AREX Feed Article
OpenRouter 上线决策模型排行榜，并称 TypeSafe 的 Jev 1.13 在全部类别中领先
10 月 7 日，发帖宣布上线「Decision Model Rankings」（决策模型排行榜）：用真实使用数据展示不同决策模型、不同任务类型的支出份额（spend share）与 token 份额（token share）。帖文称，@typesafeai 当天在所有类别中领先。
的数据截至 10 月 7 日：TypeSafe 的 Jev 1.13 在六个评估标准与 17 个领域、支出与 token 两种口径下全部排在第一；总榜上它的请求量为 9.81 亿次，约为第二名 Span-01 Lite（951 万次）的 103 倍。
榜单长什么样：两种份额口径、六个评估标准、17 个领域
页面把这份榜单描述为「基于真实使用数据的实时排名，数据来自人们在 OpenRouter 上通过决策模型对输入进行分类、评分和打标签」。它由几个板块组成：排行榜按请求量给模型排名；「Top models by category」按类别列出领先模型，默认看支出份额（Share of spend），可以切换成 token 份额（Share of tokens）；「Market Share」按发布方比较决策请求份额；「Evaluation criteria」比较模型在各自被要求评估的标准上的表现；「Domain」按请求的主题领域比较。
帖文提到的任务类型，在页面上分成两组维度。评估标准有六项：Relevance（相关性）、Correctness（正确性）、Instruction following（指令遵循）、Safety（安全性）、Severity（严重程度）、Writing quality（写作质量）。领域有 17 项，从 Software & technology、Business operations、General 到 Relationships。
统计方式以一段信息提示的形式给出：每个类别由分类器从该页模型请求的代表性样本推断；百分比为最近 30 天经样本校正的支出份额，类别图表里的变化值对比此前 30 天。页面底部注明，榜单数据以 CC BY 4.0 协议授权，注明来源即可转载。
总榜：前十里五个标着 new 的模型
| 排名 | 模型 | 发布方 | 请求量 | 变化 |
|---|---|---|---|---|
| 1 | Jev 1.13 | TypeSafe | 9.81 亿次 | +4% |
| 2 | Span-01 Lite | Respan | 951 万次 | +9% |
| 3 | d1 | Liquid AI | 353 万次 | new |
| 4 | GPT-6 Luna Decisions | OpenAI | 353 万次 | new |
| 5 | Clef Flash | Cloudflare | 346 万次 | new |
| 6 | Clef | Cloudflare | 270 万次 | new |
| 7 | Kev 4B | jaredpalmer | 245 万次 | +305% |
| 8 | Decider V1 27B | Perplexity | 195 万次 | new |
| 9 | Mercury Decide (free) | Inception | 132 万次 | >999% |
| 10 | Solar Decide | Upstage | 112 万次 | +193% |
变化列对比的是最近一周与此前一周的请求量。标着 new 的是 d1、GPT-6 Luna Decisions、Clef Flash、Clef 与 Decider V1 27B；发布方则包括 TypeSafe、OpenAI、Cloudflare、Perplexity、Liquid AI、Upstage 等。
拆到类别：六个标准的支出份额 91.2%～98.1%
在六个评估标准里，Jev 1.13 的支出与 token 份额分别是：
| 评估标准 | 支出份额 | token 份额 |
|---|---|---|
| Relevance 相关性 | 98.1% | 96.8% |
| Correctness 正确性 | 96.3% | 95.4% |
| Instruction following 指令遵循 | 96.6% | 96.4% |
| Safety 安全性 | 93.5% | 96.6% |
| Severity 严重程度 | 97.2% | 97.9% |
| Writing quality 写作质量 | 91.2% | 98.9% |
六项标准里，Jev 份额最低的是 Writing quality，支出份额 91.2%；在这个标准中，其余模型里最高的 Upstage Solar Decide 也只有 7.7%。token 口径下，Jev 在六项标准的份额为 95.4%～98.9%；在 17 个领域里，它的支出份额范围为 95.8%～99.8%。
品类时间线：从 9 月 15 日的 Jev 到 10 月 6 日的 GPT-6 Luna
OpenRouter 在 9 月 21 日的里解释了 TypeSafe 的 Jev 是怎么工作的：它接收一段文本和一个预先给定了答案选项的问题，返回其中一个选项及其概率，不生成自由文本；TypeSafe 称这类模型为 System One 模型。博客提到，Jev 在 9 月 15 日以早期访问形式发布。
里，OpenRouter 称「TypeSafe 两周前开创了这个类别，市场上现在有 6 个决策模型，其中包括 2 个免费模型」。10 月 1 日，Liquid AI 的 与 Perplexity 的 发布；10 月 6 日，OpenAI 的 发布。一天后，这份排行榜上线。
回应与口径：TypeSafe 向自家模型提问，和一条份额提醒
OpenRouter 的帖文发出约 4 小时后，TypeSafe 的 账号向自家模型提问：「嘿 Jev，按照 OpenRouter 的决策模型排行榜，我该用哪个模型？」TypeSafe 联合创始人兼 CTO Erik Gafni（@EGafni）则在中称：「我们非常期待更多 System One 模型出现。但今天 OpenRouter 上 98.6% 的 System One 模型请求来自 Jev。」
也有人对口径提出保留。用户 @fireandstart 在中写道，把决策模型按相关性、正确性和指令遵循拆开看比总榜更有参考价值，但支出份额和 token 份额会受接入时间、调用量影响，「不能直接当成质量排名」，并希望后续按任务类型补充样本量与评测口径。
按支出份额来看，六项标准的第二名分属四个发布方：Cloudflare 的 Clef 占了三项，OpenAI 的 GPT-6 Luna Decisions、Perplexity 的 Decider V1 27B 与 Upstage 的 Solar Decide 各占一项。GPT-6 Luna Decisions 与 Decider V1 27B 都是 10 月才发布的模型；它们能把与 Jev 的差距压缩到什么程度，要看接下来的份额数据。