一個完全不寫文字的新模型 Jev，做決策的速度比一般大型語言模型快 40 到 200 倍；同一週，Anthropic 的 Opus 5.5 讓成本降四成，但設定拉滿分數反而變低。這集資訊量很大，但每件事都指向同一個問題：效率到底該放在哪一層？中秋節配這集剛好。
1️⃣ 本集精華
這集最值得帶走的判斷是：不是每件事都該丟給大型語言模型思考。Jev 證明很多瑣碎決策只需要「快思考」，硬塞進慢想架構是浪費；Opus 5.5 證明拉滿設定不等於更好結果，甜蜜點要自己實測。回去看看你自己的 Agent 管線，哪些呼叫其實不需要推理，哪些系統提示詞是為了不存在的舊模型寫的補丁，把這些清掉，比加任何新工具都更快更省。
2️⃣ 本集聊這些事
📌 [Jev 決策模型]：TypeSafe AI 推出不寫文字只做決策的模型，比 LLM 繞一圈快 40 到 200 倍，靠 RLCD 讓信心分數真正校準，能拿來設計升級機制
📌 [Opus 5.5 效率牌]：Anthropic 新版在 Terminal Bench 4.0 拿 66.4 分，勝過 GPT-6 Astra 的 57.9，價格帳面降兩成，典型工作負載成本卻降四成
📌 [努力設定不是線性]：中等努力分數比拉滿還高，Simon Willison 實測拉滿想了 20 分鐘、花台幣 80 元還沒想完就撞輸出上限
📌 [數學突破卡在公關]：Scott Aaronson 爆料理論電腦科學幾個懸案已被 AI 解開，各實驗室因 Navier-Stokes 爭議選擇先壓著不發表
📌 [人形機器人上班]：IFA 柏林 2026 幾乎被中國廠商主導，小米 CyberOne 在自家工廠螺絲鎖固站四個月把成功率從九成練到九成八
--
Hosting provided by
SoundOn 
