AREX Feed Article
OpenRouter 上架 Span-02：按概率作答的决策模型，输入每百万 token 0.01 美元
10 月 16 日 19:57 UTC（北京时间 17 日凌晨 3:57），OpenRouter 在发文称，RespanAI 的开放权重决策模型 Span-02 已在其平台上线：输入每百万 token 0.01 美元，输出免费，上下文 131K。把文本和图像交给它，由使用者定义问题，它返回一个选择、一个「是/否/未知」判断或一个评分，每个答案都带概率或置信度。OpenRouter 的列出同样的价格与上下文，页面上标注的发布日期为 10 月 16 日。
Span-02 在 OpenRouter 目录里属于 decisions（决策）输出类型，返回的不是对话文本。10 月 20 日从查到的 27 个条目（含别名和免费版本），输出价格一栏全是 0。
同价位上，还有一个 262K 的对手
Respan 在里称 Span-02 是「最便宜的决策模型」，依据是每百万输入 token 0.01 美元。在收费的决策模型里，这个价格确实属于最低一档，但不是独一份：Perplexity 的 同样标价每百万输入 token 0.01 美元、输出免费，上下文 262K，是 Span-02 的两倍。
按同一份目录 10 月 20 日的快照：
| 模型 | 输入价（美元/百万 token） | 上下文 | 输入模态 |
|---|---|---|---|
| Respan Span-02 | 0.01 | 131K | 文本、图像 |
| Perplexity Decider Flash V1.2 | 0.01 | 262K | 文本、图像 |
| Inception Mercury Decide | 0.02 | 65K | 文本、图像 |
| TypeSafe Jev 1.14 | 0.042 | 262K | 文本、图像 |
| OpenAI GPT-6 Luna Decisions | 0.10 | 1.05M | 文本、图像 |
Cloudflare 的 Clef Omni 比表里列出的模型更贵，每百万输入 token 0.15 美元，但能读音频和视频。Span-02 的模型页显示它只有一个服务商（provider，Respan），请求直接转发，P50 延迟 0.23 秒。
输出免费，因为答案是从标签概率里读出来的
Respan 的把机制写得很具体：每个问题先做一次前向传播，直接读取选项标签上的概率，共享的 state（请求状态）每个请求只计算一次。响应字段里，除数字题之外，答案的 output_tokens 都是 0。
OpenRouter 在自己的里把这件事概括成「模型判断，代码计算」：模型读应用状态、回答带类型的问题、返回概率，文本生成留给别的模型。
输出免费，输入和图像按 token 计费。模型卡的用量说明写着，input_tokens 是每个问题的提示 token 之和：state 在每个问题里都计一遍，同一个 state 上问三个问题，token 会被算三遍。图像与文本放在同一个 state 里；每张图按图像 token 计入 input_tokens，默认 280 token（Decision Index 的设置是 560），一次请求最多 4 张，请求体上限 64 MB。
帖文里的三种答案，在模型卡上对应 choice、noul、score：choice 从最多 679 个选项里挑一个，返回所选项、每个选项的概率和置信度；score 按 2 到 10 个有序等级给出期望档位；noul 返回「是」的概率，没有独立的「未知」类别。
OpenRouter 的接入说明也只列这三种原语，并写明概率要由调用方在代码里设阈值分流，0.5 附近只表示「是」与「否」的可能性接近。模型卡上还有第四种 number（直接给数值和置信度），在 OpenRouter 的三种原语里没有被列出。
截止时间取代努力档位
Respan 在里，把 Span-02 的特点写成「随时停止推理」：给它一个截止时间，它返回此刻最好的判断，想得越久分数越高。接口有三种模式：off 不思考，auto 只在没把握时思考，on 每次都思考；budget_ms 可设 0 到 600,000，0 表示不限时，auto 的默认预算 700 毫秒，单次思考最多 4,096 token。模型卡说，「没把握」的门槛是首选答案的概率低于 0.8：这时模型写一小段思考，再读一次概率，把两次分布平均。
博客给出的曲线来自公开的 Decision Index 0.3：37 个基准，按随机猜测校正，0 分等于瞎猜，100 分满分。关闭思考时 Span-02 得 61.2，思考 1 秒得 63.0；同一张图上 Perplexity Decider 62.2、Cloudflare clef 61.7、Jev 1.13.0 58.0。模型卡列出的官方提交成绩是 62.6，排在第 4，与另外四个模型同分；中位延迟 33 毫秒，p95 822 毫秒，110,201 次请求全部作答。头部几名之间只差几分。这些数字来自 Respan 自己的提交和图表。
两组数字并非来自同一设置：博客按思考时长扫出曲线，模型卡的提交用的是固定 750 毫秒思考目标的配置。Respan 在帖文里称，关闭思考时 Span-02 仍能压过 Jev，价格只有后者的四分之一。
开放权重，但要一块 Blackwell 显卡
模型卡顶部标注 15.8B 参数；正文说它是 Gemma 4 26B-A4B 的微调，约 4B 活跃参数，权重按 NVFP4/FP8 量化后约 16.4 GB。权重沿用 Gemma 4 许可（Apache 2.0），推理引擎是 Apache-2.0。
自部署的门槛写得同样具体：权重只能用仓库自带的 Rust/CUDA 引擎加载，不支持 transformers 或 vLLM；需要 Blackwell 架构的 RTX PRO 6000（96 GB）或 RTX 5090（32 GB），驱动支持 CUDA 12.9，默认占用约 28 GB 显存。模型卡给出的单卡吞吐是 167 请求/秒（64 并发、不思考）。
对手的上下文上限到 1.05M
OpenRouter 的决策模型目录里，Perplexity Decider V1.2 与 Jev 1.14 的上下文都是 262K，Upstage 的 Solar Decide 是 524K，OpenAI 的 GPT-6 Luna Decisions 标到 1.05M。模型卡把 Span-02 的 131,072 token 写成每个问题的上下文上限。
OpenRouter 帖文下，问的正是这件事：「开放权重，但只有 131k 上下文？放到长的市场备忘录上还撑得住吗？」
Respan 给出的演示都不涉及长文档：一场对 Jev 的国际象棋赛（关闭思考，12 比 0）、一次维基百科点击竞速（20.6 秒，GPT-6 Luna 38.5 秒，后者还带有「Italy」提示），以及用经纬度判断某个点是否在水里的地图。这些演示覆盖短状态、逐步点击和数值输出，没有一项针对长上下文。
换一行模型 ID 能试，阈值不能照搬
OpenRouter 说 Span-02 跑在 Decisions API 上，与其他决策模型共用一套请求格式，试用只需改一行模型 ID。接口是 POST /api/alpha/decisions，一次请求可放多个问题，choice、noul、score 三种原语各自独立并行评估。
但 OpenRouter 的说明里写着，阈值不跨模型继承，也不从一种原语继承到另一种；它建议把模型固定到 canonical_slug 上，而不是别名，因为别名可能换版本、把概率换掉。Span-02 在目录里的 canonical slug 是 respan/span-02-20261015。
上线前的动作也写得具体：用清晰样本、模糊样本、无匹配样本和带对抗性的文本各跑一遍，阈值只能来自实测数字。OpenRouter 的目录记录给出价格、上下文和版本号，没有给出这些概率在真实业务输入上的表现。