- BrainTools - https://www.braintools.ru -

Мир Кузи: ИИ, который не разговаривает, а принимает решения

Decision Models — новый класс моделей искусственного интеллекта [1]

Сколько ног у осла? То-то же. Вот такой он современный ИИ 😂

Сколько ног у осла? То-то же. Вот такой он современный ИИ 😂

В последнее время я много работаю с новым классом моделей искусственного интеллекта — Decision Models. Подходы, лежащие в их основе, давно известны датасайентистам. Но широкую известность эти модели получили буквально вчера (а кто-то из вас впервые узнает о них прямо сейчас).

Чем они интересны для меня? С появлением LLM модели принятия решений заиграли новыми красками. Но, как и всем LLM, им присущ один интересный недостаток: наше доверие к ним зачастую основано больше на вере в их возможности, чем на статистически подтверждённых результатах.

При этом они весьма привлекательны для построения мультиагентных систем. Вам не нужно обучать собственные модели — вы просто берёте уже готовые, универсальные.

Я верю в огромную перспективность этих моделей и продолжу работать с ними в своих проектах.

Недавно в рамках одного из таких проектов я провёл несколько сравнительных экспериментов. Мне хочется поделиться их результатами, но, прежде чем показывать сравнительные таблицы, нужно рассказать о самих моделях.

Именно поэтому мы с ChatGPT (привет вам от него!) написали эту небольшую справочную статью.

Примечание. Дочитавших до конца ждёт бонус — отдельный раздел.


Мы уже привыкли к тому, что современные модели искусственного интеллекта умеют писать тексты, программировать, рисовать, анализировать документы и рассуждать.

Но осенью 2026 года на рынке ИИ стало активно развиваться ещё одно направление — Decision Models, или модели принятия решений. Иногда их называют System One Models.

Эти модели не предназначены для общения с человеком. Они созданы прежде всего для работы внутри программ, автоматизированных систем и ИИ-агентов.

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 2

Немного истории

15 сентября 2026 года компания TypeSafe AI, основанная бывшим сотрудником OpenAI Диогу Алмейдой, представила модель Jev.

Разработчики назвали новый класс моделей System One Models, отсылая к известной книге психолога и нобелевского лауреата Даниэля Канемана «Думай медленно… решай быстро».

Канеман описывал два условных режима человеческого мышления [2]:

  • Система 1 — быстрое, интуитивное мышление.

  • Система 2 — медленное, требующее анализа и осознанных усилий.

Например, мы практически мгновенно узнаём знакомого человека на улице, но для решения сложной математической задачи нам требуется время.

Авторы Jev предложили похожее разделение для искусственного интеллекта.

Уже через несколько недель появились модели других разработчиков:

  • 15 сентября — Jev от TypeSafe AI.

  • 22 сентября — Tev1 от Together AI.

  • 24 сентября — открытая модель Kev.

  • 1 октября — Clef от Cloudflare.

  • 5 октября — официальное представление мультимодальной d1 от Liquid AI.

  • 15 октября — Liquid d1-ultra.

  • 22 октября — общедоступный Decisions API от OpenAI.

  • 11 ноября — Gemini Decision 1 от Google.

Менее чем за два месяца сформировался целый рынок специализированных моделей.

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 3

Что такое Decision Model?

Представим, что мы разрабатываем ИИ-агента, который обрабатывает обращения клиентов.

Поступило сообщение:

«Вчера оплатил заказ, деньги списались, но в личном кабинете заказ не появился».

Нам нужно определить, куда направить это обращение:

  • отдел доставки;

  • техническая поддержка;

  • бухгалтерия;

  • отдел продаж.

Можно отправить сообщение в ChatGPT, Claude, Gemini или DeepSeek и попросить выбрать подходящий вариант.

А можно использовать специализированную Decision Model, которая вернёт примерно такой результат:

Техническая поддержка — 87%
Бухгалтерия — 10%
Отдел доставки — 2%
Отдел продаж — 1%

Никаких рассуждений, объяснений или дополнительных комментариев. Только результат, который может непосредственно использовать программа.

При этом большинство подобных моделей позволяют решать три основных типа задач:

Choice — выбор одного из предложенных вариантов.

Какому специалисту передать обращение? Какой инструмент использовать? Какое действие выполнить следующим?

Noul (Yes/No) — оценка истинности условия.

Соответствует ли документ требованиям? Присутствует ли ошибка [3] в ответе? Требуется ли вмешательство человека?

Score — оценка по заданной шкале.

Насколько качественно выполнена работа? Насколько срочная задача? Насколько документ соответствует запросу пользователя?

Многие модели позволяют задать сразу несколько вопросов об одном и том же объекте и получить ответы за один запрос.

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 4

Но позвольте, ведь классификаторы уже давно существуют!

Именно такой вопрос, наверное, возникнет у людей, знакомых с машинным обучением [4].

Действительно. Логистическая регрессия, деревья решений, случайный лес, CatBoost, нейросетевые классификаторы — всё это существует уже много лет.

Да и саму идею классификации без специального обучения на конкретных категориях (zero-shot classification) изучают далеко не первый год.

Так что же здесь нового?

Представим классический классификатор банковских операций. Мы обучили его на исторических данных определять мошеннические транзакции.

Он может прекрасно справляться со своей задачей. Быстро, дёшево и с высокой точностью.

Но если завтра мы захотим использовать этот же классификатор для оценки качества ответа службы поддержки, он нам не поможет.

Для другой задачи обычно потребуется другая модель или дополнительное обучение.

Decision Models пытаются совместить универсальность современных языковых моделей со скоростью и удобством классических классификаторов.

Сегодня мы просим одну и ту же модель определить тему письма.

Завтра — проверить соблюдение инструкции.

Послезавтра — выбрать действие для робота в виртуальном мире.

Причём варианты ответов и критерии оценки мы можем задавать непосредственно в запросе, не переобучая модель под каждую новую задачу.

По сути, это универсальный классификатор, понимающий естественный язык и контекст.

Но было бы ошибкой считать, что такие модели теперь заменят классическое машинное обучение. Для хорошо определённых, стабильных задач обычный специализированный классификатор может оказаться и точнее, и быстрее, и дешевле.

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 5

А зачем они нужны, если всё это уже умеют LLM?

В принципе, обычная большая языковая модель может выполнять практически все перечисленные задачи.

Но есть несколько нюансов.

Первый — скорость.

Обычная LLM последовательно генерирует ответ, токен за токеном. Даже если нам нужен всего один ответ «да» или «нет», мы используем механизм генерации текста.

Многие Decision Models устроены иначе. Они оценивают предложенные варианты за один проход нейронной сети, не генерируя текст вообще.

Время ответа некоторых моделей измеряется десятками или сотнями миллисекунд.

Второй — стоимость.

Например, при запуске Jev стоимость составляла $0,042 за миллион входных токенов. Выходные данные не тарифицировались.

Liquid d1-ultra имеет аналогичную стоимость.

Gemini Decision 1 — $0,10 за миллион входных токенов.

Для отдельного запроса разница может показаться несущественной. Но представьте систему, которая ежедневно принимает миллионы небольших решений.

Третий — предсказуемость формата ответа.

LLM может вернуть текст, JSON, объяснение, отказ или результат, не соответствующий ожидаемому формату. Современные механизмы Structured Outputs позволяют существенно уменьшить эту проблему.

Decision Models изначально ориентированы на строго определённый набор возможных ответов.

При этом правильно оформленный ответ совершенно не обязательно является правильным по существу. Ошибаться такие модели тоже умеют.

Четвёртый — оценка собственной уверенности.

Decision Models возвращают вероятности возможных ответов. В идеале эти вероятности должны быть откалиброваны.

Что это означает?

Если модель тысячу раз утверждает, что уверена в ответе на 90%, то примерно в 900 случаях она должна оказаться права.

Это позволяет строить системы, в которых простые случаи обрабатываются автоматически, а сложные передаются более мощным моделям или человеку.

Однако калибровку необходимо проверять на собственных данных. Само наличие числа 0,95 в ответе ещё не означает, что модель действительно права в 95% подобных случаев.

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 6

Где это можно использовать?

Область применения огромна:

  • распределение входящих запросов между ИИ-агентами;

  • выбор инструментов для выполнения задачи;

  • проверка результатов работы других ИИ-моделей;

  • оценка качества программного кода;

  • модерация контента;

  • обнаружение попыток манипулирования ИИ-агентами;

  • анализ и сортировка документов;

  • определение релевантности результатов поиска;

  • управление игровыми персонажами и роботами;

  • автоматизация бизнес-процессов.

Особенно интересно применение Decision Models в архитектуре автономных ИИ-агентов.

Представьте систему, в которой мощная языковая модель определяет стратегию и составляет планы, а небольшая и быстрая Decision Model постоянно анализирует текущую ситуацию и выбирает очередное действие.

Обращаться к мощной модели нужно только тогда, когда возникает действительно сложная или нестандартная ситуация.

В каком-то смысле это разделение ИИ на «мозг» и «рефлексы».

Хотя, конечно, аналогия с человеческим мышлением здесь весьма условная.

Осла перерисовал с третьего раза. Но уже не так интересно.

Осла перерисовал с третьего раза. Но уже не так интересно.

Какие модели уже существуют?

По состоянию на 15 ноября 2026 года есть из чего выбирать.
Примечание. Статья была написана раньше, чем выходит на Хабре. Изменения происходят очень быстро. Например, 17 ноября вышла Liquid AI d1.2.

Облачные модели, доступные через API:

  • Jev — TypeSafe AI. Модель, с которой началась нынешняя волна интереса [5] к этому направлению.

  • Liquid d1.1 и d1-ultra — мультимодальные модели от Liquid AI.

  • Gemini Decision 1 — новая модель Google, способная работать с текстом, изображениями, аудио, видео и PDF.

  • OpenAI Decisions API — специализированный интерфейс на базе GPT-6 Luna.

  • Perplexity Decider и Decider Flash v1.3 — модели от Perplexity с открытыми весами и облачным API.

  • Clef, Clef-flash и Clef-omni — семейство моделей от Cloudflare.

Модели, которые можно запускать локально:

  • Kev 4B — на базе Qwen3.5.

  • Liquid d1-2B и d1-Omni-2B — компактные модели нового поколения.

  • Liquid d1-omni-600M — экспериментальная модель всего с 600 млн параметров.

  • Perplexity Decider Flash — компактная версия Decider.

  • Laya — семейство небольших моделей на базе ModernBERT и mmBERT.

  • Clef и Clef-flash — Cloudflare опубликовала веса этих моделей.

  • Tev1 4B и 0.8B — экспериментальные модели Together AI, специализированные на выборе ответа.

Причём не все эти модели одинаково устроены внутри. Некоторые действительно отказались от генерации токенов, другие представляют собой специально дообученные языковые модели, возвращающие очень короткий ответ.

Таким образом, для экспериментов с этим классом моделей уже необязательно использовать облачные сервисы или иметь мощный сервер с десятками видеокарт.

Ссылки для самостоятельного изучения:

Продолжение следует…

Спасибо за внимание [14]!

Автор: Эдуард Ланчев (тг канал: Ланчев PRO ИИ [15])


Бонус

Найдите 10 различий 😉

Мир Кузи: ИИ, который не разговаривает, а принимает решения - 8
Мир Кузи: ИИ, который не разговаривает, а принимает решения - 9
Мир Кузи: ИИ, который не разговаривает, а принимает решения - 10
Мир Кузи: ИИ, который не разговаривает, а принимает решения - 11
Мир Кузи: ИИ, который не разговаривает, а принимает решения - 12

Автор: EddyLan

Источник [16]


Сайт-источник BrainTools: https://www.braintools.ru

Путь до страницы источника: https://www.braintools.ru/article/38834

URLs in this post:

[1] интеллекта: http://www.braintools.ru/article/7605

[2] мышления: http://www.braintools.ru/thinking

[3] ошибка: http://www.braintools.ru/article/4192

[4] обучением: http://www.braintools.ru/article/5125

[5] интереса: http://www.braintools.ru/article/4220

[6] TypeSafe AI — представление Jev и System One Models: https://typesafe.ai/blog/introducing-system-one-models-and-jev

[7] Liquid AI — d1-ultra: https://www.liquid.ai/blog/d1-ultra

[8] Liquid AI — новое семейство LFM3: https://www.liquid.ai/blog/lfm3

[9] OpenAI — Decisions API: https://openai.com/index/decisions-api/

[10] Google — Gemini Decisions API: https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

[11] Perplexity — Decider: https://www.perplexity.ai/en-GB/hub/blog/perplexity-decider

[12] Kev — Hugging Face: https://huggingface.co/jaredpalmer/kev-4b

[13] Каталог Decision Models: https://systemonemodels.org/

[14] внимание: http://www.braintools.ru/article/7595

[15] Ланчев PRO ИИ: https://t.me/lanchev_pro_ai

[16] Источник: https://habr.com/ru/articles/1109922/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1109922

www.BrainTools.ru

Rambler's Top100