让 AI 规划一次出行用户可能只需要说一句“帮我找一个合适的航班和酒店。”但要完成这件事AI 得先判断哪些信息需要实时查询价格和退改规则该由什么工具核对如果涉及预订和付款又该在哪一步停下来请用户确认模型和工具越多这类判断就越关键。最近Jev 等决策模型受到关注也让一个问题进入更多人的视野AI 除了要会回答、会执行还要知道下一步该怎么做。今天云知声正式上线并开源决策大模型 U2-Decision本次开源版本参数量为 4B。它定位于多模型、多 Agent、多工具协作中的决策层围绕三个问题展开任务交给谁、任务能否执行、任务沿什么路径完成。对应的三项核心能力是智能模型路由、安全决策和工作流路由。U2-Decision 的设计初衷并不复杂不是所有问题都要交给能力最强的模型也不是选对模型就一定能完成任务。一个真正可用的 AI 系统还要在效果、成本、速度和风险之间持续作出判断。01智能模型路由为任务选择合适的模型写一封普通邮件、分析一份复杂报表、解答专业问题对模型能力的要求并不一样。即便同属一类任务问题的难度、时效要求和可接受的成本也可能不同。过去模型路由往往依赖预设规则遇到某类问题就固定调用某个模型。U2-Decision 则把任务类型、复杂度、风险、模型能力、成本和时延放在一起判断再选择更合适的模型。例如同样是处理一份材料提取日期和名称可能不需要调用复杂推理模型如果用户要求核对多份材料中的矛盾信息并解释判断依据就需要更强的分析能力。U2-Decision 要做的是识别这两类任务的差别把它们交给适合的模型处理。02安全决策在执行之前先判断边界AI 的安全问题并不只发生在答案生成之后。有些任务在开始之前就需要判断请求是否合适、数据能否使用、当前模型是否足以可靠地处理。比如用户要求 AI 根据一份包含敏感信息的文件生成对外材料。系统不能只考虑“能不能写出来”还要先判断哪些内容可以使用哪些内容需要隐藏结果是否需要进一步核验。U2-Decision 将请求风险、数据风险和模型风险纳入决策过程。面对高风险或不确定性较高的任务它可以选择升级处理、增加验证、转交人工确认或停止执行。安全由此进入任务的前置判断而不只是生成结果后的过滤环节。03工作流路由决定任务该怎么完成选定模型之后任务也未必能靠一次调用完成。以前述出行规划为例系统需要查询实时信息、比较多个选项、核对规则最后才形成建议。其中有些步骤适合模型分析有些需要搜索或调用工具涉及预订和付款时还需要用户确认。U2-Decision 将决策范围从“调用哪个模型”扩展到“采用什么执行路径”。模型、Agent、工具、检索增强和结果验证可以根据任务需要组合。简单任务直接回答复杂任务则分步执行并在必要的节点进行核验。这也是 U2-Decision 与一般模型选择器的区别它关心的不只是从 A、B、C 中选出一个模型还关心任务是否该继续以及下一步该走向哪里。04三项评测指标验证决策能力在本轮与 Jev、Kev-4B 的对比实验中U2-Decision 4B 在三项核心指标上均取得相对最优结果通用任务准确率 91.5%安全合规准确率 99.6%路由一致性 0.6。这三项指标分别对应它在实际使用中要解决的问题能否作出准确判断能否守住安全边界以及面对同类任务时能否给出稳定的路由选择。评测结果为 U2-Decision 的设计提供了能力佐证。05让多模型协作走向真实任务当一个 AI 应用接入越来越多的模型、Agent 和工具新的难题随之出现能力已经摆在那里系统该如何调用它们对使用者来说理想的体验是把需求交给 AI而不必自己研究该选哪个模型、调用哪个工具、什么时候检查结果。对开发者来说决策能力可以帮助系统把简单任务快速分流让复杂任务获得足够的能力支持并在高风险环节加入必要的确认和验证。U2-Decision 正是为这一过程而设计。它不替代负责生成和执行的模型而是在任务开始和推进的过程中持续作出判断让不同能力各司其职。此次开源是云知声邀请开发者共同探索决策模型应用的一步。我们期待更多人试用U2-Decision把它放进真实的任务流程中检验它能解决什么问题、还需要怎样改进。模型已经开源至GitHub搜索u2_decision_4b即可体验。