章节摘要:这是全书唯一展开三向对照的地方:laya、Jev(托管 System 1 决策模型)与 Kev(开源自训决策模型)——同一个「把判断从生成里拆出来」的方向,三种工程路线。9.1 节给六轴对照表:精度、延迟、语言、算力、成本、微调门槛——Jev 托管精度最强、按量计费(延迟官方口径 236~276 毫秒);Kev 开源权重 0.8B 到 27B 的 Qwen 底座、精度与 Jev 最接近(官方口径 0.851 对 0.857);laya 毫秒级(官方口径 32.8 毫秒)、100+ 语言、CPU 可跑,但 zero-shot 弱、必须微调。9.2 节把表变成树:高频低延迟多语言走 laya、精度敏感可自建走 kev、托管省事或高基数走 Jev,外加混合架构——laya 前置过滤加 Jev 兜底。9.3 节给已经在 Jev 上的团队一条迁移路径:协议已兼容(改 baseUrl 即连)、并行跑对齐、灰度切流加回退开关。数字凡标官方口径者出自各自官方 README,未标者为示意。
三向速览:同一个方向,三种路线(延迟与精度为各自官方口径) Jev(托管) Kev(自训) laya(轻量) ┌──────────────────┐ ┌──────────────────────┐ ┌──────────────────┐ │ 云端 API·按量计费 │ │ 开源权重 0.8B~27B │ │ 421M/322M 检查点 │ │ 精度最强 │ │ Qwen 底座·自建推理 │ │ CPU 可跑·100+语言 │ │ 236~276 ms │ │ 精度最近 0.851≈0.857 │ │ 32.8 ms │ │ 高基数更强 │ │ 要 GPU·要运维 │ │ zero-shot 近随机 │ │ 零运维·数据出域 │ │ 数据不出域 │ │ 必须微调+自校准 │ └──────────────────┘ └──────────────────────┘ └──────────────────┘ │ │ │ └─────────── 混合架构:laya 前置过滤 + Jev 兜底 ────────────┘
一句话金句:选型不是选最好的模型,是选你能养得起的那条路线。
(文字流程图)列需求 ──▶ 过六轴 ──▶ 决策树分流 ──▶ 单选或混合 ──▶ 已在 Jev 上则走迁移三步 ──▶ 对齐验收 ──▶ 切流。
三节按序读:先有对照的坐标系(9.1),再有分流的操作(9.2),最后给存量 Jev 用户一条落地路径(9.3)。
┌──────────────────┐ 坐标系变操作 ┌──────────────────┐ 存量系统的落地 ┌──────────────────┐ │ 9.1 逐项对照 │ ───────────────▶ │ 9.2 分流决策树 │ ───────────────▶ │ 9.3 Jev 迁移 │ │ 六轴一张表 │ │ 单选+混合 │ │ 三步路径 │ └────────┬─────────┘ └────────┬─────────┘ └────────┬─────────┘ │ 每轴的口径来源 │ 混合架构的入口 │ 协议兼容是前提 ▼ ▼ ▼ 第 10 章(诚实边界:各方案的坑) 第 4.1 节(同线协议) 第 4.1 节(改 baseUrl 直连)