決策模型的輸入是狀態（state，當下要判斷的內容），加上事先列好選項的具型別問題。模型把整段輸入算過一輪，就回傳每個選項的機率，不生成自由文字，呼叫端也不必解析一段回答。需要寫作、摘要、開放式推理，或選項還列不出來時，就不該用它。
本系列第 1 篇｜這篇回答：決策模型是什麼，和用 LLM 輸出 JSON 差在哪裡，什麼時候不該用？
決策模型是什麼
決策模型回傳的是每個事先列好的選項的機率，不是一段自由文字。
舉一個實例：2026-10-11，一台 Mac 上的 Clef-flash（4-bit）讀一篇 PubMed 論文（PMID 40019529）的標題與摘要，替 9 個研究類型打分，review 得到 0.91，第二名 systematic_review 只有 0.04，接下來 computational 0.014、original_research 0.009、clinical_study 0.007，其餘更低；標準答案也是 review。
文件寫明三種題型：noul 問一個陳述為真的機率，choice 從具名選項裡選一個，score 打有序等級。這比較像在印好的選項單上讀每一格的分數，而不是請模型當場寫一段推薦。回傳裡沒有文字，程式可以直接依機率分支、排序或設門檻。
TypeSafe 把這類模型稱為 System One，官方原句是：System One models do not write replies, produce code, or generate explanations of their reasoning. 也就是不寫回覆、不產生程式碼、也不產生推理說明。
所謂「不會幻覺」，指輸出空間事先受 schema（事先定好的欄位與允許值）限制，型別錯誤不可能發生。選項選得對不對仍是機率問題，要靠校準（模型給的機率是否接近實際發生的頻率）與信心門檻處理，這句是我們的解讀。
和 LLM 結構化輸出差在哪
結構化輸出仍由模型逐 token 生成答案，再由格式約束或解析器保證形狀；決策模型不生成答案，而是對事先列好的每個選項直接讀出機率。
模型讀完輸入、還沒開始逐字生成的那一次前向計算叫 prefill。決策模型停在這裡，讀出各選項的 logit（換成機率之前的原始分數），再轉成機率。要求 LLM「只回 JSON」仍然是在生成答案，只是事後把形狀卡住；它的信心多半也是模型自己寫出來的數字。決策模型沒有一段文字可供解析，信心直接來自選項機率。
2026-10 的現況：Jev 與 Clef
Jev 是 TypeSafe AI 於 2026-09-15 發表的第一個 System One 模型，以 early access 託管 API 提供；Clef 與 Clef-flash 是 Cloudflare 公開權重的決策模型，接受與 Jev 相同形狀的請求並回傳相同形狀的回應。
Jev 的呼叫是 POST https://api.typesafe.ai/v1/systemone，文件預設的 model 是 jev-latest。Choice 最多 255 個選項，每多一個選項只多幾個 token；Noul 回傳 0 到 1 的值，沒有 confidence 欄位；Choice 與 Score 回傳 probabilities 與 confidence。state 與問題共用約 32,000 tokens，官方換算約 15 萬個英文字元。廠商自報：同一份 state 上可平行問多題，各題彼此隔離，加題幾乎不增加延遲。
TypeSafe 稱訓練方法為 RLCD（Reinforcement Learning for Calibrated Decisions），目標是回傳校準過的決策機率；模型架構、訓練資料與損失函數沒有公開。公告另稱 Jev「neither small nor an LLM」、資料「all ourselves」。價格與速度同樣是廠商自報：輸入每百萬 token 0.042 美元、輸出免費，端到端 70–500 ms；首頁「193.6 倍快、444.6 倍便宜」來自自家 workflow evals，公告自承可能偏高，並刻意不公布公開 benchmark 成績。隱私政策寫明不用使用者輸入訓練或微調模型，但輸入仍會送到託管服務處理。
Cloudflare Clef 是 27B 多模態決策模型，由 Qwen3.8-27B 後訓；Clef-flash 是 9B 版本，由 Qwen3.5-9B 後訓。兩者都在基座模型上加一個 joint schema head，授權 Apache-2.0，權重公開於 Hugging Face。題型同樣是 noul、choice（2–255 個選項）、score（2–10 級），一次 1–64 題，輸入可以是文字、JSON 或影像；截至 2026-10 可在 Cloudflare Workers AI 呼叫，context 為 65,536 tokens。
| 規格 | Jev | Clef | Clef-flash |
|---|---|---|---|
| 取得方式 | 託管 API，early access | 開源權重，Apache-2.0 | 開源權重，Apache-2.0 |
| 大小 | 未公開 | 27B | 9B |
| Choice 選項數 | 最多 255 | 2–255 | 2–255 |
| 長度 | state 與問題約 32,000 tokens | Workers AI context 65,536 tokens | 同 Clef |
| 輸入 | 文字 state | 文字、JSON、影像 | 文字、JSON、影像 |
Cloudflare 在模型卡上公布的 Decision Index 0.2.1 內部執行（H200，廠商自報）中，中位延遲是 Clef 209.3 ms、Clef-flash 38.8 ms、Jev 524.1 ms；BFCL 是 Clef-flash 98.8、Jev 95.8；GPQA Diamond 是 Jev 78.3、Clef 48.0；MMLU-Pro 是 Jev 82.7、Clef 65.9。我們的解讀是：整張表大致是工具與 API 類任務 Clef 較強、困難推理題 Jev 較強。TypeSafe 自報的 70–500 ms 與這張表的 524.1 ms 是兩家廠商各自的數字，不是同一次測量。我們沒有 Jev 的憑證，沒有做頭對頭比較，文中 Jev 的數字全部來自廠商。
我們實測了什麼
我們在 2026-10-11 用開源權重的 Clef-flash 分類了 77 篇 PubMed 摘要的研究類型，決策模型答對 92.2%，regex 規則 71.4%，本機 35B 聊天模型 50.6%。
我們選擇不把資料送到託管的 Jev，改在自己的機器上跑：一台 Mac 以 MLX 4-bit 執行，一台 NVIDIA 工作站以 llama.cpp 執行 GGUF Q4_K_M 版，理由是 state 會離開本機，而且服務仍是 early access。
| 做法（2026-10-11，77 篇 PubMed 摘要） | 準確率 |
|---|---|
| 決策模型（Clef-flash） | 92.2% |
| regex 規則 | 71.4% |
| 本機 35B 聊天模型，自報信心 ≥ 0.75 才作答 | 50.6% |
聊天模型的低分不是因為答錯：它只對 51.9% 的論文作答，作答時約 97.5% 正確。題目有 9 個選項，但這批標準答案只落在其中 4 類，所以結果只代表這 4 類，不能當成決策模型的一般準確率。校準、信心門檻與這個限制的細節，在本系列第 3 篇（見系列目錄）。
什麼時候不該用
需要寫作、摘要、萃取、開放式推理、多步規劃或解釋理由，或是選項無法事先列出時，不該用決策模型。
文件寫明 choice 最多 255 個選項；超過時改成兩段式、先縮小範圍再問一次，是我們的建議。另外兩點也是我們的推論：Jev 的 Noul 沒有 confidence 欄位，門檻若只讀 confidence 就會漏掉 noul 題；每一個判斷各自校準，不代表串成管線之後整體仍然校準。
本系列怎麼讀
這一篇回答決策模型是什麼、和結構化輸出差在哪，以及什麼時候不該用；原理、校準、本機部署與 Agent 守門在後面四篇。
第 2 篇談原理與訓練：不生成也能給機率的道理，以及四種實作做法。第 3 篇用 77 篇 PubMed 論文檢驗校準，並附校準檢查器，在瀏覽器內計算 Brier、ECE 與 reliability diagram，不送出資料。第 4 篇在 Mac 上跑：題目設計與本機部署。第 5 篇讓 Agent 先問再做：守門與選型。