Jev 担任多智能体调度：更少 token，准确率相近

上海交通大学的四位研究人员于2026年10月15日发布了一篇名为 Jev-LiteMAS 的预印本。S56 它探讨的问题是：在由多个 AI 智能体组成的系统中，是否必须由昂贵的生成模型来决定每一步，还是可以交给决策模型来负责协调。对于搭建智能体并为 token 付费的人来说，这个结果值得关注：在作者的测试中，Jev 接管了路由和中间结果的初步检查，生成模型的 token 用量下降，准确率仍接近对比系统。这是一篇尚未经过同行评审的预印本。

智能体的 token 花在哪里

作者首先用 DeepSeek-V4-Flash 模型测量了现有的多智能体框架 MetaGPT、AgentNet 和 LAS。在六种测量配置中，路由和审查占生成模型 token 的 31.7% 至 43.5%，占时间的 29.5% 至 46.1%。S56 也就是说，这部分并非实际工作本身，而是围绕工作的开销：下一步由谁来做，以及中间结果是否足够好。

作者同时承认，决策模型并不能一对一地取代生成模型。在常见系统中，规划者会写出多步计划和给下一个智能体的指令，审查者则会说明需要修正什么。Jev 两者都做不到，它只返回从选项中的选择或一个裁决。S56

工作如何分配

因此，该设计按照任务所需的输出类型来分工。每一步之后，Jev 从允许的专家中选出由谁继续；如果系统允许终止，STOP 也在选项之中。没有人事先写出完整计划。在指定位置，Jev 评估中间结果，只决定“放行”或“升级”。生成模型负责实际工作，只有被 Jev 升级的内容才会接受第二轮审查；审查意见随后交给负责修复错误的专家。S56

该系统基于 AutoGen 框架构建，生成模型使用 DeepSeek-V4-Flash 和 GPT-5。作者在 MATH、MBPP+、API-Bank 和 IDRBench I3 任务上进行了评估，每项使用 150 个样本（API-Bank 为 150 个回合）。预印本没有说明使用的是哪个 Jev 版本。S56

数据显示了什么

与作者作为主要对比对象的 LAS 相比，生成模型的 token 用量下降了 12.7% 至 54.6%。准确率差距不超过 1.34 个百分点，在八种设置中有七种延迟更低。例外是使用 GPT-5 的 MATH 任务，系统耗时 30.04 秒，而非 25.91 秒。S56

差距最大的是使用 DeepSeek 的 IDRBench I3 任务：token 为 10,233.8 而非 22,556，耗时 72.40 秒而非 133.52 秒，准确率为 75.33% 对 76.00%。S56 这些数字不包括 Jev 自身的 token，只涉及生成模型。

同一任务上不同路由器的对比颇具启发。使用 Jev 的路由器达到 75.33%，使用生成模型的路由器为 68.67%，小型语言模型为 64.00%，固定规则为 26.67%。路由时看不到专家输出的变体最终为 57.33%。S56 由此可见，当模型能看到上一步实际产出的内容时，决策的帮助最大。

在审查环节，Jev 比生成式审查者略逊一筹。在 MATH 任务上，它识别出 95.33% 的有误中间结果（生成模型为 96.67%），并不必要地升级了 4.00% 的正确结果（生成模型为 1.33%）。在 MBPP+ 上，对应数字为 91.33% 对 92.00%，以及 6.67% 对 5.33%。S56 在使用 GPT-5 时，Jev 本身每项任务增加 1.13 至 2.21 秒，即总时间的 2.92% 至 6.85%，占模型成本的 1.56% 至 2.14%。S56

作者承认的局限

专家角色是事先固定的，系统不会创建新角色。当需要升级或修复的输出增多时，两阶段审查带来的节省就会缩小。作者坦率说明了主要的可靠性风险：被 Jev 放行的错误，生成模型就再也看不到了。S56 此外，结果基于每项任务 150 个样本，对于一个百分点左右的差距而言，样本规模有限。

斯洛伐克项目可以借鉴什么

如果你的斯洛伐克网店有串联多个步骤的自动化流程，例如处理退换货申请时识别类型、查找订单、起草回复并检查，这篇预印本展示了一种合理的分工。“下一步做什么”或“这份草稿是否合格”属于 Choice 类问题，而撰写文本仍交给生成模型。TypeSafe 按每百万输入 token 0.042 美元收费，输出免费，稳定别名 jev-latest 指向 jev-1.13.0。S01 按你的用量需要多少费用，可以用 成本计算器 查看。

审查数据也带来一个提醒。在这次测试中，Jev 放过的错误比生成式审查者略多，而这些错误之后再无人审查。因此，对于涉及财务或法律后果的步骤，例如退款或取消订单，我们认为最终决定权应交给代码或人工。何时升级，请用你自己的数据验证；confidence 与校准 指南可以提供帮助。早先一项关于 智能体中的 Jev 的研究也得出了类似结论：更快的决策本身并不会自动带来更好的结果。