Бенчмарк для Decision Models: сравниваем Jev, Luna Decisions, D1 и ещё 9 моделей

Decision Models — отдельный класс LLM, которые не генерируют длинные тексты, а быстро выбирают из нескольких вариантов. В сентябре 2026 года TypeSafe выпустила Jev, и с тех пор такие модели появляются одна за другой. Автор заметил, что их часто используют в продакшене для роутинга, модерации и оценки, но непонятно, насколько они хороши на деле.

Чтобы ответить на этот вопрос, он сконструировал бенчмарк, который измеряет качество, скорость и стоимость принятия решений. В тесте участвуют 13 моделей: Perplexity Decider 27B, TypeSafe Jev, Fastino GLiDE, GLiNER2.5-Decide, Cloudflare Clef 27B, OpenAI GPT-6 Luna Decisions, Liquid d1, Kev-9B, Cloudflare Clef-flash 9B, FRIDA-Decisions (и FRIDA Embedder) и Laya Typed Decisions. Результаты помогут понять, какие модели можно безопасно тащить в прод.