什么是 AI 决策模型？Jev 如何让浏览器自动化成本降低 50 倍

AI 浏览器智能体在点击任何东西之前，得先搞清楚该点哪里。于是它把整个页面发给语言模型，问一句：“下一步该做什么？”模型读完整个页面，琢磨一番，再写出一段回答。然后智能体才去点击。

这一来一回的每个 token 都要算钱。单次点击，也就不到一美分。可如果是一个每天都要跑的 20 步任务，这笔账很快就滚起来了。

更有意思的是：这些问题大多其实很简单。“这几个按钮里哪个是‘加入购物车’？”“表单提交成功了吗？”“这是不是 Cookie 弹窗？”换成你，一眼就能答出来，根本不用动脑子。可大多数 AI 智能体偏偏用又慢又贵的方式来回答：每一次都让一个完整的语言模型写出一段回复。

干这种活，其实有更趁手的工具：AI 决策模型。这个思路早就有了，但真正引起广泛关注是在 2026 年 9 月，TypeSafe AI 发布了 Jev——一个速度快、运行成本几乎可以忽略、几乎什么问题都能接的决策模型。本文会聊聊决策模型到底是什么，为什么丹尼尔·卡尼曼的《思考，快与慢》是理解它的最佳角度，以及把工作拆分给“快”模型和“慢”模型，如何让浏览器自动化比每一步都交给 Claude Haiku 这类小型 LLM 便宜多达 50 倍。而这正是我们要带到 SurfMind 浏览器操作里的能力。

什么是 AI 决策模型？

AI 决策模型只负责做决策。就这么简单。它不写东西。

你给它一个场景（比如一个网页），再加一个带固定选项的问题：“这 14 个元素里哪个是结账按钮？”或者“这个页面是不是被登录墙挡住了？”它会从你给的选项里挑一个，并告诉你它有多大把握。没有长篇大论，没有解释说明，事后也不用收拾烂摊子。

正因如此，它在软件里出奇地好用，原因有两个：

1. 答案永远符合格式。 它只能从你给的选项里挑，所以你的代码拿到结果就能直接用。
2. 它知道自己有几成把握。 好的决策模型是经过校准的：它说 90%，那它大约就有 90% 的时候是对的。这个置信度能告诉智能体，什么时候该直接执行，什么时候该求助。

Jev 就是个很好的例子。它从不写一个字，响应时间远低于一秒，成本只有 LLM 的零头。后面我们会用它公开的价格来算一算到底能省多少。

决策模型并不新鲜

“单独用一个只做判断的模型”这个想法已经存在好些年了，形式也有好几种：

• 微调分类器，比如基于 BERT 的模型（2018 年起），又快又准，但每个模型只会干一件事。垃圾邮件过滤器只会识别垃圾邮件，仅此而已。
• 零样本分类器，比如自然语言推理（NLI）模型，以及 GLiClass 这类较新的开源模型，可以在提问时临时定义标签，无需训练。
• 奖励模型和安全分类器，比如 Meta 的 Llama Guard，搭配在其他 AI 模型旁边，评判它们的输出。
• 当作分类器用的小型 LLM，不生成回复，而是直接读取每个选项的概率。OpenJev 等开源项目就是这么做的。

那 Jev 凭什么火了？它把这些思路整合进一个托管模型里：用大白话描述的问题它基本都能接，给出经过校准的置信度，定价也是为每天上百万次的决策量身设计的。独立对比评测发现，如果自己部署，开源替代方案在成本和隐私上已经占优，但遇到没见过的问题时，准确率仍然落后于 Jev。这也是本文通篇以 Jev 为例的原因。

决策模型 vs. LLM

Claude、GPT、Gemini 这类大语言模型（LLM）是一个 token 一个 token 地生成答案的。哪怕你只想要一个词的回答，LLM 也会把所有内容读一遍，“写”出回复，还常常顺带解释一番。这些你全都要付费，然后还得祈祷它的回复符合你要求的格式。

两者谁也取代不了谁。真正有意思的是把它们组合起来会发生什么——这就轮到卡尼曼登场了。

思考，快与慢：AI 的系统1与系统2

心理学家丹尼尔·卡尼曼在 2011 年出版的《思考，快与慢》中，描述了人类思考的两种模式：

• 系统1快速、自动、毫不费力。认出朋友的脸、看懂停车标志、知道 2 + 2 = 4。你用不着刻意去做，它自然就发生了。
• 系统2缓慢、审慎、需要费力。规划一次旅行、比较两份房贷方案、算出 17 × 24。它需要专注和精力，所以你会省着用。

关键洞见在于：我们每天做的大部分事情都靠系统1。只有碰到新鲜、困难或意外的情况，我们才会请出系统2。要是走路时每迈一步都得认真思考，那你哪儿也去不了。

如今的 AI 智能体只有系统2

如今大多数 AI 智能体什么事都交给大语言模型。LLM 负责规划任务，然后同一个 LLM 还要决定每一次点击、滚动和按键。这就好比请了一位资深分析师来规划项目，结果连每一张复印件都让他亲手去印。

结果可想而知：智能体又慢又贵，偶尔还会在本该轻而易举的一步上，因为一条格式错误的回复而“翻车”。

决策模型给了 AI 一个系统1

决策模型正是缺失的那个系统1：一个快速、便宜、自动的判断层，负责处理日常的例行判断，并且知道什么时候该把问题交出去。

把两者结合起来，整个架构看起来就很像人类的大脑：

• 系统2（LLM） 理解你的需求、制定计划、撰写文本，并处理一切不寻常的情况。
• 系统1（决策模型） 负责执行计划过程中大量快速、重复的决策。
• 置信度就是交接信号。 决策模型有把握时，智能体直接执行；没把握时，问题就升级给 LLM——就像人觉得哪里不对劲时，会切换到认真思考模式一样。

为什么如今的浏览器自动化这么贵

想知道省钱省在哪儿，先看看 AI 浏览器智能体每一步实际在干什么：

1. 读取页面。 智能体抓取页面状态：简化后的 DOM、无障碍树，或者一张截图。
2. 做决策。 模型读取这些状态，加上目标和之前各步的历史记录，选出下一个操作。
3. 执行。 智能体点击、输入或滚动。
4. 检查。 模型查看新页面，确认操作是否成功。

然后循环往复。最贵的是第 2 步。页面状态体量很大，每一步往往就是几千个 token，而且很多智能体每一步还会把不断变长的任务历史重新发一遍。据行业文章统计，一个典型的多步骤浏览器任务要消耗 20,000 到 60,000 个 token，而且 LLM 写出每个操作时还要按输出价格计费。

问题的关键在于：一旦页面被整理成一份候选元素列表，其中大多数步骤就不再是语言问题了，而是选择题。“这些元素里我该点哪个？”“页面有没有按预期发生变化？”这就是系统1的活儿，也正是决策模型的看家本领。

决策模型如何把浏览器操作成本最多降低 50 倍

为了用真实数字说话，我们拿 Jev 和 Claude Haiku 4.5 做个对比——后者是主流 AI 实验室中最实惠的 LLM 之一。TypeSafe 把 Jev 称作“System One model”（系统1模型），直接借用了卡尼曼的术语。

• Jev 的价格是每百万输入 token $0.042，输出免费（见 OpenRouter）。响应时间通常在 70 到 500 毫秒之间。
• Claude Haiku 4.5 的价格是每百万输入 token $1.00，每百万输出 token $5.00。

以浏览器任务中一个普通的例行步骤为例，比如选出该点击的正确元素。

用 LLM（Claude Haiku 4.5）完成这一步：智能体发送约 12,000 个输入 token（指令、工具定义、页面状态和任务历史），并收到约 200 个描述操作的输出 token。

• 输入：12,000 × $1.00 / 1M = $0.0120
• 输出：200 × $5.00 / 1M = $0.0010
• 合计：每步约 $0.013

用决策模型（Jev）完成同一步：它不需要聊天历史，也不需要工具定义。它只接收这一步的目标和候选元素，大约 6,000 个输入 token，然后返回一个选择和置信度。输出免费。

• 输入：6,000 × $0.042 / 1M = $0.00025
• 输出：$0
• 合计：每步约 $0.00025

也就是说，每个例行步骤的成本大约降低了 50 倍，而且答案通常在一秒之内就能返回。

放到整个任务上意味着什么

真实的任务总归需要系统2出场：LLM 得理解你的需求并制定计划，有些步骤也确实存在歧义。所以整个任务能省多少，最关键的只有一点：决策模型把步骤交回给 LLM 的频率有多高。

下面是一个 20 步的任务，采用上面的每步成本计算，混合方案中包含一次 Haiku 规划调用（约 $0.0075）：

以上为基于公开标价的示意性估算。实际数字取决于页面大小、任务步骤数、提示缓存，以及任务需要调用 LLM 的频率。

规律很明显：你的自动化里例行操作越多，就越接近 50 倍那一端。那些反复运行的工作流——填同一张表单、查看同一个仪表盘、分拣同一类页面——正是决策模型大显身手的地方。

独立测试也印证了这一点。在一项 LiteLLM 路由测试中，240 次 Jev 调用花费 $0.0077，而同样的调用在 Claude Haiku 4.5 上花费 $0.1985，便宜了约 26 倍。

速度也更快

省钱还不是唯一的好处。一项独立基准测试显示，Jev 的中位响应时间为 239 毫秒，而 Claude Haiku 4.5 为 687 毫秒，大约快 3 倍。一个 20 步的任务下来，你能少等浏览器好几秒。同一测试还记录到，决策模型的格式错误输出为零——毕竟它只能从给定的选项里选一个作答。

决策模型够准吗？

便宜的前提是点得对。下面说说实情。

决策模型最擅长范围窄、定义清晰的问题。在一项公开的钓鱼邮件检测基准测试中，只问 Jev 一个宽泛的问题（“这封邮件是钓鱼邮件吗？”），准确率为 62.6%，而 Haiku 为 81.3%。但把同一个任务拆成五个具体的小问题后，决策模型的准确率达到了 95.0%，超过了 Haiku 的 93.2%。

这又回到了系统1的道理。快思考擅长简单、具体的判断，却不擅长复杂、模糊的问题。所以正确的设计是分工协作：

• 让 LLM 拆解任务，把它分成一个个小而具体的决策。
• 让决策模型回答每个小决策，比如“选哪个元素？”或“成功了吗？”
• 把置信度当作安全网。 低置信度的答案交回给 LLM，而不是瞎猜。

网页是不可信的输入。 Check Point 的安全研究人员已经证明，决策模型和 LLM 一样可能遭受提示注入攻击。固定的答案空间能限制危害（模型只能从你的代码给出的选项中挑选），但并不能消除风险。这也是 SurfMind 坚持让人参与把关的又一个原因：浏览器操作在执行前都会征得你的许可。

SurfMind 中的决策模型：在浏览器里实现快思考与慢思考

SurfMind 的浏览器操作可以让 AI 代你点击、输入和滚动，直接在你正在使用的页面里完成。到目前为止，这其中的每一步都要经过语言模型。

我们正在为 SurfMind 加入决策模型作为系统1，首先接入的就是 Jev：

• 你选择的 LLM 是系统2。 它理解你的需求、规划任务、撰写文本，并在情况不明时随时介入。
• 决策模型是系统1。 它负责例行、重复的决策：找到正确的元素、确认某一步是否成功、识别弹窗和横幅。
• 置信度决定交接。 有把握的决策直接执行，没把握的交给完整模型——省钱的同时不牺牲可靠性。
• 一切尽在你的掌控。 浏览器操作在执行前依然会征得你的许可。

目标很简单：还是你现在用的浏览器自动化，成本却只是零头，有望比每一步都用 Claude Haiku 便宜多达 50 倍。这也契合 SurfMind 一贯的理念：用多少付多少，按任务选模型，而不是不管什么都付高价。

---

想让 AI 在浏览器里帮你干活，又不想收到天价账单？

SurfMind 为你访问的每个页面带来 300 多个 AI 模型和浏览器操作。有了决策模型，那些例行点击的成本将大幅降低。

免费获取 SurfMind →