Jev 决策模型：当 AI 不再说话，只给你一个数字

过去一周最值得注意的技术动态，来自一家名不见经传的公司 TypeSafe AI 发布的 Jev 模型——它跟以往所有大模型都不一样，不返回文字，而是返回一个表示概率的浮点数。这个看似简单的变化，让 AI 能直接处理“是非题”“选择题”和“评分题”，也让许多原本无法数字化处理的问题突然可以用计算机来做了。

Jev 模型：不写文章，只给概率

什么是“决策模型”？我们可以拿它跟常见的大模型对比。你平时用的 GPT、Claude 这类模型，本质上是在“生成文字”——你问它问题，它写一段话回答你。而 Jev 不写话，它只给你一个数字，这个数字在 0 到 1 之间，代表某句话为真的概率。比如你问它“‘明天下雨’这句话对不对”，它返回 0.99，就表示有 99% 的可能这句话是真的，也就是明天大概率要下雨。

这个能力看似简单，用途却很广。除了判断“是非题”，它还能处理“选择题”：你给它 ABCD 四个选项，它会返回每个选项正确的概率，你马上就知道哪个最可能为真。它还有一个叫“评分”的功能：你告诉它一组评分标准，再给它一篇材料，它就会按照标准对材料打分。

周刊里给了两个真实例子，都是基于 Jev 模型的浏览器插件。第一个是“语义查找”：作者改造了浏览器的 Ctrl + F 快捷键，你输入“青少年时代”，它找的不是这个词本身，而是真正讲述人物小时候经历的那个段落。原理很简单——把文章每个段落依次拿去问 Jev“本段落是否跟搜索词相关”，返回相关度最高的几个段落就是结果。第二个是“网页打分”：作者给出一组从低到高的标准，比如“论点缺乏依据”到“推理结构严密、有实据支撑”，让 Jev 自动为新打开的网页打分，这样不读网页也能知道内容质量。

不过，著名开发者西蒙·威利斯提出了一个尖锐的担忧。他说 Jev 实际上代表着机器学习系统的“倒退”，走向黑箱——以前的大模型虽然不能保证正确，但至少你可以要求它解释自己的决定；Jev 连这点都不给，你只会得到一个浮点数，这个数字怎么来的，不知道。他尤其担心有人会用 Jev 给求职者排名：公司筛选简历、挑选面试人从未如此容易，复杂的评估被简化成一个评分题。

原文：http://www.ruanyifeng.com/blog/2026/10/weekly-issue-414.html

Markdown 正在变成源码：提示词也要进 /src 目录

Markdown 是一种用纯文本写文档的格式，比如用 # 表示标题、** 表示加粗。它以前只用于写文档，但最近有作者提出一个大胆的命题：Markdown 正在变成源码。也就是说，它不再只是“说明文件”，而是和程序代码一样，属于项目源码的一部分。

作者给出的理由有三条。第一，Markdown 是纯文本，做差异比较、搜索、审查都很容易——这些正是管理代码时的常见操作。第二，AI 可以像母语一样读写 Markdown，也就是说 AI 能直接理解并生成它。第三，人类不需要任何工具就能阅读和编辑 Markdown，门槛极低。

既然代码是 AI 根据 Markdown 提示词生成的，那么 Markdown 提示词就应该和生成的源码一起，提交到 /src 目录。事实上，Markdown 已经作为 AGENTS.md 文件，成为了源码的一部分。作者的结论是：以后我们必须习惯，Markdown 文档也是源码。

原文：http://www.ruanyifeng.com/blog/2026/10/weekly-issue-414.html

不能摄像的摄像头：苹果的智能家居新品

据传苹果公司最近将发布一款智能家居摄像头，但它最奇特的地方在于：虽然是摄像头，却不能录制视频。它完全依靠 AI 分析周围环境，并报告检测到的内容。比如有人敲门，其他摄像头会提供视频，它只会提供详细的文字描述。

文字描述处理起来确实比较方便，但很多时候人们确实需要视频记录——入室盗窃、包裹被盗等等场景，光有文字描述可能不够用。周刊提出了这个疑问：不知道苹果会如何处理这些情况。素材中并没有给出答案，只留下了这个悬念。

原文：http://www.ruanyifeng.com/blog/2026/10/weekly-issue-414.html

RSA 密钥破解新纪录：一个人加 Claude，2048 块 GPU 跑十天

RSA 是一种常用的密钥算法，你可以把它理解成一把“锁”，锁住你的通信和文件。如果被破解，许多软件顿时就毫无秘密可言。RSA 的破解难度，完全取决于它的公钥能否被因数分解——简单说，就是把一个很大的数字拆成几个质数相乘的形式。加密位数越多，越难拆，破解纪录以前是 768 位（二进制位）。

今年 9 月 20 日，Anthropic 公司的一位软件工程师宣布，他在 Claude 模型的帮助下，破解了 896 位的 RSA 密钥，并放出了被破解的密钥以及分解后的两个质因子。据他透露，他用 Claude 模型将质因数分解的软件库 CADO-NFS 移植到 GPU 运行，在 2048 个 GPU 上运行了 10 天，就得到了结果。

这件事的启示是：一个个人就能调用资源破解这么长的密钥，那么大机构可以破解多少位的密钥？所以目前都建议，RSA 密钥最少也要 2048 位。

原文：http://www.ruanyifeng.com/blog/2026/10/weekly-issue-414.html

今日小结

今天这几条信息有一个共同的脉络：AI 正在把“模糊的东西”变成“可计算的数字或符号”。Jev 把判断变成概率，让语义查找和网页评分变得可编程；RSA 破解借助 AI 和 GPU 把数学难题的求解时间压缩到个人可承受的范围；而 Markdown 变成源码、摄像头只输出文字描述，也都是把原本属于“人类阅读和判断”的环节，交给机器去处理。值得警惕的是，当评分和判断被简化为一个浮点数时，黑箱带来的不透明性也在增加——这或许是效率提升之外，我们需要持续关注的一面。