DataDan｜AI Consultant + Builder(@ba_niu80557):这周看到个挺有意思的模型，印度 Sarvam 出的 Prism 它不生成文字，输出 token 永远是 0。你给它一段情况和几个选项，它直接给每个选项打一个概率。44 毫秒出结果，权重还开源第一反应是这有啥用。想了一下，发现它戳中了我做项目时一个一直别扭的点企业里大部分 AI 需求，说穿了不是写东西，是做判断。这个工单急不急，转给哪个部门，这条评论要不要删，这次退款批不批过去两年我们干这些活，基本都是拿聊天模型硬凑：写一大段 prompt，让它输出 JSON，再写正则去解析，解析失败还得重试用一个会写诗的模型去做选择题，又慢又贵，最要命的是它说"我很确定"的时候，你根本不知道该不该信 Prism 主打的是概率校准：它说 90% 把握的时候，错的概率大概就在 10% 以内。而且把选项顺序打乱，答案不变这意味着你终于可以很工程地设计人机协作了：置信度过 0.9 自动处理，低于 0.9 转人工。阈值调多少，就是自动化率和风险之间怎么取舍我觉得这背后有个更大的转变：大模型正在从"一个什么都能聊的东西"，拆成一堆各干各的零件真正落地的系统，大概会是一个慢的模型负责想，一堆快的小模型负责判断，中间用概率和阈值串起来。这跟人脑倒是挺像

DataDan｜AI Consultant + Builder@ba_niu80557

2026.11.12 01:29

这周看到个挺有意思的模型，印度 Sarvam 出的 Prism 它不生成文字，输出 token 永远是 0。你给它一段情况和几个选项，它直接给每个选项打一个概率。44 毫秒出结果，权重还开源第一反应是这有啥用。想了一下，发现它戳中了我做项目时一个一直别扭的点企业里大部分 AI 需求，说穿了不是写东西，是做判断。这个工单急不急，转给哪个部门，这条评论要不要删，这次退款批不批过去两年我们干这些活，基本都是拿聊天模型硬凑：写一大段 prompt，让它输出 JSON，再写正则去解析，解析失败还得重试用一个会写诗的模型去做选择题，又慢又贵，最要命的是它说"我很确定"的时候，你根本不知道该不该信 Prism 主打的是概率校准：它说 90% 把握的时候，错的概率大概就在 10% 以内。而且把选项顺序打乱，答案不变这意味着你终于可以很工程地设计人机协作了：置信度过 0.9 自动处理，低于 0.9 转人工。阈值调多少，就是自动化率和风险之间怎么取舍我觉得这背后有个更大的转变：大模型正在从"一个什么都能聊的东西"，拆成一堆各干各的零件真正落地的系统，大概会是一个慢的模型负责想，一堆快的小模型负责判断，中间用概率和阈值串起来。这跟人脑倒是挺像

커뮤니티로 전달