# 影片筆記：JEV颠覆传统AI生态，GPT Claude降本增效数百倍？DSH/GPT简单测试，AI圈子里的重金求子项目！


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

講者實測並批判新興模型「JV」，指出其僅提供概率判斷而非完整生成，實測顯示其無法直接執行任務，且生態數據低迷，認為宣稱的「百倍降本增效」缺乏常識，諷刺盲目追捧者如同陷入「重金求子」騙局的受害者。

## 核心重點

1.  **JV 模型的本質與限制**：
    *   JV 並非傳統聊天型大模型，不進行對話，也不吐出生成文本。
    *   核心功能僅限於接收狀態描述與多個選項，輸出各選項的概率（例如：選項一 70%，選項二 28%）。
    *   官方宣稱此設計可消除 AI 幻覺，但講者認為這只是限制了輸出格式，並未改變大模型本質上已是概率預測器的事實。
    *   無法直接與人類溝通，必須通過後台腳本（如 Python）或 AI Agent 封裝調用。

2.  **實測結果與技術邏輯**：
    *   講者申請 API Key 並使用 Deep Seek Harness 進行測試，確認測試邏輯與官網一致：輸入狀態與選項，僅輸出概率。
    *   確認該模型本身「不能干活」，僅輔助決策。
    *   講者質疑：若判斷能力如此強大，OpenAI、Anthropic、Deepseek 等主流公司為何不自行集成？主流開源模型（如 DeepSick 的 Dispark 草稿小模型）應已集成此技術。

3.  **生態數據與市場表現質疑**：
    *   產品為閉源（逐字稿稱「必源」），非開源，無法用 GitHub 星標量客觀評估。
    *   數據表現低迷：最高星標項目僅 1.2K，其他項目僅百餘星標。
    *   對比主流項目（如 Hermes、OpenCloud）的星標量，JV 的生態影響力極小，被形容為「提鞋都不配」。

4.  **對宣稱「降本增效」的批判**：
    *   官方宣稱能實現「效率提升幾十倍」、「成本降低幾十倍」，總體達到上千倍的降本增效。
    *   講者認為這缺乏常識基礎，屬於「脫褲子放屁」的多此一舉。
    *   在常規複雜任務中，用本地模型（如請問嘛 3.8）與在線模型分工判斷是多此一舉。

5.  **對追捧用戶的心理與社會批判**：
    *   講者將盲目追捧此類產品的用戶稱為「屌毛」，形容他們聽風就是雨，缺乏基本認知能力，喜歡貪小便宜。
    *   心理機制類比為「撒泡尿照影子」，高估自身魅力，誤將騙局當機遇。
    *   受眾類似「重金求子」或「大理金剛丸」的廣告對象，智商與機器人無異，部分評論區用戶可能為炒作水軍機器人。
    *   社會隱喻類比中國股市割韭菜、緬北詐騙、趙長鵬、孫宇成等案例，指出「貪婪是一種癌症」，人們總想走捷徑、一夜暴富。
    *   建議用戶應踏實做視頻、發帖、開發 APP，雖掙錢少但可養活自己，而非沉迷虛幻技術。

## 詳細大綱

### 一、 JV 模型的核心定義與宣稱
*   **產品定位**：非聊天型大模型，不進行對話，專注於「做決策」與「做判斷」。
*   **核心功能**：
    *   接收狀態描述與多個選項。
    *   輸出各選項的概率（例如：選擇一 70%，選擇二 28%）。
    *   官方宣稱可消除 AI 幻覺，通過限制輸出格式確保判斷準確性。
*   **市場宣傳**：宣稱能實現「效率提升幾十倍」、「成本降低幾十倍」，總體達到上千倍的降本增效。

### 二、 技術實測與交互邏輯
*   **獲取方式**：需註冊官網獲取 API Key，目前免費，未來可能收費。
*   **交互限制**：
    *   無聊天入口，不吐出生成文本或聊天內容。
    *   必須通過後台腳本（如 Python）或插件調用。
    *   無法直接與人類溝通，需由 AI Agent 或腳本封裝調用。
*   **實測過程（Deep Seek Harness）**：
    *   講者申請 API Key 並放入目錄，讓 Deep Seek Harness 自動測試。
    *   確認測試邏輯與官網一致：輸入狀態與選項，輸出概率。
    *   確認該模型本身「不能干活」，僅輔助決策。

### 三、 對 JV 價值的批判性分析
*   **邏輯悖論**：
    *   若判斷能力如此強大，OpenAI、Anthropic、Deepseek 等主流公司為何不自行集成？
    *   大模型本質上已是概率預測器，JV 僅是限制了輸出格式，並未改變本質。
    *   若真有效，主流開源模型（如 DeepSick 的 Dispark 草稿小模型）應已集成此技術。
*   **生態與數據質疑**：
    *   產品為閉源（必源），非開源，無法用 GitHub 星標量客觀評估。
    *   數據表現低迷：最高星標項目僅 1.2K，其他項目僅百餘星標。
    *   對比主流項目（如 Hermes、OpenCloud）星標量，JV 的生態影響力極小，被形容為「提鞋都不配」。
*   **使用場景評估**：
    *   講者認為在常規複雜任務中，用本地模型（如請問嘛 3.8）與在線模型分工判斷是多此一舉。
    *   認為此類項目屬於「噱頭」與「吹牛逼」，無實際必要。

### 四、 對追捧用戶的心理與社會批判
*   **用戶畫像**：被稱為「屌毛」，聽風就是雨，缺乏基本認知能力，喜歡貪小便宜。
*   **心理機制**：
    *   如同「撒泡尿照影子」，高估自身魅力，誤將騙局當機遇。
    *   類似「重金求子」或「大理金剛丸」的受眾，智商與機器人無異。
    *   部分評論區用戶可能為炒作水軍機器人。
*   **社會隱喻**：
    *   類比中國股市割韭菜、緬北詐騙、趙長鵬、孫宇成等案例。
    *   指出「貪婪是一種癌症」，人們總想走捷徑、一夜暴富。
    *   建議用戶應像講者一樣，踏實做視頻、發帖、開發 APP，雖掙錢少但可養活自己，而非沉迷虛幻技術。

## 工具 / 模型 / 名詞整理

*   **JV**：本期討論的核心新模型，被描述為做決策/判斷的大模型。
*   **Klota**：逐字稿中提及的模型名稱（疑點，可能為口誤或特定指代）。
*   **GPT**：通用大模型名稱。
*   **OpenAI**：主流 AI 公司。
*   **Athrobic**：主流 AI 公司（聽寫疑點，通常指 Anthropic）。
*   **Deepseek**：主流 AI 公司/模型。
*   **Deep Seek Harness**：講者用於測試 JV 模型的輔助工具/環境。
*   **DeepSick**：提及的公司或模型名稱（疑點，可能指 DeepSeek 或其他）。
*   **Dispark**：DeepSick 開發的草稿小模型。
*   **Hermis**：提及的項目名稱（疑點，可能指 Hermes）。
*   **OpenCloud**：提及的項目名稱。
*   **GitHub**：代碼託管平台，用於查看星標量。
*   **請問嘛 3.8**：講者提及的本地模型名稱（疑點，可能指 Qwen 或其他本地模型）。
*   **大理金剛丸**：比喻性產品名稱，指代類似壯陽或快速见效的騙局產品。
*   **以利神**：比喻性產品名稱（疑點，可能為口誤）。

## 操作流程整理

1.  **獲取 API Key**：註冊 JV 官網獲取 API Key（目前免費）。
2.  **環境配置**：將 API Key 放入目錄，準備使用 Deep Seek Harness。
3.  **實測調用**：
    *   輸入狀態描述與多個選項。
    *   通過 Deep Seek Harness 調用 JV API。
    *   接收輸出結果：各選項的概率數值。
4.  **結果驗證**：確認模型僅輸出概率，無聊天功能，無法直接執行任務。

## 值得注意的限制或風險

1.  **功能單一性**：JV 僅提供概率判斷，無法生成文本或進行對話，需依賴外部腳本或 Agent 封裝，增加了使用複雜度。
2.  **閉源性質**：產品為閉源（必源），缺乏透明度，無法通過 GitHub 星標量等公開數據客觀評估其技術實力與生態影響力。
3.  **生態影響力微弱**：數據顯示其星標量遠低於主流項目，可能面臨被邊緣化的風險。
4.  **市場炒作風險**：講者強烈暗示該項目存在過度營銷與炒作成分，用戶可能面臨「被割韭菜」的風險，類似於金融詐騙或虛假廣告。
5.  **技術必要性存疑**：講者質疑其技術必要性，認為主流模型已具備類似能力，JV 的引入可能屬於多此一舉。

## 逐字稿辨識疑點

*   **JV**：模型名稱，逐字稿中多次出現，保留原樣。
*   **Klota**：逐字稿中出現「Klota為GPT呀」，語意不明，疑點。
*   **必源**：逐字稿中多次出現「必源的」，對比上下文「開源」，疑點為「閉源」的聽寫錯誤，但依規則標為疑點。
*   **新標量**：逐字稿中多次出現「新標量」，對比上下文「Star 數量」或「Star 量」，疑點。
*   **Athrobic**：逐字稿中出現，疑點為 Anthropic 的聽寫錯誤。
*   **DeepSick**：逐字稿中出現，疑點為 DeepSeek 的聽寫錯誤。
*   **Hermis**：逐字稿中出現，疑點為 Hermes 的聽寫錯誤。
*   **請問嘛 3.8**：逐字稿中出現，疑點為特定本地模型名稱的聽寫錯誤。
*   **銀額**：逐字稿中出現「銀額的限制」，疑點為「嚴格」或「特定」的聽寫錯誤。
*   **大步行**：逐字稿中出現「大步行就知道」，疑點為「大模型」的聽寫錯誤。
*   **脫骨子放屁**：逐字稿中出現，疑點為「脫褲子放屁」的聽寫錯誤。
*   **中金球子**：逐字稿中出現「中金球子的故事」，疑點為「重金求子」的聽寫錯誤。
*   **撒爆料**：逐字稿中出現「撒爆料照照」，疑點為「撒泡尿」的聽寫錯誤。
*   **試來運轉**：逐字稿中出現，疑點為「時來運轉」的聽寫錯誤。
*   **欲海無邊欲和藍天**：逐字稿中出現，疑點為「欲海無邊」或類似成語的聽寫錯誤。

## 可延伸追問

1.  JV 模型的具體技術架構為何？為何宣稱能消除 AI 幻覺？
2.  若 JV 僅提供概率判斷，其在實際 AI Agent 工作流中的具體應用場景有哪些？
3.  主流模型（如 GPT、Claude）是否已內建類似 JV 的概率輸出功能？
4.  JV 團隊的開發背景與資金來源為何？
5.  除了 JV，還有其他類似「僅提供判斷/概率」的專用模型嗎？