 模型目录、托管 d1 指南

对于离线产品，是否切换取决于模型在实际目标设备上能否达到质量和延迟要求。测试时，应让其他软件同时运行，使用真实场景的图片，并持续运行一段时间。单次独立推理成功，只是评估设备承载能力的起点。

6. Liquid AI d1-omni-600M：适合小型语音任务，但仍是实验版本

Liquid AI d1-omni-600M是同系列中体积更小的实验模型，支持文本配合图像，或文本配合音频。对于只需识别少量语音意图的设备，它值得列入候选；但不能假定它可以替代所有多模态托管服务。较小的模型规模让本地部署有了吸引力，真正决定能否使用的，仍是输入和训练范围的限制。语音指令试点的任务范围，应比任意录音分析窄得多。发布状态、模型卡

适合： 小型设备上的语音意图或图像决策实验。
主要特点： 小型开放检查点，提供音频输入路径。
价格： 该开放检查点未公布每 1M 输入 token 的价格。
免费试用： 可按许可证下载权重；算力费用仍由自己承担。
输入与运行环境： 文本／JSON 配合图像或音频；提供本地 CUDA、MPS 或 CPU 示例。
许可证： LFM Open License v1.0，适用相同的商用条件。模型卡、许可证

模型卡注明其参数量为 5.87 亿，音频训练基于英语使用者向助手发出的请求。音频片段会在 30 秒处截断。因此，“暂停检查”这样的指令，比长时间、多语言的客户通话更适合作为评估目标。能够接收音频，并不能证明它对所有类型的声音都表现良好。音频适用范围

还有一个很容易忽略的限制：模型总共支持 16,384 个上下文位置，但带图像输入时，状态和问题文本会被截断到 896 个 token。如果图片附带一份很长的操作手册，文本部分可能早已超限，而总上下文数字看起来还远未用满。上下文细节

用于自助终端时，应让指令列表和本地规则保持简短，并为无法识别的请求保留处理路径。除了清晰指令，还应有意识地测试背景人声和上下文缺失的情况。真正有用的系统，应在指令不清楚时放弃判断，而不是总给出一个看似合规的选项。

Liquid 的发布材料没有报告这款实验模型的速度测量结果。不要借用较大 d1-3B 模型的耗时，也不要根据参数更少就推断延迟有保证。应用仍需处理媒体、加载模型，并让运行时开销符合设备资源预算。发布材料的测量范围

7. Amazon Strands Decider 2B：可查阅实现的本地智能体执行判断

Amazon Strands Decider 2B 是 Strands Labs 推出的开放决策模型，公开了推理代码、训练资料和评估结果。如果替换托管 Jev 调用，是为了在自己的智能体运行环境中掌控一个小型决策组件，它更值得考虑。可以先从边界明确的任务开始，例如按一份简短规则检查拟执行操作。不要把附带的本地服务器当成完整的托管产品。厂商代码仓库

适合： 本地智能体执行判断、路由，以及基于公开训练方法开展实验。
主要特点： 同时提供模型权重、代码和评估细节。
价格： 未公布每 1M 输入 token 的托管价格；运行环境由自己提供。
免费试用： 可下载采用 Apache-2.0 的模型和代码；算力另计。
输入与运行环境： 支持文本，通过视觉路径可选用图像；提供 CUDA、Apple Silicon 和 CPU 选项。
许可证： 本文所列基于 Qwen 的检查点及项目采用 Apache-2.0。当前模型卡

要固定到具体检查点：仓库当前描述的参考版本是 strands-decider-2B-qwen3.5-v1-2610。它采用 Qwen3.5-2B-Base 骨干网络，搭配经过训练的适配器和决策头；决策头负责为允许的答案评分。较早的 hobson-v19 和 hobson-v21 名称仍然可见，因此，引用性能数据时必须注明版本。版本与架构

这个区别直接影响经常被引用的 115 ms 耗时。仓库详细表格将 RTX 3090 上这一中位数结果归于 v19，较新版本的列则说明它们采用相同的架构和规模。这是厂商报告的历史耗时，并非对当前检查点的新测量。应使用与你计划部署的检查点相对应的数据。分版本性能表

附带的服务器绑定 localhost，且没有身份验证，适合本地实验。但要作为网络服务运行，还需访问控制、并发规划、明确的部署负责人和监控。对于内部智能体，负责人必须决定模型尚未启动就绪、忙碌或不可用时如何处理。“本地运行”只是部署选项，本身不是可用性方案。推理服务说明

一个具体的初始判断任务，可以是区分“拟执行操作只读取记录”和“拟执行操作会修改记录”。应用中的固定规则仍应检查用户权限与允许的操作。即使模型认为操作安全，只要通过身份验证的用户没有执行权限，操作就仍应被阻止。

token 单价降了，月账单能省多少？

降价百分比很大，实际省下的金额可能很小。假设每月一百万次决策，每次有 1,000 个计费输入 token，总计十亿个输入 token。按已核验的基础费率，仅模型输入部分的账单分别为：Perplexity $20、Clef-flash $38、Jev 或 Microsoft-Decision-1 $42、OpenAI Decisions $100、Clef-omni $150、Clef $240。Perplexity、Cloudflare、TypeSafe、Microsoft、OpenAI

这里刻意统一了计费 token 数，便于比较。面对相同的业务输入，不同的分词器、问题组织方式和媒体处理流程，可能产生不同的计费用量。上述数字不计免费额度、平台订阅、区域或长上下文加价、重试、下游生成及人工审核。

再假设候选模型的错误率高出 0.1 个百分点，每个新增错误需要 $1 的处理成本。一百万次决策中，就会多出 1,000 个错误，增加 $1,000 成本。这些仅为说明问题而设定的假设，并非实测失败率，也不是人工时间的市场报价。它们说明，优化目标应是可接受的决策，而不只是 token 单价。

自行部署也要算同一笔账。假设新增基础设施预算为每月 $100，要达到 Perplexity 每百万输入 token $0.02 的基础费率，需要每月处理五十亿个输入 token，这还没计入运维和质量差异。这里的 $100 是假设，并非 GPU 报价。现有闲置硬件会改变计算结果；即使不节省 token 费用，数据留在本地或支持离线产品，也可能足以构成自行部署的理由。

外推费用前，应先测量真实任务的计费方式。例如，Liquid 单独提供的托管 d1 服务，会针对每个问题重新计算文本和所附图像的用量。因此，一次 HTTP 调用中发送多个问题，并不意味着作为判断依据的输入只收一次费。这项计费规则也不能用来给其开放检查点套用美元单价。Liquid 计费说明

哪个方案适合投入生产？

普通路由任务若以降低托管成本为目标，先评估 Perplexity。 如果继续使用 Workers 能简化应用，则先评估 Clef-flash。真正会改变选择的是：候选方案能否满足请求速率、输入长度，以及实测错误分流和审核量的要求。如果丢掉了决定工单归属的关键信息，再低的单价、再熟悉的平台也无法弥补。

打标签任务，优先选择能在模糊案例中仍遵守分类体系的模型。 Microsoft-Decision-1 适合先在 Foundry 中评估；Perplexity 则是以价格为主要考量的托管候选。要测试一条评论是否可能同时属于多个主题。单选问题只能给出一个结果，因此，多标签问题应拆成独立判断，或用其他经过明确设计的方式表示。

智能体执行判断，应选自己能够可靠运维的运行环境，并把授权留在代码中。 本地组件可以评估 Strands；现有托管集成可能更适合 Microsoft 或 OpenAI。模型可以估计拟执行操作的性质，但应用必须独立执行权限、支出规则和操作范围限制。

设备端任务，文本加图像先看 d1-3B，范围有限的语音实验先看 d1-omni-600M。 如果许可证与可查阅的训练方法更符合项目需求，Strands 也是本地选项。这条选型路径首先取决于设备、输入预处理和允许的商用范围，然后才轮到比较托管价格。

托管应用中的音频／视频决策，评估 Clef-omni。 它的媒体输入能力构成实质区别。更便宜的文本模型只有在你明确增加预处理环节，并验证这一环节丢失了哪些信息后，才算得上替代方案。

如果要接入备用服务，先明确它要覆盖哪一种故障。同一网关背后的两个模型 ID，仍然依赖同一个网关。本地备用模型如果也要靠同一个已不可用的上游服务获取输入，同样会失败。画出完整请求路径，再隔离你希望在其故障时仍能继续运行的那个依赖。

先迁移一项决策，再考虑整个流程

替换成功的标准，是保留应用原有的决策约定，而不只是返回合法 JSON。适配各服务商字段时，应保持队列名称、评分标准含义和兜底行为稳定。这样才能清楚复核分歧，避免把换模型和改规则混在一起。

1. 1

   固定决策定义与判断依据

   选择一次现有调用，例如新客服工单的队列分配。记录允许的标签、规则版本、输入字段，以及什么情况算信息不足。标注集应包含模糊案例和超出范围的任务，不能只有显而易见的例子。

2. 2

   适配服务商接口

   明确映射判断依据、问题定义和答案读取方式。OpenAI 使用 input 字段与带名称的问题数组；Perplexity 和 Microsoft 的文档示例使用 state 与以键名标识的问题。图像封装方式也不同。应对照厂商原生指南核验，不能因为基础类型名称相似，就当作传输格式完全相同。

3. 3

   让候选模型与当前流程并行运行

   现有流程继续控制实际操作，候选模型只记录答案。比较被系统接受的错误决策、转交处理量、失败请求、计费用量和较慢一端的响应时间。两者应使用相同依据，避免把预处理变化误当成模型改进。

4. 4

   为这个模型和任务重新设定阈值

   另一个 API 返回概率或名为 confidence 的字段，并不意味着 Jev 的阈值可以直接照搬。应在已标注样本上重新检查分数与实际正确率的关系。对于证据不足、服务商故障和拒答，要单独设置审核路径。

5. 5

   逐步切换，并保留简单的回滚方式

   只调整选定的流程，保留原模型配置和切回方法。检查点、模型别名、问题措辞或预处理发生变化时，都应重新评估，因为其中任何一项都可能改变现有阈值会接受哪些决策。

如果起点是 Jev Router，而非直接调用 Jev 做决策，应先分清计费边界。路由服务和它选择的下游模型属于不同的费用项。Jev Router 定价指南解释了这一区别；决策模型便宜，并不意味着生成答案免费。

哪些用法应当避开？

如果对 Jev 唯一的不满是当前基础费率，就不要为了节省 token 费用而迁移到 Microsoft-Decision-1。两者公布的单价相同。它仍可能在平台或质量上更合适，但那是另一种迁移理由。

除非能够控制输入预算，否则不要用托管 Clef-flash 处理长度不设上限的依据档案。截断之后仍可能返回格式正常的答案，却掩盖了关键事实根本没有进入模型。应选择长度合适的任务，或评估上下文额度足够的方案。

不要仅凭 omni 这个词，就用 d1-omni-600M 分析任意长录音。文档中的语音范围、片段截断和实验状态都直接影响适用性。这份清单中，较丰富媒体输入的托管候选是 Clef-omni，但它也有自己的限制。

不要把开放权重等同于免费的生产服务。Liquid 的许可证有条件，Perplexity 的参考配置需要较大内存，Strands 则把托管工作交给用户。下载模型，只是承担运行维护责任的开始。

不要把未经核实的仿制项目当作紧急备用方案。名称相似、端点看起来兼容，都不能证明它有明确的开发方、可用的许可证、持续维护的运行环境，或独立的故障路径。排除这类项目是因为依据不足，不是在断言所有社区项目都表现不佳。

常见问题

有没有免费的 Jev 替代方案？

Cloudflare 提供 Workers AI 共享的每日免费额度。多种替代方案也开放了权重下载，但算力需要自己提供，并且必须遵守许可证。Liquid 的托管文档还单独列出了纯文本 d1:free 模型，不过本文核验的页面没有公布额度。免费访问渠道，不等于生产部署能够保证零成本。Liquid 托管模型指南

哪些 Jev 替代方案开放了模型权重？

Clef 系列、本文所列 Perplexity 检查点、Liquid 的两个 d1 检查点和 Strands Decider，都有厂商提供的权重获取途径。Clef、Perplexity 和本文所列 Strands 检查点采用 Apache-2.0；Liquid 使用带有商用条件的 LFM Open License v1.0。在本文比较范围内，OpenAI Decisions 与 Microsoft-Decision-1 属于托管方案，所引厂商页面未提供开放权重许可证。

应该先试哪个 Jev 替代方案？

想降低托管输入单价，先评估 Perplexity；已有 Workers 应用先看 Clef-flash，使用 Foundry 先看 Microsoft-Decision-1，已有 OpenAI 集成先看 OpenAI Decisions。本地部署中，文本与图像可以从 d1-3B 开始，范围有限的语音实验可以从 d1-omni-600M 开始；需要可查阅实现的智能体组件，则可以评估 Strands。最终选择应由实际任务的评估结果决定。

下一步：选一项有明确负责人的决策开始

找出一项决策调用，其负责人能够说清楚什么错误会带来高成本。再按真正的需求挑一个候选：价格、平台、媒体输入，或本地运行。用相同依据让它与 Jev 并行比较，只有被接受的错误决策、审核工作量和响应时限都达标，才正式切换。在新方案通过日常任务验证之前，始终保留原配置，以便随时恢复。

使用 AI 业务流程审查清单，找出最值得先调整的决策环节。