Artificial Analysis 发布决策指数 v1.0：量化结构化概率输出模型，Jev 成本仅为大模型十分之一

Artificial Analysis 正式推出首个专门针对“决策模型”（Decision Models）的基准测试指数 v1.0，旨在评估模型在单次调用中输出结构化选项及其概率的能力。该指数确立了“决策模型”作为区别于传统生成式语言模型的新类别，核心聚焦于分类、工具调用、知识检索、幻觉抑制及推理五大维度，为开发者提供量化依据以权衡轻量级专用模型与重型通用大模型的适用场景。

多源数据交叉验证显示，专用决策模型如 Jev 系列在结构化输出任务中展现出显著的速度与成本优势。尽管通用大模型如 Claude Haiku 5.5 在准确率上略胜一筹，但其成本约为 Jev 的 4.4 倍且延迟更高。具体测试集包括 AA-Omniscience-Decision（用于幻觉检测）、HLE-MultiChoice（评估推理能力）以及 When2Call（测试工具调用决策），全面覆盖了从基础分类到复杂逻辑判断的场景。

这一基准的发布标志着 AI 评测体系向细分领域深化，填补了结构化概率输出模型缺乏统一评估标准的空白。它帮助开发者在构建 Agent 或自动化工作流时，更精准地选择高性价比的底层模型，推动行业从盲目追求参数规模转向注重特定任务下的效率与成本平衡，加速了轻量化专用模型在产业落地中的生态成熟。