Snowflake 在 Cortex AI Functions 中推出决策模型 Snowflake Decision

Snowflake Decision 是什么

2026 年 10 月 8 日，Snowflake 发布 Snowflake Decision，这是由 Snowflake 开发的决策模型，通过 Cortex AI Functions 中的 AI_COMPLETE 调用，目前是 private preview 的闭源服务，官方未说明是否开源或开放权重。它专门处理简单、高并发的结构化决策，比如分类、打分、过滤和路由，返回类别、分数或 0 到 1 的概率。

可以把它想成学校门口的分流老师：不用请一位会写作文的博士慢慢读每个同学的情况，而是用一张检查表快速判断“你该去哪个教室、你有多着急、要不要马上处理”，一次就能给成千上万张表格贴上标签。

它解决什么问题

很多企业 AI 任务其实是决策问题：一条记录属于哪个类别、一笔交易风险多高、一张工单要不要继续处理。这些问题答案有限，但数据量很大。通用大模型能做，但成本和延迟可能超过任务本身需要。

决策模型就是为这类任务专门设计的。它不负责写摘要、开放推理或自由创作，而是返回工作流能直接使用的类型化答案，例如一个类别、一个分数或一个是/否概率。

三种问题类型怎么用

Snowflake Decision 支持三种问题类型。Choice 是从定义好的列表里选一个选项，比如账单、技术支持或销售。Score 是按有序评分标准打分，比如平静、不满但礼貌、非常生气。Yes or no（noul）返回 0 到 1 的概率，比如“这条消息是否表达紧急”。

调用时把请求作为 JSON 放进 AI_COMPLETE 的 prompt 参数。返回结果是按问题名组织的 answers map，包含所选值、每个选项的概率，以及 choice 和 score 问题的置信度。这样 SQL 工作流可以直接读取结果。

一个工单分诊例子

假设 support_tickets 表里每一行是一条客户消息。一次调用就能同时完成三件事：把工单路由到正确团队、给客户 frustration 打分、判断是否紧急。返回结果里 department 可能是 billing，frustration 可能是 1.79，is_urgent 可能是 0.88。

这比分别调用三次模型更省事。官方强调，调用运行在 Snowflake Cortex AI Functions 中，已有的治理、访问控制和审计策略仍然适用，不需要另建一套安全体系。

官方评测成绩与限制

官方在 29 个 Jev Decision Index 0.2.1 基准上评测 Snowflake Decision，覆盖 88,837 个测试请求，涉及推理、语言、检索、工具使用和创造性判断。它得分 57.63，在 72 个模型中质量分最高。

官方也说明，这 29 个基准是 Hugging Face 更大基准的子集，因为当前接口限制，比如最多 32 个选项，无法运行完整基准。所有模型都用相同基准结果和该指数公开的、经机会校正的方法计算，以保证同类比较。

什么时候该用、什么时候不该用

适合用决策模型的场景包括：答案来自已知选项、评分标准或是/否；要跨成千上万行运行；速度和成本重要；想要一个可以设阈值的概率；或者把它作为多步 LLM 流水线的第一步做路由和分类。

更适合通用大模型的场景包括：需要摘要、开放式推理或自由格式抽取；答案空间没有边界；任务需要多步推理或创造性生成。简单说，决策模型像分流老师，通用模型像能写长文的老师，分工不同。

典型用途与获取方式

官方列出四类用途：支持运营中给每张工单分配队列、打 frustration 分和紧急标记；客户评论分析中给评论分类和严重度打分；答案质量检查中判断 AI 助手回答是否符合政策；AI 数据流水线中判断每个请求需要多少推理，把难案例送给更大模型，其余走更省成本的路径。

目前 Snowflake Decision 是 private preview，需要联系 Snowflake 账户团队申请访问，后续会提供 private preview 文档。官方未说明定价、正式 GA 时间、底层架构和是否开源，这些都需要等待进一步信息。