让便宜模型学会求助：Jev 加 Opus，用四分之一的成本拿到前沿准确率
来源：hightouch.com — 2026-11-08
📋 概述
Hightouch 实测用便宜快速的判定模型（Jev、GPT-6 Luna）给「身份解析」结果打分，再让 Jev 在拿不准时向 Claude Opus 求助。混合方案拿到了接近前沿模型的准确率，成本降低四倍以上。
🔑 核心要点
- 单独使用时，Jev 与 Luna 的准确率在 88.8% 到 97.3% 之间——够用，但不够好。
- 身份解析是把多条记录映射到同一个真实的人，是做触达、个性化与客户分析的前提。
- 混合路由的思路很直接：简单样本走便宜模型，疑难样本才升级到 Opus。
- 结论是在同一任务上接近 Opus 的准确率，成本降到四分之一以下。
💡 金句
implementing a hybrid model that combines Jev + Opus achieves frontier accuracy at > 4x lower costs
👍 0
👎 0
← 返回 Hacker News 首页