事件概述：llama.cpp项目团队（ggml-org）于2026年10月2日在Hugging Face介绍Decision Models支持。新版llama.cpp服务器新增/v1/systemone接口，客户端可提交文本、JSON或截图状态以及带类型的问题，模型一次前向计算就返回每个选项的概率，而不是逐Token生成回答。
能力与对象：Decision Model把任务限定为给定选项的决策，可用于请求路由、内容审核、检查智能体步骤是否成功或选择下一步动作。接口支持三类问题：choice从候选项中选择并给出概率，score在2到10个等级上返回期望等级，noul返回是/否概率。状态还可以是对话消息或包含图片的数据URL，因此部分模型可直接处理文档或截图。
支持模型与示例：官方列出了Julia-1（144M，50多种语言）、Laya（421M，英语）、Kev-4B（4B，英语）、lev（4B，英语）、OpenJev（27B，多语言并支持图像）和Clef（27B，英语并支持图像）。文章给出的单问题中位耗时是在NVIDIA RTX PRO 6000上的参考值，约3毫秒至43毫秒不等；可通过llama serve启动GGUF模型，并在一个服务器中按需路由多个模型。
实际影响：对于规则明确、输出空间有限的代理编排和分类任务，概率化的固定选项输出能减少文本解析与逐Token生成开销，也便于设置置信度阈值，低置信度请求转人工。开发者可用现有llama.cpp部署方式快速试验，不必为每种模型重写客户端，只需切换到System One兼容接口。
限制：概率并不等于正确性，阈值和候选描述需要用自己的数据校准；文章示例显示，给出候选项描述会影响路由结果。不同模型的语言、图像支持和许可证不同，OpenJev标注为CC BY-NC 4.0，不能把所有模型当作可商用。性能数字是单张NVIDIA RTX PRO 6000上的中位测量，实际批量、显存和并发效果需自行压测。
官方来源：https://huggingface.co/blog/ggml-org/decision-models-in-llamacpp |
喧嚣卡
千斤顶