这批新模型不写文章，只给你一个答案

10月15日，Liquid AI 发了一个叫 d1-ultra 的模型。它不写文章，只回答一个问题：是，还是不是。

再往前数两周：10月1日 AWS 发了 Strands Decider 2B，10月6日 OpenAI 开了 Decisions API 的测试，10月13日微软上了 Decision-1。

四家，两周，同一个方向。模型开始不写字了。

它们到底在干什么

你给它一张图或者一段文字，再加一组固定选项，它直接返回一个答案或者一个概率，不生成任何文字。

定价也跟着变：微软和 Liquid 报的都是每百万输入 token 0.042 美元，输出不计费。这个定价，比用聊天模型问同一件事便宜一大截。

原因不复杂：企业里大量的活，本来就不是写，是判。

这张单子该归到哪一类，这条消息要不要提醒，这个客户算不算需要人跟一下。这些事不需要一段漂亮的文字，只需要一个稳定的答案。

对本地老板意味着什么

如果你想让 AI 应用干的是分拣、归类、判断这类重复动作，成本会掉一个数量级，速度也快得多。

如果你想让 AI 写文案、写方案、写客服话术，这批模型帮不上忙，还得用原来那种。

先分清你要的是写还是判，再谈用哪个模型。这句话能省下不少钱。

这也是今年 AI 应用里最容易被忽略的一条分界线。很多人把 AI 当成一个万能员工，其实它更像两种工种：一种会说话，一种会点头。会点头的那种，现在便宜得离谱。

它不能替你做的

选项是人定的。选项定错了，它答得又快又错。

它也不解释理由。出来一个结果，为什么是这个，你得自己有一套办法去查。

还有一层：判断的标准如果在你脑子里、写不下来，什么模型都没用。我们帮客户梳理需求的时候，最花时间的从来不是选模型，是把凭什么这么判问清楚。

说回汕头、潮州、揭阳这些做实体生意的老板。你们手上真正重复的判断，可能比想象中多，也比想象中简单。把它们列出来，是这件事的第一步，也是最难的一步。

企业 AI 应用落到最后，买模型只是其中一步，更难的是把一句模糊的经验变成一条能重复执行的规则。我们做企业内部系统定制，也帮厂里试过线下部署模型，AI 智能体落地和大模型选型这两篇可以对着看。要聊你们自己的场景，打 13829578822，微信同号。