Jev 40 秒拆解 37 个品牌 724 条广告,仅花 0.09 美元 token

sibraan_ · reddit · 2026-09-24

Matthew Berman 在 X 上的演示显示,结构化分类模型 Jev 用 40 秒处理了 37 个品牌的 724 条实时广告,完成 8700+ 次分类,token 成本仅 0.09 美元。技术要点:

• 并非多模态:Jev 只做结构化文本分类,不吃原始图像张量;上游管线用 Gemini + embeddings 提取视觉/文本 token,再并行传入 Jev 评估预定义 schema(Choice、Score、Noul)
• 非自回归:所有 schema 决策在单次前向传播中一次性采样,消除逐 token 串行延迟,单条记录中位延迟 216ms
• 开箱即用:无需像训练自定义 BERT/DeBERTa 分类头那样针对固定标签训练,可适配任意 schema 定义
• 边界明确:32k 上下文、无持久记忆,不能做复杂多步推理或需要组织级上下文的任务——定位是"智能条件路由器"而非自主 Agent

作者评价:在保持其设计边界的前提下,这是减少胶水代码、把基础分类从前沿模型上卸载的干净原语,并链接了一篇分析其基准被夸大之处的深度文章。

原文链接 →

「模型」频道最新

• 开发者吐槽 Claude 质量下滑：一个 debug 任务烧 70 次工具调用 — Muritavo · 2026-09-24
• 实测 Opus 5.5 对决 GPT-6 Sol/Luna：创意任务 Opus 更惊艳 — MattVidPro · 2026-09-24
• 第三方实测 Opus 5.5 与 GPT-6 系列:100 个开放编程环境横评 — sandersted · 2026-09-24
• 用户实测：OpenAI Neon 连接器语音可用但项目操作失败 — koltregaskes · 2026-09-24
• CAIS 评测上线:Astra 与 Grok 4.7 在准确率和 token 用量两端背反 — polynoamial · 2026-09-24
• 「GPT-6 Luna」疑现性能退化:n=3 时 18.3 分,仅略胜本地 Qwen3.8 — PawelHuryn · 2026-09-24

更多「模型」频道 AI 资讯 →