Sage (Levanto Labs)

Sage 是 Levanto Labs 做的「決策模型」API，11 月 2 日發表第二版 Sage2，同週登上 Product Hunt。它不是聊天模型，而是專門回答程式在執行當下要做的小判斷：這段文字有沒有個資？客人是不是在生氣？要走哪個分支？

功能特色與適用場景：最基本的用法是 decide(內容, 問題)，例如問「這份文件含個人資訊嗎？」，回傳 answer 與 probability；沒把握時回 null，程式可以轉給人審。題型有 Yes/No、Choice、Scale、Sort、Tags，另有批次、推理、讀圖與網路搜尋。官網舉的例子很好懂：正規表示式抓得到身分證號，卻抓不到「Maya Chen 住在 Cedar Lane 14 號」這種姓名地址，改問 Sage 就行。

Sage2 新增兩件事。一是抽取：你定義要的欄位與型別（文字、數字、金額、日期、時間、期間），它回傳型別化的值、在原文中的位置與機率，客人沒講的欄位就回 null，期間會轉成 ISO 8601 格式。二是串流判斷：透過 WebSocket 開一個工作階段，對話邊進來邊追加文字，當「客人同意報價了嗎？」的答案從 no 變 yes 時就推送更新，每個工作階段最多 32 個問題、16,384 token。推理、網路查證與視覺在 Sage2 仍是 Beta。

官方自測的中位延遲 330 毫秒，比 Claude Opus 5 快約 10 倍，單次判斷成本低兩個數量級；這是廠商數據，要自己用代表性資料驗證。10 月下旬 Sage 也上架 NEAR AI，可在可信執行環境內處理機密資料。

和站上的 Groq 這類「讓大模型跑更快」的推論服務不同，Sage 把題目縮小成分類與抽取；如果你在做資料清理與標註品質，Cleanlab 是另一條路。

台灣使用者怎麼用：適合電商客服、保險理賠、表單審核這類大量重複的小判斷，例如判斷留言是否要升級處理、從訂單訊息抽出品項與取貨時間。官網沒有說明中文表現，免費方案每月 1 美元用量約可跑 5 萬個短問題，先拿自己的繁中資料測再說。