System One
PulseAugur coverage of System One — every cluster mentioning System One across labs, papers, and developer communities, ranked by signal.
- developed by TypeSafe.ai 95%
- used by Clairic 95%
- developed by Clairic 95%
- instance of TypeSafe.ai 90%
- developed Decisions API 90%
- developed by Decisions API 90%
- competes with TypeSafe.ai 80%
- affiliated with TypeSafe.ai 70%
- used by TypeSafe.ai 70%
- competes with GPT-6 Luna 70%
- affiliated with Decisions API 70%
- instance of Decisions API 70%
23 天有情绪数据
Emergence of diverse System One model architectures beyond Jev
The recent introduction of open-source System One models like Laya, Lev, and CLM, which offer distinct architectural approaches (concatenation, multiple-choice, separate encoding), indicates a growing trend towards specialized System One implementations. This diversification suggests that the ecosystem is moving beyond a single dominant model like Jev, exploring different methods to process states and options for decision-making.
System One decision models to gain traction in specific AI agent applications
The benchmarking study comparing System One decision models against classifiers and LLMs indicates their effectiveness varies by task. As System One models generally outperformed zero-shot classifiers on workflow and intent tasks without labels, it's likely they will be increasingly adopted for AI agent applications requiring such decision gates, especially where explicit labeling is not feasible or cost-effective.
System One's Jev model to be integrated into enterprise workflow automation platforms
Glean's Jev model, described as a zero-shot classifier for typed decisions, has seen significant adoption in open-source tools for information filtering and security. Given its performance benefits over LLM-based routers in cost and latency for query classification, it is plausible that enterprise workflow automation platforms will begin integrating Jev to enhance their decision-making capabilities, potentially offering it as a managed service.
-
小型裁判模型 Jev 在编码流程中表现出高准确性但影响力有限
一项涉及对 TypeSafe 开发的一个名为 Jev 的小型裁判模型进行 5300 次调用的研究表明，尽管该模型准确率很高，但在多代理编码流程中其输出通常未被采纳。Jev 被集成到一个名为 Plugin for Claude Code 的系统中，并针对三种模式进行了测试：自动咨询检查、按需工具和强制性网关。尽管准确率很高，尤其是在识别不相关代码文件方面，但流程的测量方法和标签问题阻碍了团队量化代币节省或全面评估 Jev 在开放式判断中的可靠性。
-
AI工程师大会聚焦规模化、System One模型和宏大重写；Mistral发布开源权重
AI工程师（AIE）大会将重点关注2026年和2027年的关键主题，包括“无冗余规模化”以管理AI代理效率，“System One”模型的采用以实现更智能的软件开发，以及在重写浏览器和Adobe Photoshop等复杂软件方面日益增长的雄心。该活动旨在汇集顶尖的代理工程师，讨论AI编码工具和策略的进步。此外，Mistral发布了其Mistral Large 4模型的更新开源权重，该模型具有庞大的参数量、多模态能力以及一项新许可，要求…
-
开源MedJev模型提供高效的零样本临床决策支持
研究人员推出MedJev，一个开源的系统一模型，旨在提供高效的临床决策支持。该模型在单次前向传播中运行，无需生成文本，因此计算效率高。MedJev在包括知识、诊断和患者级别预测任务在内的十个医学基准上进行了评估，使用了MIMIC-IV等数据集。它在MedQA和USMLE等基准上取得了与零样本LLM基线和监督模型相媲美的性能，准确率很高，并且置信度校准良好。该模型在患者级别预测方面也显示出潜力，在院内死亡率预测方面优于XGBoost，尽…
-
Cloudflare 推出 Clairic 提取模型，性能超越 GLM-5.3
Cloudflare 推出了 Clairic，一类新的、专为高效设计的提取模型。这些模型通过一次前向传播来提取、计算、估计和预测类型化值，并为每个输出提供置信度分数。在测试中，与 GLM-5.3 相比，Clairic 在结构化输出任务上展现出 3.2 倍的速度优势和 49% 的成本降低。
-
vLLM Semantic Router 发布 d3-ultra，一个 27B 的多模态决策模型
vLLM Semantic Router 发布了 d3-ultra，一个拥有 270 亿参数的多模态决策模型。该模型旨在以概率而非生成文本的方式回答类型化问题，并且它会处理一次输入以回答所有查询。在内部基准测试中，它表现强劲，尤其是在文本任务方面，尽管在基于图像的边界框定位任务上略逊于其同类模型 d3-turbo。
-
Jev 风格的 LLM 显示出可重复的决策，但并未抵抗偏差
一篇新发表在 arXiv 上的研究论文探讨了大语言模型（LLM）中的选择偏差问题，特别关注 Jev 风格的 System One 模型。研究发现，尽管 Jev 风格的模型表现出可重复的决策制定，但这并不一定意味着它们能抵抗选择偏差。即使在选项被随机打乱的情况下，与原始性能相比，模型也显示出累积故障的显著增加。
-
廉价“System One”模型在内容审核准确性上可与前沿大模型媲美
一篇来自arXiv的最新研究论文探讨了“System One”模型在内容审核中的有效性，发现它们在准确性上可与GPT 5.x、Claude、Gemini-3.*和Grok等前沿大模型相媲美，但成本却显著更低。研究指出，这些更廉价的模型可以达到0.83的AUROC，与许多先进模型相当，并且校准良好。然而，该研究也区分了人类分歧和决策风险之间的关键区别，认为这些模型单一的置信度分数可能无法充分捕捉这两种不确定性，尤其是在处理讽刺或隐晦语言…
-
System One模型提供比LLM更快、更便宜的AI决策
一类新的AI模型，被称为“System One”模型，旨在实现快速、结构化的决策，而不是文本生成。在一项比较中，名为Jev的System One模型在意图分类和内容安全检查等任务上，与Claude Haiku 5.5相比，延迟和成本显著降低。虽然Jev更快、更便宜，但其准确性在大多数测试基准上与Claude Haiku 5.5相当，这表明System One模型可能是AI管道中特定决策任务更有效的选择。
-
TypeSafe AI 发布 Jev，一款专注于决策的 AI 模型
TypeSafe AI 发布了 Jev，这是一款新 AI 模型，旨在用于决策而非文本生成。与生成顺序 token 的传统 LLM 不同，Jev 使用并行采样来提供具有置信分数的结构化、类型化决策，目标是显著加快响应时间和降低软件集成成本。这种方法符合“系统 1”思维模型，专注于特定任务的快速、直观判断，而不是 LLM 更为深思熟虑的“系统 2”推理。
-
AI研究解决模型效率和数据噪声问题
两篇新研究论文提出了提高AI模型性能和鲁棒性的方法。第一篇EditJev引入了一个系统，可将图像编辑请求动态路由到最高效的模型，在保持质量的同时显著降低延迟。第二篇Sam-Correction通过使用基础模型自适应地纠正不完美的真实掩码，解决了医学图像分割中的标签噪声问题，即使没有干净的标签也能实现鲁棒的模型训练。
-
Iris框架通过可复用的视觉候选来增强多模态AI的决策能力
研究人员开发了Iris，一个旨在改进AI代理的类型化决策的新框架，特别是在候选者为视觉的多模态环境中。Iris允许独立编码图像、文本或混合候选者，同时保持顺序不变性和可扩展性等关键属性。与联合编码方法相比，这种方法显著降低了延迟并提高了准确性，尤其是在处理大量候选者或跨请求复用候选者时。该框架还解决了系统瓶颈问题，在特定硬件上实现了显著的加速。
-
研究发现：System One 模型并非比微调替代品更优的重排器
一篇新发表在arXiv上的研究论文表明，“System One”模型（也称为决策模型）在作为重排器方面，并不比专门为重排任务微调的模型更优越。该研究在多个数据集上测试了各种Qwen骨干模型，发现重排器微调的性能始终优于决策微调，尤其是在参数量高达90亿的模型上。研究表明，虽然决策模型在某些场景下具有校准优势，但这并不能弥补其整体排名性能较差的不足。
-
Cloudflare 在 Workers AI 上推出 Clairic 提取模型
Cloudflare 推出了 Clairic，一个 System One 提取模型，在其 Workers AI 平台上预览可用。该模型旨在一次性从文本中提取特定的、类型化的数据字段，如数字、日期、持续时间、列表，而无需生成 token。每个提取的值都附带一个置信度分数或一个 null 值。
-
VX-One 神经网络提供更快、更准确的周边分类
一篇新的研究论文介绍了 VX-One，一个用于实时周边分类的小型多头神经网络。该模型输出类型化的决策原语，例如校准门和闭集选择，旨在弥合快速但有限的签名引擎与较慢、更具语义的生成模型之间的差距。在 UNSW-NB15 和 CIC-IDS2017 等基准测试上的评估表明，VX-One 提高了检测率，尤其是在时间漂移下，尽管 XGBoost 在多类归因方面仍处于领先地位。
-
AI 发展涵盖大语言模型工具、强化学习算法、全景图生成和测试框架
llama.cpp 项目发布了 b11781 版本，为文本转语音模型引入了 POST /tts 端点，并增强了音频流功能。另外，一篇新研究论文提出了一种无模型连续时间强化学习算法，该算法可以从离散时间离策略数据中学习，并提供端到端保证。另一篇论文介绍了 CubeAtlas，一种使用扩散 Transformer 生成无失真、无缝 360 度全景图的新颖表示方法。此外，一篇 dev.to 文章详细介绍了如何使用钩子来回答 Claude C…
-
Cloudflare 在 Workers AI 上推出 Clairic 提取模型
Cloudflare 推出了 Clairic，一个专为其 Workers AI 平台设计的新型 System One 提取模型。该模型能够在一遍处理中返回带置信度的类型化值，提供了一种高效的数据处理方式。Clairic 的定价为每百万输入 token 0.10 美元。
-
Cloudflare 推出 Clairic，用于在 Workers AI 上进行快速数据提取
Cloudflare 推出了 Clairic，一个旨在从文本和图像中提取结构化数据的新模型。与传统的 LLM 不同，Clairic 旨在一次性将总计和日期等特定信息提取为 JSON 格式，而无需生成文本。在 Cloudflare 的测试中，该模型实现了亚秒级提取时间，可通过 Workers AI 访问，定价为每百万输入 token 0.10 美元。
-
Cloudflare 发布新的 AI 提取模型；Apple 面临持续专利纠纷
Cloudflare 在其 System One 框架内推出了新的提取模型 Clairic。此举旨在增强 AI 处理和提取信息的能力。另外，一项针对 Apple 的专利侵权判决导致 Taction Technology 寻求对未来 iPhone 和 Apple Watch 的销售进行进一步的损害赔偿和版税。
-
Cloudflare 发布 Clairic 提取模型，实现更快、更便宜的数据处理
Cloudflare 推出了 Clairic，这是其 System One 框架内一种新型提取模型。Clairic 旨在比传统 LLM 更准确、更快速、更低成本地从非结构化文本中提取、计算、估算和预测值。该模型专注于提供结构化输出，如数字、日期和特定文本跨度，这使其与生成开放式文本且需要更长处理时间的 LLM 区分开来。
-
System One决策模型在法律、临床和多模态AI任务中展现出潜力
研究人员正在探索“System One”决策模型的应用，该模型源自大型语言模型，但侧重于输出校准后的概率而非生成文本，用于专业任务。一篇论文研究了其在法律AI中用于验证主张的应用，发现与生成式LLM相比，当不存在正确权威时，这些模型可以弃权，从而显著减少不正确的引用。另一项研究展示了一个通用的“Clinical System One”模型，该模型能有效地从患者记录中提取信息，性能优于更大的模型，并实现了小型决策模型与生成式AI之间的分…