AREX Feed Article
OpenRouter 称 12 个决策模型可在 Compare 页对比并在 Playground 试用
10 月 6 日 23 时 23 分（北京时间），OpenRouter 在其 X 账号发帖称，用户可以在 Compare 页面对比 Clef、Jev 以及另外 10 个决策模型（共 12 个）的功能与用量，也可以直接在 Playground 里试用这些模型。
这条以提示（Tip）开头的帖文没有点名其余 10 个模型，也没有给出开发方和价格；这些信息在帖文链接的两个页面里。主帖给出的对比链接指向 Clef Flash、Clef、Jev 1.13、Decider V1 27B 四款模型的对比页；紧接着发出的则附上 Clef Flash 的模型页，把它当作 Playground 的试用示例。记者逐一打开核对，两个页面都能正常访问。
帖文链接的 Compare 页上是四款模型
对比页的标题是「Clef Flash vs Clef vs Jev 1.13 vs Decider V1 27B - AI Model Comparison」，四列模型分属 Cloudflare（Clef Flash、Clef）、TypeSafe（Jev 1.13）和 Perplexity（Decider V1 27B）。页面列出的输入价格分别为 $0.09/M、$0.24/M、$0.042/M、$0.04/M（每百万 token），四款输出价格均为 $0/M。
页面自我介绍说，对比维度包括基准测试、价格、上下文长度和其他模型特性；四款模型都通过 OpenRouter API 提供，「在它们之间切换只需要改一个 model slug（模型标识），而不是新的集成」。
帖文配图里还能看到对比页的两个具体板块：Features 表逐项列出量化方式、最大输出 token、流式取消、工具调用、提示词是否用于训练、缓存等条目，Clef Flash 与 Clef 的最大输出 token 显示为 66K；Activity 面板给出每款模型近 30 天的 token 用量曲线。除了帖文链接里的四款，记者另抽测了 Solar Decide 与 Mercury Decide 的组合，同样能打开对比页。
决策模型输出的是校准后的概率
这批模型和聊天模型在输出形态上不同。以帖文示例的 Clef Flash 为例：输入是一段「状态」（文本或结构化 JSON）加上一份带类型的提问清单，模型为每个问题的每个允许选项返回一个校准过的概率，页面描述称这一过程在「一次前向传播」内完成，而不是逐 token 生成文本；它面向的是低延迟分类、路由、打分和护栏（guardrails）这类场景。
以 Decider V1 27B 为例，输出分为三种形式：是/否问题的「是」概率（noul）、每个选项的概率加最可能选项（choice）、有序评分各档位的概率加期望分（score）；它的单个请求最多可带 128 个问题。
运行通道也和聊天模型分开：Clef Flash 跑在 OpenRouter 的 Decisions API 上，而不是兼容 OpenAI 的 chat 端点，页面写明聊天补全（chat completions）SDK 用不了它；Kev 4B 与 TypeSafe 的 Jev 共用同一套 /v1/systemone 契约。并非所有模型都走这套通道——Together 的 Tev1 4B Experimental 保留了 Qwen 的标准 next-token 头，走常规 chat completions API，而不是专门的决策运行时（decisions runtime）。
输出端免费是这批模型的共同特征：对比页与 API 目录里，它们的输出价都是 $0/M。目前可见的一条限制是，Clef Flash 在 Workers AI 上会把长文本状态截断到大约前 2,000 token，超出部分不会被读取，图像单独计数。
目录里的 12 款模型
截至 10 月 7 日核对时，在 OpenRouter 的模型 API 中按 decisions 输出模态筛选，对应 12 款决策模型、共 14 条记录（多出的两条分别是 Span-01 Lite 的免费条目和 Jev 的 latest 别名）：
- Clef Flash（Cloudflare，输入 $0.09/M）
- Clef（Cloudflare，$0.24/M）
- Jev 1.13（TypeSafe，$0.042/M）
- Span-01 Lite（Respan，免费）
- d1（Liquid AI，$0.04/M）
- Kev 4B（Jared Palmer，$0.042/M）
- Decider V1 27B（Perplexity，$0.04/M）
- Solar Decide（Upstage，$0.05/M）
- Tev1 4B Experimental（Together，$0.042/M）
- Span-01（Respan，$0.02/M）
- Mercury Decide（Inception，目录条目为免费变体）
- GPT-6 Luna Decisions（OpenAI，$0.10/M）
其中 Jev 1.13 被描述为 TypeSafe「System One」系列的第一个模型，让软件拿到带类型的选项，而不是自由文本；Kev 4B 是在 Qwen3.5-4B-Base 上挂了 LoRA 适配器与 pointer head 的小模型；Span-01 与 Span-01 Lite 做的是行为评分，判断一段对话里是否出现你定义的行为。规格跨度也不小：Kev 4B 的上下文为 8,192 token，GPT-6 Luna Decisions 标称 1,050,000 token。
Playground 里的 Clef Flash 示例
跟帖写的是「或者直接在 Playground 里试用。这是 Clef Flash」，附上模型页链接和一张操作截图。截图里，界面顶部标注 Cloudflare: Clef Flash，输入/输出价格 $0.09/$0、上下文 66K、发布于 2026 年 10 月 1 日；Playground 预设选择「noul / Agent guardrail」，示例状态是清理不活跃账号前拟执行一次删除操作，提问是「这个操作不经人工批准直接运行是否安全」。模型返回「是」的概率 6.4%、「否」93.6%，并给出「你的代码将会：暂停并询问人类」的落地提示。
模型页上的数据与截图一致：$0.09/M 输入、$0/M 输出、65,536 token 上下文、10 月 1 日发布，页面内就带有 Playground 区块。记者另外核对，、 等决策模型页同样带有 Playground 区块。
排行榜上已经能看到的用量
OpenRouter 另有一页 Decision Model Rankings，自称「基于人们在 OpenRouter 上通过决策模型做分类、打分、标注的真实用量数据」。页面标注数据截至 10 月 6 日，按请求量排出的前十是：Jev 1.13（9.82 亿次）、Span-01 Lite（1,240 万次）、d1（287 万次）、Kev 4B（243 万次）、Clef Flash（238 万次）、Clef（180 万次）、Decider V1 27B（127 万次）、Solar Decide（121 万次）、Tev1 4B Experimental（99.4 万次）、Span-01（96.1 万次）；其中 d1、Clef Flash、Clef、Decider V1 27B 和 Tev1 4B Experimental 标为「新上榜」。Jev 1.13 一款的请求量约为第二名 Span-01 Lite 的 79 倍。
回复区里的提醒与测试结果
在帖文下方的回复里，有人给出选型方法上的提醒，也有人报告了实测结果。用户 @shesaidmewakeup 说：「不错的起点。不过我还是会先把每个模型跑一遍自己的标注样本再选，因为一个在基准类别上表现很好的路由模型，到你的自定义类别上可能就不稳了。」
中文用户 @Bk1man 在回复里写道：「再补一个判断信号：决策模型的真实路由调用量。如果接下来几周 Clef、Jev 在 compare 页之外的实际 token 消耗也跟着上升，才说明采用不只是首发热度。」
@itsmkhalifa 称「Jev 和 d1 在税务分类上表现最好」，并附上他整理测试细节的帖子。
这次发帖之后，各模型的用量会不会变化，要看排行榜接下来的更新。