Un sujet qui dure

Microsoft présente Microsoft-Decision-1, un modèle qui répond aux questions de décision par des probabilités plutôt que par du texte. Il est bâti sur Qwen3.5-9B, d'Alibaba, que Microsoft a post-entraîné ; il atteint, selon ses mesures, 83,5 % de précision moyenne sur 36 bancs d'essai, face à neuf systèmes, avec une latence médiane de 85 millisecondes, rapporte letsdatascience. Il est proposé dans Microsoft Foundry et par OpenRouter ; les poids ne sont pas publiés.

Ces chiffres sont ceux de Microsoft. Une revue indépendante mesure 190 à 270 millisecondes par OpenRouter. Après l'API de décisions d'OpenAI, le 6 octobre, c'est un deuxième grand éditeur sur le terrain de Jev.

OpenAI ouvre en préversion publique son API de décisions : l'application pose des questions à un modèle, GPT-6 Luna, qui répond par une probabilité, un choix parmi des options ou une note, plutôt que par du texte. OpenAI la dit jusqu'à dix fois plus rapide que Luna par l'API Responses ; la mesure est la sienne.

C'est le terrain de Jev, le modèle de TypeSafe sorti à la mi-septembre. Depuis, llama.cpp a ajouté un point d'accès pour ces modèles le 2 octobre, et le Decision Index de Hugging Face est passé le 6 à sa version 0.3, avec une moitié de tests tenue privée pour que le classement ne se règle pas sur les bancs d'essai publics.

Denis Yarats, cofondateur et directeur technique de Perplexity, raconte avoir entraîné « un modèle de type Jev compétitif » sans aucune intervention humaine, avec un essaim d'agents de l'entreprise auquel il avait donné une machine équipée d'un GPU H200 : AutoJev, un « projet du week-end ».

Deux jours plus tard, Hugging Face relève son Decision Index à la version 0.2, avec 29 modèles et 21 bancs d'essai de plus : AutoJev-27B y prend la tête des modèles ouverts, à 0,8 point de Jev, le modèle de TypeSafe dont il reproduit l'approche.

Une semaine après la sortie de Jev, Victor Mustar, de Hugging Face, en compte trente et une reproductions ouvertes. Son collègue Apolinário Passos publie le Decision Index 0.1 pour les départager : chaque reproduction et Jev passent 37 bancs d'essai, soit 132 422 questions, sans troncature, sans ajustement des invites, une question sans réponse comptant pour fausse. Jev tient la tête, à 59,5.

La plus rapide des copies a été bâtie en une nuit : l'auteur de Laya dit avoir mis quinze heures entre l'entraînement et la mise en ligne du modèle. Portée depuis sur CoreML, avec 99,5 % des opérations sur le moteur neuronal d'Apple, elle décide en 3,7 millisecondes sur un M5 Pro.

Quatre jours après sa sortie, Jev est mesuré du dehors. OpenRouter le passe à Ori Eval contre les modèles populaires sur la tâche de juge : « plus de cinq fois plus rapide que le modèle suivant, et même ses requêtes les plus lentes battent la médiane de tous les autres ». LangChain publie le même soir une comparaison sur l'exactitude, la reproductibilité, la latence et le coût, et conclut que « Jev comme juge » revient moins cher et plus juste que le grand modèle comme juge pour l'évaluation en ligne.

L'architecture se recopie aussi vite. Samuel rebâtit l'inférence parallèle sur LFM2.5-350M, sans entraînement : « 63 fois plus rapide sur une L40S », code et poids publiés.

Quatre jours après la sortie de Jev, Florian S, qui tient Benchmark Heaven, publie JevBench — « le premier banc d'essai des modèles de classe Jev ». Le score compose quatre axes à poids égaux — intelligence, calibration, vitesse, coût — par moyenne géométrique, de sorte qu'un axe faible tire tout le reste vers le bas.

L'effet tient dans une ligne : GPT-5.6 Luna devance Jev 1.13.0 sur l'intelligence (96,8 contre 90,4) et sur la calibration (89,8 contre 82,7), et finit douzième, parce que mille décisions lui coûtent 0,247 dollar contre 0,041 à Jev. En annonçant ses résultats, l'auteur donnait Jev en tête à 75,3 devant SemIf à 74,6, une reconstruction ouverte bâtie sur Qwen3.5-4B par Theodore Lee. La page porte aujourd'hui un autre nom au sommet : classifier.dev, à 84,8.