Mouse-1

Product Hunt 模型
ai-agents decision-model product-hunt inference latency cost-efficiency

摘要

Mouse-1 是一个面向 agent harness 的轻量决策模型，能处理 agent 执行过程中的大量小决策，宣称比 GPT-6 Sol 便宜 163 倍、快 65 倍，可与现有技术栈并行接入。

<p> 为你的 agent harness 打造的决策模型。 </p> <p> <a href="https://www.producthunt.com/products/mouse-1?utm_campaign=producthunt-atom-posts-feed&amp;utm_medium=rss-feed&amp;utm_source=producthunt-atom-posts-feed">讨论</a> | <a href="https://www.producthunt.com/r/p/1287281?app_id=339">链接</a> </p>
查看原文
查看缓存全文

缓存时间: 2026/10/21 08:19

# Mouse-1：为你的智能体框架打造的决策模型。| Product Hunt Source: https://www.producthunt.com/products/mouse-1 一个智能体在执行任务过程中会做出数百个小决策。我们构建了 Mouse-1 来处理这些决策，为你节省时间和资金。它的成本比 GPT-6 Sol 低 163 倍，速度快 65 倍。其工作方式是将该模型直接集成到你的智能体框架中，与你现有的技术栈并行运行。Mouse-1 接收智能体的状态和可选项，并返回一个概率值。这样，框架就能处理所有小决策，而主力前沿模型则专注于推理或代码编写。

相似文章

Microsoft-Decision-1

Product Hunt

Microsoft 推出 Decision-1 决策打分模型，用于代理与工作流的路由、分类、验证和控制，单次推理即可输出各选项的校准概率。该模型基于 Qwen3.5-9B 后训练，据称中位延迟比 GPT-6 Sol 快约 35 倍，现已在 Microsoft Foundry 上线。

Microsoft-Decision-1，我们的快速决策模型

Hacker News Top

微软发布 Microsoft-Decision-1，一个专为快速决策打分设计的模型，可用于路由、分类、优先级排序与工作流控制，基于 Qwen3.5-9B 后训练，在 36 项基准测试中取得最高准确率，延迟比 GPT-6 Sol 快约 35 倍。

@mylifcc: 这不是普通的大模型，而是一个多代理编排系统（Multi-Agent Orchestration System）——它自己就是一个小模型，却能智能地动态协调 GPT、Claude、Gemini 等多个前沿模型，自主分配角色、拆分任务，完成复…

X AI KOLs Timeline

Sakana AI 发布了一个多代理编排系统（Multi-Agent Orchestration System），它通过一个小模型智能协调 GPT、Claude 和 Gemini 等前沿大模型来自主分配任务和处理复杂工作。

@rohanpaul_ai: 普林斯顿大学+Google新论文发现，在孤立问题上最准确的决策模型只解决了69.5%的智能体任务，而在智能体状态上训练的4B模型解决了91.5%。

X AI KOLs Following

普林斯顿大学与Google的联合论文提出JevAgentHarness，将智能体工作流中的常规决策（如工具选择）交给经智能体实际状态训练的小型决策模型（如AgentDecision-4B），在保持成功率的同时使成本降低81%–89%、速度提升最高2.5倍。