龙虾之后看JevAI爆款新方向20260924

核心要点

• 债务大模型（JevAI）发布：由旧金山创业公司Testifai于2026年9月15日发布，是AI从生成到判断的决策模型，对应《思考快与慢》中的系统一快速判断，区别于OpenAI的OpenCloud（龙虾）。
• 核心特征：输入状态与预设问题，输出类型化结论及概率分布、执行度；端到端延迟70-500毫秒；输入成本极低（每百万token约0.042美元），输出免费，单次判断成本低至万分之一美元；架构采用LM + Jev + CHI组合。
• 三大应用方向：选择（支持255个选项）、打分（按标准有序评分）、波尔判断（0-1概率，用于风控），三个方向可并行调用，成本极低。

AI模型演进脉络

• 演进路径：2026年初OpenCloud（龙虾）实现AI从聊天到执行，债务大模型进一步实现AI从生成到判断。

技术与机制

• 技术突破：放弃自回归解码，无输出token计量，实现输出免费，单次判断成本约0.3美分；采用RLCD训练法，优化决策校准度。
• 优势：无格式错误，输出受限于预设选项，解决传统LM的幻觉、格式错误问题，降低工程解析负担。
• 不足：存在黑箱属性，无法查看中间判断过程；判断基于统计规律，非绝对正确，概率分布不等于结果准确性；第三方测试显示准确率略低（样本较小）。

投资与投研应用价值

• 投研AI定位：全球资管机构中AI主要用于运营、辅助生成，决策占比仅5%，成长空间大；AI投研正向规划、调用工具、连续执行任务的Agent演进。
• 债务大模型应用场景：筛选Agent工具、重排检索候选、上下文过滤、指令风险控制、Agent轨迹异常检测；辅助资产配置打分、策略选择、投研风控、多Agent协同。
• 应用要求：定位为决策链路的一环，而非核心决策者；需结合人类问题定义、价值判断能力，避免对抗性复杂场景（如高频交易）的误用。

风险与关注

• 黑箱属性：无法追溯判断过程，需辅以数据溯源、人工验证，降低幻觉风险。
• 统计概率：判断非绝对准确，不能替代人类核心决策，高频交易等场景易放大风险。

测试与使用说明

• 使用方式：支持网页端、API接口，可通过自然语言输入在Python环境中调用；创始人出自OpenAI，可借助GPT转换自然语言为JSON格式输入。
• 格式要求：语法严格，需准确提供state（背景）、question（问题），适合量化研究员或有一定编程基础的用户，主观多头用户使用门槛较高。