scripod.com
#003 火线解读 Jev 新范式；用 Agent 还得买带鱼屏？

Overview

Shownote

Highlights

Transcript

Chapters

Pins

#003 火线解读 Jev 新范式；用 Agent 还得买带鱼屏？

Next Token｜词元之外

Sep 21
Next Token｜词元之外

Next Token｜词元之外

Sep 21
OverviewShownoteHighlightsTranscriptChaptersPins

Shownote

如果模型不负责聊天，只负责反复做一个小判断，它能进入哪些工作流？当 Agent 已经能操作电脑，为什么人反而开始惦记一块带鱼屏？ 本期从 Jev 聊起：筛选记忆、给联系人打标签、语义查询、过滤广告 —— 这些不太像聊天，却可能需要大量模型调用的场景，是否值得用新的方式处理？我们也讨论了一个容易混淆的边界：输出满足类型约束，并不等于判断一定正确。 随后，话题转向多模态、小模型和真实创作：用 GPT-6 Astra 辅助生成训练数据、用代码做宣传片和配乐，以及 Vibe Coding 带来的一个朴素烦恼 —— 硬盘...

Highlights

本期从 Jev 这种不聊天、只做结构化判断的模型出发，讨论它如何进入高频工作流，并进一步延伸到多模态、小模型、实时语音、Computer Use、Vibe Coding 与常驻 Agent。四位主理人也追问：当 AI 开始直接交付结果时，人的工作空间、数据边界和监督机制要如何变化？
02:06
Jev 更像一个高速结构化判断器
05:40
高频场景才值得优化
09:15
结构化输出不等于判断正确
18:30
模型是可以嵌入程序的泛化函数
26:25
音视频需要被当成一个整体理解
30:28
连续训练过程比最终分数更可信
35:51
Astra 正在降低小模型训练门槛
42:52
实时语音加 Computer Use 可能成为下一轮爆点
48:33
Vibe Coding 把硬盘也用满了
59:39
综合智能会吞掉越来越多专用工具
1:14:31
Codex 正在变成电脑操作的入口
1:22:22
Agent 正在反过来吞掉浏览器
1:29:28
未来不必再按任务拆界面
1:31:31
安全不是能不能用，而是敢不敢用
1:36:06
AI 把创作门槛压到了想象力
1:38:20
AI 参与自身研发成为发展速度指标

Chapters

节目片头
00:00
本期精彩片段
00:49
四位主理人开场
01:30
Jev：不聊天，做结构化判断
01:41
微信好友标签与高频判断
03:47
语义搜索与数据库查询
07:22
“没有幻觉” 不等于判断正确
08:47
用模型过滤隐性广告
17:18
把新模型接入现有 Agent
20:57
多模态：音视频为什么要一起理解
25:07
量化与本地小模型
27:51
SVG、图标与设计工作流
31:43
用 GPT-6 Astra 造数据、训练小模型
35:19
实时语音与 Computer Use
40:59
具身智能与零样本任务
43:44
Vibe Coding 把硬盘用满之后
48:07
用代码做宣传片和配乐
56:56
语音输入产品与实时反馈
1:09:39
Codex 多账号与工作空间
1:20:07
常驻 Agent 与多平台内容分发
1:24:29
Coding 与 Office：两种工作模式
1:26:42
云端 Mac 与 Agent 执行环境
1:29:52
企业数据与日志边界
1:30:49
AI 剧与内容生产
1:36:25
AI 参与研发与人的监督
1:38:06

Transcript

杨攀: 下一个词元，这周不还说？Astra 对具身，也有很大提升，你看这周两个东西，一个 Astra 加一个 Jev，其实相当于，把具身都快干惨了。其实那些人，纯口语操作，整个电脑的所有的内容，就彻底解放我们双手。这个不就占掉了，很多 AI 营销公司吗？对，他也是用那个 browser use,computer use 这类的, 对吧？这不就是交付结果吗？这个屏幕我觉得就是更宽一点的带鱼屏。 歸藏: 大家好, 欢迎大家来到 Next Token 第三期的录制。我是歸藏。 向阳乔木: 大家好, 我是向阳乔木。...