TypeSafe 首周 ARR 破亿美元，决策模型三天成新品类

Latent Space · rss · 2026-10-10

头条：TypeSafe/Jev 现象

决策模型新品类

OpenAI Decisions API：三种请求类型（条件为真的概率、从列表挑选、按等级打分），跑在 GPT-6 Luna 上，输入 $0.10/M tokens、无输出计费，官方称快达 10 倍。
Microsoft Decision-1：定位 LLM judge 与科学假设筛选，早期评测指一致性与复杂决策仍是短板。
Perplexity pplx-decider-v1.1-27b：Decision Bench 1071 例准确率 94.5%，$0.017/千次决策。
Cloudflare clef-omni：支持音视频图文，clef-flash 比 Jev 便宜、整体快约 2 倍，权重已开源。
Liquid d1 上架 Vercel AI Gateway，支持视觉分类/路由/打分；vLLM Semantic Router 与 LangSmith 均接入 typed answer 范式。
自己训练：Unsloth 免费笔记本把 Qwen3.5-4B 变成决策模型（8GB 显存）；Qwen3.5-0.8B 实测 60 步准确率 37%→65%，4GB 卡约 10 分钟。
为何 agent 需要：大量 agent 步骤是是非题而非生成；LangChain 称按任务路由到最便宜够用模型，Open SWE 中位成本降 64%。
相关研究：Apple/CMU 的 SSR 用长度归一化似然在共享 KV cache 的一次批处理中为六种策略打分，每轮推理延迟降 90%+，端到端延迟仅降 28–54%。

多智能体与编码工具

Claude Managed Agents 公测：主 agent 写分阶段计划，单次可派发最多 1000 个子 agent 再合并结果；Anthropic 提醒 token 消耗可能很高。
Claude Code Projects 全量开放候补用户，任务并行线程化，会话支持本地运行；Opus 5.5 fast mode 上线但按用量计费、不含在订阅内。
Vals AI 实测：GPT-6 Sol 与 Opus 5.5 组队成本升 1.8–5.1 倍，仅 Sol 中等力度显著提升 7.3 分；Opus 走串行波次，最大力度下每 app 约 6.8 个子 agent、约 1140 次子 agent 工具调用，无显著收益。
Prime Agent 用 Rust 重写自己：2000+ agent 集群、1 万+ 沙箱、2000 亿+ GLM-5.3 tokens，可用输入速度提升 13 倍、启动内存省 83%。
Codex：Windows 沙箱基于 Microsoft Execution Containers；Pro 版新增 Composer 下一条消息预测（有用户不满 Pro-only 限制）；DHH 称 GPT-6.1 Sol 让 Codex 取代 Claude 成主力。
Devin：可派生 Devin 树，总耗时取决于最慢分支而非求和；还接受个人 ChatGPT plan。

模型发布与评测

Qwen-Image-2.1-Turbo（开源权重）：7B 加速版，8 步 2K 生成 + 自然语言编辑。
StepFun Step 5 Preview：600B 总参/27B 激活稀疏 MoE，1M 上下文带视觉，Hermes Index 33.89 追平 GPT-6 Luna，OpenRouter 热度第一，10 月 15 日开源权重。
Upstage Solar Mini 4：35B MoE/3B 激活，524K 上下文、208 tok/s，AAII 24 分为 3B 激活最佳，Cline 内免费。
Gemini 4 Argon：DeepSWE v1.1 报 77.9%（Opus 5.5 为 74.2%），首批面向 650+ Fairwind 防御者，定价 $2/$10 每 M tokens；另有未经证实的内部 "Carbon" checkpoint 接近 Opus 5.5 编码水平的传闻。
语音：HeyGen Voice 以 Elo 1201 居 TTS arena 第一；16.9MB 端侧 STT 模型 Whistle 号称对标 Whisper base。
多轮图像编辑：连续 30 次编辑实测，Ideogram 4.5 与 FLUX 3 局部编辑保真 95%+。

「编程与Agent」频道最新