分类器复兴与ChatGPT成功密码：AI落地的简单性逻辑

2026年9月，一款名为Jev的可提示分类器（promptable classifier）意外走红。短短几周内，开源模型纷纷涌现，OpenAI、Cloudflare、Liquid相继发布自己的模型和商业端点，OpenAI甚至将其列为开发者日的重点发布。TypeSafe团队透露，上线仅数周，财富500强中已有25%的企业在使用Jev。成本低、易用、无幻觉输出，这些优势足够诱人——但真正值得追问的是：为什么是现在？

便宜的AI一直都在，但采用率从未爆发

分类模型并非新事物。早在早期互联网时代，分类模型就支撑着大量应用；Hugging Face发布BERT和基于CNN的模型后，这项能力进一步民主化。Transformers库、TensorFlow和PyTorch的开源，让一个小团队甚至个人只要有合适的数据和中等水平的微调知识，就能快速获得不错甚至出色的结果。

但门槛依然存在。你需要机器学习与编程知识，需要训练和推理的基础设施，而且每当做新任务或数据演进，模型就得重新训练、测试、部署。在2021年前后曾出现过一波MLOps和平台工具的热潮来支撑这种需求，但它并没有带来ChatGPT发布后那种火箭式增长。

答案藏在“体验”二字里。

BERT（Bidirectional Encoder Representations from Transformers）是Google于2018年发布的开源自然语言处理模型，其核心创新在于使用Transformer编码器对文本进行双向上下文建模，并可通过少量标注数据微调后迁移到分类、问答、命名实体识别等下游任务。BERT的出现让"预训练+微调"成为NLP的标准范式，大幅降低了构建文本分类器的门槛。此后基于CNN的文本分类模型也广泛用于情感分析、垃圾邮件识别、内容审核等场景。Hugging Face的Transformers库则进一步统一了模型接口，使研究人员和工程师可以用几行代码加载预训练权重并完成微调。然而，这些工具解决的是"训练"问题，并未解决"持续运营"问题——数据漂移、任务变更、部署运维仍需专业团队投入，这正是早期分类器难以大规模普及的根本原因。

ChatGPT带来的三点关键差异

回顾ChatGPT发布后的四年，有几个特征格外突出：

对话式交互消除了ML与软件门槛。 与早期GPT-3相比，ChatGPT让人感觉不到自己在“操作AI”，它只是聊天。

截图的病毒式传播。 简单易截的结果成为冬季假期的社交话题，这种低成本的传播机制是任何技术文档都无法替代的。

免费版本降低进入门槛。 免费让好奇心转化为使用量，使用量又转化为习惯。

假期过后，2023年成为Demo之年、用例思辨之年和仓促发布之年。Demo被推进生产环境，软件工程标准一度消失。测试只为让Demo看起来漂亮，部署只为让公司能在汇报中指向AI。直到2023年底到2024年初，ROI、生产稳定性和模型准确度测量才重新回到核心讨论。

但增长的核心原因始终未变：无论你想要AI做客服、编程、工作流改进还是画鹈鹕，简单的API和UX才是差异化的关键。

**提示学习（Prompting）**与传统监督学习的关键区别在于：分类器不再需要为每个任务收集标注数据并重新训练模型，而是通过自然语言指令或少量示例直接指定分类目标。这意味着任务的定义从"训练阶段"前移到了"推理阶段"，数据科学家不必再维护多套模型权重，业务人员也能用自然语言描述需求。Jev这类"可提示分类器"正是这一思路的产物：用户输入类别描述和待分类文本，模型即返回结构化标签。无幻觉输出则得益于分类任务的封闭性——输出空间被限制在预设类别内，模型无法生成自由文本，从而规避了生成式模型常见的胡编乱造问题。

“AI即服务”：从Demo到企业级落地的演进

这种简化体验可以统称为“AI as a Service”，并且每个月都在演进。对某些组织来说，它可能由前向部署工程师和咨询顾问交付；对另一些组织，它意味着一个高可用、简单的AI端点。对许多企业而言，“即服务”可能被定义为获得治理和安全审批；对其他团队来说，它意味着让构建者专注客户而不是底层基础设施。

在模型能力快速变化的AI繁荣期，时代精神往往主导路线图，而非解决问题的最佳方式。Agentic任务随GPT-4能力出现，并随最新一代大模型继续扩展。但能力扩张的同时，前沿并不总是必要的——许多更小、更简单的问题能以极低成本完成核心业务和个人任务。

成本钟摆：从涨价潮到重新 affordability

模型成本自GPT-3以来快速下降，直到2025年Google开始上调Gemini 2.0代价格，OpenAI随后跟进。这种趋势延续后，出现了Uber、Coinbase、Meta、Microsoft等公司因成本迅速减速token支出，许多组织转向内部或开源模型的故事（据Forbes和The Information报道）。

AI Harness也在演进：许多编码和Agent工具将多个模型组合，用更强的编排器把简单任务委托给子Agent，或让单个Agent以顾问身份咨询更大的模型。

小模型已经足以完成90%的任务，而前沿实验室仍在为AGI竞赛推高边界。直到OpenAI出人意料地降低Luna 5.6价格，并在Luna 6上再次降价，将输入价格带回每百万token 0.10美元的水平。Luna 5.6的价格调整在很大程度上拯救了许多利润率挣扎的包装公司，也带来了OpenRouter上的使用量爆发。

成本钟摆已经摆回可负担性，而Jev以每百万输入token 0.042美元的价格、快速响应和易懂的API进入市场。一些巧妙的营销助推了热度，但成本、简单性和通用性定义了它的轨迹。

Token是大模型处理文本的基本计量单位，通常一个英文单词约对应1至1.3个token，一个中文字符约为1至2个token。API按输入和输出token数量分别计价，因此每百万token的价格直接决定了大规模部署的成本上限。对于高频调用场景（如客服意图识别、内容审核），输入token往往占主导，输入价格的下降对总成本影响尤为显著。当输入价格降至每百万token 0.10美元甚至0.042美元时，单次分类调用成本已低于许多传统云服务的函数调用费用，这使得将AI嵌入每一个业务流程在经济上变得可行。成本下降并非线性趋势，而是受算力供给、模型架构优化（如稀疏化、蒸馏）和市场竞争共同驱动的波动过程。

选择正确的问题，比选择更强的模型更重要

除了我持续成功训练分类器的个人经验之外，Jev最早的一篇博客《The Bitterest Lesson》（最苦的一课）点出了核心：选择正确的问题和数据，是有效AI的基础。

根据PNC数据，目前只有2.2%的美国成年人付费订阅AI服务。在这个仍在增长的市场里，成本、简单性和通用性这三个因素将继续引导从个人Agent到企业采用的路径。前沿智能会为未来铺路，但数据中心里的天才并不总是最平易近人、最可负担的角色。

分类器的复兴不是倒退，而是AI落地逻辑的一次校准：当模型能力足够廉价和易用时，解决正确的问题比追逐最大的模型更有商业价值。ChatGPT的成功密码，从来不只是智能本身，而是把智能包装成任何人都能用的服务。

AI Harness（AI编排框架）指在应用层对多个模型或工具进行调度、组合与降级处理的系统。其典型模式包括：用强模型作为编排器将简单子任务分发给廉价小模型，或让主Agent在需要时咨询更大的专家模型。Harness的价值在于把"模型能力"与"任务需求"解耦——并非所有步骤都需要前沿智能，通过路由和缓存可以大幅压缩成本。在Jev这类分类器场景中，Harness可能表现为规则引擎与模型混合：高置信度结果直接采纳，低置信度样本转交更强模型复核。这种分层架构让企业能在准确率与成本之间取得平衡，也是"AI as a Service"体验落地的工程基础。