抄得走协议，抄不走校准
一个开源项目用六天时间证明：决策模型真正的壁垒，不在接口
查证日期：2026-10-01 ｜ AnyJev 数据均为项目自报（GitHub README，Apache 2.0）
一、闭源模型被"抄家"了
上一篇讲过 Jev：一个不做生成、只做决策的模型，输出类型化的选择和分数，官方闭源，只能用托管 API，连参数量都不公开。按常理，这种产品别人学不了——你连它里面是什么都不知道，怎么抄？
9 月 15 日 Jev 发布。9 月 21 日，一个叫 AnyJev 的项目在 GitHub 上开源了，协议 Apache 2.0，仓库介绍里大大方方写着：接口受 Jev 启发。
也就是说，闭源模型发布六天，接口被人原样学走了。 而且做这件事的不是哪个大厂，是诺基亚应用研究院加一位腾讯混元的研究者，四个人，三加一。
很多人第一反应：完了，护城河没了。
我读完 AnyJev 的技术文档，结论正好相反：它抄走了协议，恰恰证明了协议不是护城河——真正的壁垒，它抄不走。
二、AnyJev 抄到了什么
先看它抄走的部分，因为这部分确实吓人。
Jev 的接口形态是：传入结构化状态（state）、一个问题、一组选项，模型不写文章，直接输出"选哪个"和概率。选择题上限 255 项，输出带完整分布，置信度能直接写进代码的 if 分支。
AnyJev 的做法是：不训练新模型，拿现成的开源模型（比如 Qwen3-8B）改——把生成式模型改造成同样的类型化决策输出。你用 Jev 的姿势用它，几乎无缝。
数据注记：AnyJev 归属（诺基亚应用研究院 + 腾讯混元，四位作者）、发布日期（2026-09-21）、Apache 2.0 协议、"inspired by Jev interface、与 TypeSafe 无隶属"的自述，均见其 GitHub 仓库（nokia-applied-research/AnyJev，查证 2026-10-01）。
接口层面，该抄的都抄到了。开源社区用现成模型复刻了决策模型的使用体验——这本身就是个信号：接口这个东西，只要见过，就拦不住人。
那没抄到的是什么？
三、没抄到的：模型"说话算数"的能力
看 AnyJev 的文档会发现一件奇怪的事：这个"接口复刻项目"，一大半篇幅没在讲接口，在讲校准——让模型输出的概率，对得上现实中发生的频率。
它给了一个四级阶梯：
第零级，裸模型。 直接让开源模型做选择题，能用，但有两个毛病：选项的排列顺序会影响答案（把 A 放前面和放后面，结果不一样）；说 80% 把握的事，实际发生的频率不是 80%。
第一级，轮转消偏。 把选项顺序循环轮换，问很多遍再汇总。零标注成本，就治"看位置下菜碟"的毛病。项目自报的效果：选项翻转率从 0.230 降到 0.073。
第二级，温度校准。 用少量标注数据（100–500 条）做温度缩放，让"说出来的概率"贴近"真实的频率"。项目自报：校准误差 ECE 从 0.240 降到 0.095。
第三级，闭式头。 从模型内部取出隐状态，接一个轻量的线性头直接输出决策，底模一动不动。要 100–300 条标注。
数据注记：四级阶梯及全部数字（0.230→0.073、ECE 0.240→0.095、各级标注量）为 AnyJev 项目自报（GitHub README，查证 2026-10-01），未独立复现。
看出门道了吗？一个"抄接口"的项目，真正下功夫的地方全在接口之外。 因为作者们很清楚：把输出格式做像，只是让模型"会说话"；让概率对得上现实，才让模型"说话算数"。前者是协议，后者是校准。
四、校准到底值多少钱：一个数字
校准这个词听起来抽象，它值多少钱，AnyJev 用一个数字报了价。
他们设定了一个错误预算：允许机器自动决策的出错率不超过 5%。在这个预算下，裸模型能放心自动处理的请求只占 7.7%——剩下的都得转人工；做完校准之后，这个数字变成 52.0%。
数据注记：Qwen3-8B，20 类任务（BANKING77），5% 错误预算下自动决策流量 7.7%→52.0%，AnyJev 项目自报（查证 2026-10-01）。
同一颗模型，同一个接口，一字未改。校准前后，能自动化的业务量差了将近七倍。
这就是校准的价格。企业敢让机器自动做决定，不是因为模型聪明，是因为它说"我 95% 有把握"的时候，长期统计下来真的差不多 95% 对。信任不是聪明程度给的，是概率的诚实度给的。
五、反过来看 Jev，谜题也解了
把 AnyJev 这面镜子举起来，再看 Jev 本身，有个之前的疑惑也解开了。
Jev 的官方评测里，任务准确率是 67.8%——单看这个数字，在一票大模型面前毫不起眼，甚至可以说不领先。那它凭什么卖？
回看它的两个硬指标：响应 70–500 毫秒，成本比用通用大模型做同样分类低约两个数量级（媒体口径约为快 200 倍、便宜 400 倍）。再配上 RLCD 训练出来的校准——它标注 0.2 的事情，长期看约 20% 发生。
它的卖点从来不是"更准"，是"准得诚实，且便宜得离谱"。 准确率是通用模型的战场；在"这个判断值不值得再花一块钱和三百毫秒"的战场上，校准和成本才是主变量。AnyJev 用几百条标注换 7.7% 到 52.0% 的自动化空间，从侧面把这个逻辑验证了一遍：校准的投入产出比，高到值得单独写成一个项目的全部内容。
六、一个必须写的限定，防止被懂行的人抓
校准说到这里，得把丑话写在前头，三个限定，一个都不能省：
一，校准是统计规律，不是单次保证。 "标 0.2 的事约 20% 发生"描述的是一大组预测的规律，不保证你手里这一单对错。别拿它当保票。
二，校准只在同一种问法内部成立。 官方缺陷清单里自己举过例子：同一个问题，换个问法，Noul 给 0.22，Choice 的 no 给 0.99——绝对量和相对量不可换算，阈值不能跨着问法搬。
三，校准不是数值回归。 Score 档位只能用来过阈值，不能在两档之间插值还原出精确数字。
这三条是 Jev 和 AnyJev 共同的边界。谁在宣传里把"校准"说成"可信"，谁就会在这三条上翻车。
七、收束：三篇到这里合拢
三篇写完，可以合起来看这一代机器决策的全貌了。
第一篇讲 Amazon 封杀 Muse：机器有了能力，没有责任主体——出路是把"谁批准、谁审计、出事谁负责"写成结构。第二篇讲 state 注入：模型防不住藏在档案袋里的话——出路是把防线放在模型够不到的地方。这一篇讲 AnyJev：接口六天就被抄走，抄不走的只剩校准。
三条线指向同一个结论：这一代决策系统的竞争，不在谁的接口漂亮，在谁的概率诚实；不在模型多聪明，在围绕模型搭的结构多扎实。
协议会过时，接口会趋同，最后留下来的，是那个把"说话算数"当成本体去练的东西。
来源
- AnyJev：GitHub 仓库 nokia-applied-research/AnyJev（Apache 2.0，2026-09-21 开源；归属诺基亚应用研究院 + 腾讯混元；本文全部 AnyJev 数据为项目自报，查证 2026-10-01）
- TypeSafe AI：Jev 1.13 jaggedness / Machine Learning Primer（docs.typesafe.ai，查证 2026-10-01）
- TypeSafe / OpenRouter 等渠道的 Jev 技术报道（2026-09；"约快 200 倍、便宜 400 倍"为媒体口径）
"准得诚实，且便宜得离谱"为作者概括；第四、五节的分析为作者观点。AnyJev 自报数据未经独立复现，引用时请注意。
