AI 开始「给分数」了：从 Jev 决策模型到面目全非的编程

连读三期科技周刊，我有个越来越强的感觉：它们表面上在讲三件不相干的事——一个新模型、一批 3D 场景、编程行业的剧变——实际上讲的是同一件事的三副面孔：AI 的输出形态正在变形。从「说一段话」，变成「给一个数」；从「写一段代码」，变成「搭一座城」；从「辅助编程」，变成「重写编程这件事本身」。

一、Jev：把世界压缩成一个浮点数

最让我停下来想了很久的，是那个叫 Jev 的「决策模型」。它不返回文字，只返回一个 0 到 1 之间的数字，代表某句话为真的概率。

听起来简陋得不像 2026 年的东西，但正是这种简陋打开了三扇门：

• 是非题：把「这段文字是否与搜索词相关」变成一个可计算的概率；
• 选择题：给出几个选项，返回每个选项成立的可能性，直接排序；
• 评分题：先给一组评分标准，再给原始材料，让模型按标准打分。

周刊里提到的两个浏览器插件例子很能说明问题：一个是把 Ctrl+F 从「字面查找」升级成「语义查找」，逐段询问相关性再取概率最高的几段；另一个是让页面一打开就按「论点是否有据、推理是否严密」这类分层标准自动打分，用户不读正文也能判断质量。

我的判断：真正的价值不在「更聪明」，而在「可编排」

大模型返回一段文字，你还得再写解析器把它变成可用数据；返回浮点数，就能直接进排序、阈值过滤、告警、流水线。这相当于给 AI 装了一个程序能直接读懂的接口。很多过去「无法数字化」的判断——相关不相关、好不好、要不要——忽然变成了一个可以写进 if 语句的量。

但这里有个必须说清的隐忧。开发者西蒙·威利斯把 Jev 形容为机器学习的一次「倒退」：以前的大模型至少还能被要求解释自己的决定，而决策模型连这点都不给，你只拿到一个数字，不知道它从哪来。他尤其担心有人拿它给求职者排名。

我补一句：评分标准是人写的，标准写歪了，模型只会更高效、更一致地执行这份偏见。所以我的实用原则是——

1. 用它做粗筛、排序、提示，不做最终裁决；
2. 任何影响他人利益的分数，必须留人工复核环节；
3. 把评分标准的版本记录下来，将来出问题才追得回去。

二、3D 生成：差距不在参数量，在「读不读得懂文学」

另一条线索更有画面感。有人把卡尔维诺《看不见的城市》里那 55 座只存在于文字中的城市，分别交给两个顶级模型做成可交互的 3D 场景。结果差距大到不像同一个时代的产物：一个模型生成的城市千城一面，全是同一副灰扑扑的骨架；另一个模型却能还原出「从高处俯瞰，朦胧的粉红光像吸满牛奶的海绵一样涨起来」那种意境，甚至把广场边静坐的老人也一并安置进去。

这件事对做内容和做产品的人有三个提醒：

• 评测要看长尾输入。用标准提示词测不出模型差异，得用抽象、文学化、充满隐喻的描述去测，才看得见「理解力」而非「渲染力」。
• 从「生成得像」到「生成得准」。前者是画质问题，后者是语义对齐问题，后者才是现在真正的分水岭。
• 工程约束不会消失。这类项目普遍用 three.js 在浏览器里跑，画面能缩放旋转，代价是体积巨大、首屏慢。模型再强，也救不了用户等三秒就关页面的现实。

三、编程已经面目全非：哪些断言我买账

第三期周刊收录了一位资深程序员关于「AI 如何改变编程」的十一条断言，语气相当激进。我挑几条做个表态：

至于「好代码」「代码风格」「linter」这些概念会不会一起消失，我觉得说得太满。只要还有人在深夜排查线上事故，可读性就仍有价格，只是它不再是评价代码的第一顺位。

四、给普通技术人的三条落地建议

1. 把「结构化输出」当成默认要求。无论是自建服务还是调用 API，先问一句：这个结果能不能被程序直接消费，而不是靠人肉阅读。
2. 把「写评分标准」当成一项新技能。未来拉开差距的不是谁会写提示词，而是谁能把模糊的「好不好」拆成 4 到 5 条可判定的细则。
3. 对分数保持怀疑，对流程保持记录。数字越顺手，越容易让人忘记它只是一个概率估计。

三件事合起来看，其实就是一句话：AI 正在把「判断」变成一种可以批量调用的基础设施。方便是真的，代价也是真的。

参考来源

• 科技爱好者周刊（第 414 期）：Jev 决策模型有什么用
• 科技爱好者周刊（第 415 期）：3D 版《看不见的城市》
• 科技爱好者周刊（第 416 期）：编程已经面目全非