别再堆排行榜了，有人在用一个「不会思考」的模型当路由
最近 Hugging Face 上冒出一个不太一样的开源模型：AutoTrust AI 的 autotrust/JEV-35B。它被刻意做成一个「只做决定、不聊天」的东西——没有 chat，没有长文本生成，没有 thinking。你给它一段状态和一个问题，它从 2 到 256 个选项里挑一个，附上概率，大约 204 毫秒（在单张 B200 上）给结果。官方博客的标题起得很直白：用「一个决定模型」替代「一支排行榜团队」。
这套思路叫 System 1：每个排序都是一次校准过的单次决定，不做多轮推理。它做路由、做打标、做检索重排、做客服分流，但永远不"想"。作者的定位是决策模型（decision model），不是聊天模型。
它到底改变了什么工作方式
最实际的场景是这种：客服来信「我的卡被重复扣了两次」，你喂给它几个选项 billing / shipping / technical support / account security，POST /v1/decide 直接返回选哪边。它靠一个 264 槽的决策头，在最后一个 token 的隐藏状态上读出 logit，再软最大出概率。整个流程不用排名团队反复审，一个请求就是一次决定。
这解决的是真实痛点：很多线上系统把「排序」做成多步管线，召回到重排再到人工复核，延迟高、人员贵。JEV-35B 把这一步压进半秒级的单次决策里。它有个 live demo（news.guru.so），把几个新闻源的标题按重要性排序，或者把 Google/Bing/Yahoo 的结果重新按相关性排，跟搜索引擎自己的顺序并排给你看，还带一个带引用的短答案。
开源、协议、以及那张 25.6GB 的表
两个细节值得留意。其一是协议和架构：纯 Apache-2.0，且是 Qwen3.5-35B-A3B 的微调——35B 总参数、每 token 约 3B 激活。另一个是它特意给的那张「跑得起」的表：bf16 版本下载 72GB、权重占 66.5 GiB，得用 80GB 以上的卡；NVFP4 版本（autotrust/JEV-35B-NVFP4）只下载 25.6GB、占 23.3 GiB 显存，单张 32-48GB 的卡就能跑，serve.sh 和 API 完全一样。所以对小团队来说，真实门槛是那张 32GB 卡，不是 80GB 的服务器。
性能上，它在 Decision Index 0.3 公开测试集的自测是 59.73，对比自家上一代 JEV-27B-VL 的 53.64；五个技能域全领先，37 个 benchmark 里赢 24 个。NVFP4 版本公开分 59.18（bf16 是 59.73），96.6% 的答案和 bf16 完全一致，延迟不变。注意这是它自己的打分，不是排行榜正式收录——正式分还计入只有维护者能跑的 80% 私有测试。
别被广告词带跑的部分
这个模型有明显边界，卡片自己写得很清楚。它不能 chat、不能生成文本、没有 thinking——这就是个「单次判断器」，别拿它当对话模型用。它最弱的是 Knowledge & Reasoning：GPQA 才 0.360、MMLU-Pro 0.642、HLE 直接低于基线。上一代 JEV-27B-VL 在 GSM8K、ANLI、BBH 上反而更强。它偏英文，零样本做图像判断，官方也提醒高风险决策要配置信度闸门。
还有个容易踩的坑：它玩不了长程游戏。2048 最大 tile 平均只有 64（随机乱玩是 102），Flappy Bird 过不了管子，Snake 平均吃 10 个果子。卡片最后一句写得挺实在：「玩游戏用 JEV-27B-VL。」意思是，这个模型的强项在工具的即时调用判断、检索分类这类地方，别指望它有规划能力。
和 TypeSafe 的分界线
卡片里专门有一段强调：TypeSafe AI 的 TypeSafe Jev 1.13 是托管的闭源模型，而 autotrust/JEV-35B 是 AutoTrust AI 独立做的开源权重模型，两者没有从属关系。这张卡把「开权重」和「闭源托管」放在同一份评测里做对比，本身就是在表态。
我的判断：如果你们团队的瓶颈是「路由、打标、检索重排这类重复性子决策」，这个模型值得跑一次 demo——单卡就能起，serve.sh 直接起 vLLM，接口是标准的 OpenAI 服务器加一条 /v1/decide 路由。但如果你打算拿它当聊天助手，或者让它自己写代码、做长任务规划，那就别抱期望。它用「不做多步推理」换来的，是半秒内一次、校准过的决定。这笔账到底划不划算，取决于你的场景能不能接受一个永远不"多想一步"的同事。
相关链接：
- 模型卡：https://huggingface.co/autotrust/JEV-35B
- NVFP4 版本：https://huggingface.co/autotrust/JEV-35B-NVFP4
- 官方博客：https://huggingface.co/blog/autotrust/one-decision-model-instead-of-a-ranking-team-short
- 基座模型：https://huggingface.co/Qwen/Qwen3.5-35B-A3B
- 实时 demo：https://news.guru.so/ui