象信AI决定挑战 Jev Decision Index 决策模型榜单第一名，并把训练过程公开。
你可以打开训练直播页，看到训练走到哪一步、指标如何变化、每个模型检查点的评测表现，以及我们与榜单领先模型之间的距离。
训练直播：https://xiangxinai.cn/training/
这是一个正在推进的目标。最终成绩，以榜单维护者完成评测后公布的 Full 排名为准。
为什么是决策模型？
一条客服消息，要不要优先处理？一段内容，是否违反社区规则？Agent 准备执行的操作，应该放行还是转人工？检索出来的十段材料，哪些与当前问题相关？
这些问题每天都在软件里发生。它们需要清楚的判断标准、可供代码使用的结果，以及能够支撑批量调用的成本。
象信AI专注于 System One，也就是“系统一”决策模型。
开发者提交一份待判断的内容 state，再定义问题、选项和评分标准。模型直接返回判断结果与概率，程序据此执行下一步。
象信支持三种常用问题：
- Noul：判断是否成立。
例如“客户是否正在投诉”，返回成立的概率。 - Choice：从候选项中选择。
例如把工单分到退款、物流、商品咨询等队列。 - Score：按标准打分。
例如根据明确的等级说明，对内容质量或风险程度评分。
一份内容可以同时回答多个问题。业务规则仍由开发者掌握：哪些情况自动通过、哪些情况重试、哪些情况交给人工，都可以写进代码。
我们希望这种能力成为软件里的常用组件，让开发者能把判断调用放进客服、内容审核、数据筛选、检索排序和 Agent 工作流。
Jev Decision Index，为什么值得认真挑战？
通常所说的“Jev 决策模型榜”，这里指的是 Hugging Face 上的 Decision Index。它由独立社区维护，项目明确说明与 TypeSafe AI 没有隶属关系。榜单与项目说明
它的参考价值，来自可以检查的评测设计。
第一，公开与私有测试结合。 0.3 版 Full 成绩中，公开基准占 20%，私有同技能测试占 50%，私有新领域任务占 30%。后两部分由维护者评测，用来检验模型面对未公开题目和新领域时的表现。评分规则
这让我们必须关心泛化：公开集上的提升，还要经受私有测试的检验。
第二，覆盖多种能力。 公开部分包含 37 项基准，涉及知识与推理、语言理解、检索与分类、工具与自动化、艺术与人类偏好。公开评测范围
第三，规则可复现。 项目公开评测工具、数据重建方法和计分程序；随机猜测被校正为零分，未回答的题目按错误处理。复现工具与计分方法
第四，速度也有入榜要求。 维护者会在统一硬件上检查延迟，要求模型保有快速决策的特点。入榜条件
这些设计给挑战者提供了一把相对客观、可以核查的尺子。榜单也只是特定测试范围内的比较，实际业务仍需要用自己的数据验证。
为什么象信AI要冲击世界第一？
决策模型正在形成新的竞争。当前榜单领先阵营中可以看到 vLLM-SR d3、Decider、Perplexity Decider，以及 TypeSafe 的 Jev 等名字。Perplexity、TypeSafe 等海外团队已经在这个方向展开竞争。实时榜单
我们希望中国团队也能在这条赛道上拿出经得起统一评测的决策模型。
冲击第一，为训练提供了一个明确目标：模型能否理解陌生的判断标准？面对没见过的任务，能否稳定做出选择？能力提高后，能否继续保持适合真实软件的响应速度？
这些问题最终都会回到产品。客户需要的是好用、稳定、成本可控的判断服务。每一次评测暴露的短板，都应该成为数据、训练和服务的改进方向。
我们选择公开这个过程。进步可以被看见，停滞、异常和重新训练也可以被看见。
训练直播，你能看到什么？
训练直播页的数据直接来自训练日志与评测结果，页面约每 30 秒刷新一次。
打开 xiangxinai.cn/training/，可以看到：
- 训练进度：
当前步数、完成比例、近期每步耗时和预计剩余时间。 - 训练指标：
损失曲线、梯度范数、验证集准确率与 NLL，观察训练是否稳定。 - 阶段评测：
每个 checkpoint 的公开集子集实测分、公开集估计分和分领域表现。 - 对手参照：
与榜单主要模型的公开成绩对照，查看能力差距。 - 投入与运行动态：
GPU 卡时、按租用单价估算的累计费用，以及重启、异常和评测事件。
页面会解释每个数字的来源。为了在训练过程中及时反馈，阶段评测使用公开集的分层子集，并通过参照模型换算公开集估计值。
这个估计值用于观察训练趋势，不能当作完整公开集成绩，更不能当作正式 Full 排名。 私有测试成绩仍需榜单维护者给出。直播及指标说明
你可以持续追踪模型的变化，也可以用自己的实际问题测试已经上线的象信服务。
现在就可以免费体验象信AI
进入控制台：https://console.xiangxinai.cn/
注册后打开 Playground，粘贴一段文本，添加需要判断的问题，选择 Noul、Choice 或 Score，填写判断标准后运行，就能查看结构化答案与概率。
可以先试这样一个客服场景：
待判断内容：快递三天没有更新了，请马上帮我查一下，今天必须给我答复。
问题一：客户是否着急？
问题二：问题属于物流、退款，还是商品咨询？
问题三：按你定义的标准，这条工单的处理优先级是多少？
验证问法后，在控制台创建 API Key，通过 POST /v1/systemone 接入自己的系统。接口文档：https://docs.xiangxinai.cn/
每个组织每月赠送 ¥5 体验额度，注册即享，之后按注册日刷新；当期有效，不累计。 按当前输入 ¥0.042／百万 tokens 的价格计算，约可体验 1.19 亿输入 tokens；输出免费。同一请求内，原文只计一次，再加各问题的输入 tokens。定价与免费额度
你可以从一份真实工单、一段待筛选的数据，或一个 Agent 操作开始，亲自判断象信是否适合你的工作流。
欢迎关注象信AI，和我们一起见证这次冲榜。
看训练：xiangxinai.cn/training/
免费体验：console.xiangxinai.cn/
接入文档：docs.xiangxinai.cn/
榜单信息按 2026 年 10 月 16 日撰稿时可获取的资料整理，排名持续变化。本文所说的“冲击世界第一”，指争取 Decision Index 文本榜 Full 排名第一。