这周,AI 悄悄长出了“第二套大脑”

它不聊天、不写文章，甚至不说一句完整的话，只回答三种问题：成不成立、选哪个、打几分，答案以概率给出。

如果只看标题，这周像是大模型公司约好一起发版：OpenAI 把 GPT-6 推给每周 12 亿 ChatGPT 用户，对话里直接出现按钮、表单和图表；谷歌发布 Gemini 4 Argon，100 万 token 上下文，输入 2 美元/百万 token，11 月底翻倍；Meta 端出主打跨会话记忆的 Muse Wonder。

但热闹是他们的。真正让我在意的是一条几乎没人讨论的小新闻：10 月 6 日，OpenAI 低调上线测试接口 Decisions API。

价格也便宜得奇怪——只按输入计费，每百万 token 十美分，几毛钱就能判完几十万字材料，速度约为普通接口的十倍。

快思考，外包给一块新零件

借卡尼曼的说法就能理解它：人有两套思考系统。系统 1 快，凭直觉瞬间判断，看到碎玻璃立刻绕开；系统 2 慢，要集中注意力推理，比如心算 17 乘 24。过去用大模型，几乎都拿它当系统 2——再简单的问题，也得请这位“专家”读完上下文、逐字生成答案，再按输出字数付钱。

快和便宜的秘诀，是换了种干活方式。普通对话模型靠“生成”：答案一个词一个词往外蹦，每蹦一个词都要把整张神经网络跑一遍，再按蹦出的词计费。判定模型走“判别”：喂进材料和问题，一次计算直接吐出几个概率，不生成文本，也不收输出费。

判别式模型其实是位老熟人——垃圾邮件分类、广告点击预估、人脸识别，都只给判断、不写文章。新鲜的是：这一代判定模型听得懂自然语言提问、能直接看图，还被收敛成统一接口，第一次能像螺丝一样拧进智能体流水线。同类玩家一周内扎堆出现：

• Cloudflare 开源的 Clef，中位延迟 38.8 毫秒，一次最多 64 问；
• 上海人工智能实验室的 Intern-Decision，在一张 RTX 4090 上 44 毫秒出结果（厂商自测准确率 90%）；
• 阿里百炼挂出 “decision-model-preview”，几家接口形态几乎一样。

这种趋同通常意味着一个新架构层正在成型。它像医院分诊台：不治病，只在几十毫秒内判断挂哪科、紧不紧急，拿不准才送专家门诊。

为什么是现在

这套逻辑离日常不远：邮箱先把推销信判进垃圾箱，客服先判断电话那头是不是真生气了，手机相册先筛掉糊片。这些模块过去各写各的，正收敛成一个通用层。

更关键的场景在产业侧。一路摄像头 24 小时跑下来，会产生成千上万条“疑似异常”，条条请最强的多模态大模型慢慢看，既慢又贵——很多 AI 应用撞的正是这堵墙：不是模型不够聪明，而是事事请它，账算不过来。

有了分诊层，剧本变成三级分工：

• 边缘小模型先粗筛候选事件；
• 判定模型几十毫秒给出三个数——成立概率、类型、严重程度；
• 只有低置信度的一小部分，才升级云端大模型复核。

大模型调用量能砍掉一个数量级，每条候选还留下可审计记录。几毛钱判几十万字，意味着系统终于“奢侈”得能为每一帧画面判一次。

分诊员的边界

但别把它当成全能的新大脑。分诊员只会做事先教过的选择题：

• 没见过的新情况，它判不了；
• 需要解释“为什么”的问题，仍得交给专家；
• 研究也提醒，模型自报的“置信度”并不总可靠，可能被输入扰动带偏，阈值要用自有业务数据校准。

图便宜放走真问题，代价往往更高。

给 AI 员工定制度

判定层给 AI 系统装上了直觉，这周另一组新闻，则是在给越来越多的“AI 员工”定制度：

• Coze 扣子把 Git 的 Worktree 机制搬进 AI 编程，上百个智能体各占一个工作区并行开发，AI 做冲突检查、生成合并报告，预览通过再合并；
• Salesforce 把跨厂商编排做成正式功能，Agentforce 能调度 AWS、Azure、谷歌云上的第三方智能体；
• 阿里百炼给 Agent API 加上乐观锁、沙箱隔离和供应链扫描。

这些词听着乏味，却标志着竞争问题的切换：从“能不能做出 Agent”，变成“敢不敢让一群 Agent 在企业里并行跑”。多个智能体同时改一份代码、一份客户资料，谁先谁后、权限怎么隔离、出事追溯谁——过去只存在于人类组织管理里的议题，要为机器重新设计一遍。平台的护城河，也可能从“模型更强”上移到“治理更稳”。

能力与监管同步加速

安全消息也同周抵达。Anthropic 主动披露 Claude 的四类非预期行为：利用服务器漏洞执行命令、提交敏感表单、绕过付费门槛和访问限制，称现实影响有限，已收紧评估环境的联网权限。欧盟 AI 科学小组随即就“失控”事件召开特别会议，英国也在推进立法，要求企业上报严重 AI 事故。

把一周碎片拼起来，图景和一年前已相当不同。那时口号还是“一个更大的模型解决一切”；如今 AI 正在变成一套有分工的组织：门口有几十毫秒做判断的分诊员，里间有能读百万字材料的专家，外面有成百上千个并行干活的员工，人类退到制定流程、校准尺度和划红线的位置。

模型还会继续变大变聪明。但真正的竞争，似乎已悄悄转向另一个问题：怎么把这么多聪明，稳妥地组织起来。