单向街东京银座 · AI 分享专栏 Vol.4

语言模型
和世界模型
之争

LANGUAGE MODELS VS. WORLD MODELS

从操作软件，到生成空间，再到结构化决策

郭宇2026.09.19 14:30
单向街书店 · 东京银座店

语言之外，世界之中。

研究窗口 · 2026.07.19—09.18

三条路线，同时向前

操作工具 · 生成世界 · 结构化决策

07.21 / 28

SceniX
与 R2S2R

世界接上机器人

09.01

Atlas

生成、重建、模拟

09.03

GPT-6 Astra

专业桌面工作流

09.12 JST

MD 服装案例

工具协作与修正

09.15

Jev

结构化决策 · 早期访问

历史底座

2025.11 · Marble

2026.06 · World Labs taxonomy

旧能力，不算两个月内首次发布

01 · 操作工具 / OpenAI · 2026.09.03

会回答，也更会操作

···

观察屏幕

执行动作→检查结果

反馈，再行动

OSWorld 2.0 · 桌面任务

GPT-5.6 Sol65.7%

GPT-6 Astra72.6%

0%100%

v2026.08.08 · offline set · partial score
OpenAI 官方报告；不是完整任务成功率

桌面任务进步，不等于物理能力证明。

ASTRA × TRIPO × BLENDER / IMAGE · MESH · UV

从参考图，到能编辑的三维资产

Image Generation

参考图 / 分件图

Tripo

图生 3D / 网格与 UV

Astra + Blender

MCP 组装 / 绑定 / 材质

可编辑工程

模型 / 贴图 / 动画

组合流程示意 · 经 MCP 操作 Blender，逐步检查。

UV：给三维表面一张二维“版型”

网格 → Smart UV 展开 → UV 布局

Image Generation 接着做什么？

布局 / 蒙版 + 参考图 → 生成或修改纹理
贴回 Blender → 检查接缝、拉伸与材质

可组合的纹理流程示意；生成纹理不等于求解 UV 坐标。

Stefan 原帖视频封面：Tripo 的二维 UV 岛与对应三维头部区域 — 09.18 · Stefan 的 Smart UV 展示（原帖视频封面）

一手案例 · Hirokazu Yokohara · 2026.09.12 JST

做出服装，
仍需反复修正

GPT-6 Astra
＋ Marvelous Designer MCP

型纸 → 工具调用 → 服装

作者仍给了大量修正指令。

模型决定怎么做。
软件求解布怎么落下。

Hirokazu Yokohara 原帖视频封面：蓝白女仆服三维作品 — 原帖视频封面 © Hirokazu Yokohara
创作者个案 · 非本场复现

02 · 生成世界 / World Labs · 2026.09.01

从几张图，组织一个空间

Atlas · 李飞飞联合创立的 World Labs 公司

原创概念图 · 多个视角约束同一空间

空间上下文

图像 + 相机位置
+ 三维深度

新视角点云3D Gaussian splats

没有看见的部分，仍可能被补全。

早期访问 · 将用于未来版本 Marble

Marble 历史底座 → 2026.07 的机器人路线

有碰撞网格，还要验证物理

看起来是什么

Gaussian splats · 外观

哪里不能穿过

Collider mesh · 碰撞边界

推了以后怎样

质量 · 摩擦 · 关节 · 动力学

07.21 SceniX 加入 / 07.28 R2S2R真实任务 → 仿真变化 → 实机检验

Marble 已有 collider mesh
2025.11 起的历史能力

03 · TYPESAFE AI JEV / 速度与成本

Jev：把判断压进毫秒级

Diogo Almeida · 前 OpenAI 研究员 · 09.15 发布 / 早期接入

70–500 ms

官方报告端到端响应

美国西海岸测试；非延迟保证

$0.042

每百万输入 tokens

Jev 1.13 · 官方 API 标价

$0

输出费用

仅返回选择、评分和概率

为什么快：省去逐词写作，多个问题在一次请求中并行求值。

文本状态 + 预设问题Jev 并行评估选择 / 评分 / 概率

算例：每次总输入 1,000 tokens，10 万次约 $4.20。

按 API 标价估算，未计重试、工具与基础设施；非本场实测。类型正确 ≠ 判断正确。

JEV VS. LLMS / 厂商工作流评测

速度、成本，要和判断质量一起看

TypeSafe 厂商评测 · 四类工作流等权平均 · 统一采用 workflow 配置

模型	平均耗时 / 例	平均费用 / 例	与参照答案一致率
Jev	0.4 秒	$0.0004	67.8%
GPT-5.6 Terra	10.1 秒	$0.0304	67.9%
Claude Opus 5	37.8 秒	$0.1761	73.1%
DeepSeek V4 Flash	51.9 秒	$0.0059	64.4%
Claude Sonnet 5	78.1 秒	$0.1174	67.8%

对照 Terra：耗时约 1/25，费用约 1/76；参照答案一致率接近。

参照答案由 Astra + Fable 5.1 生成；一致率不等于人工验证准确率。
LLM 需输出概率、使用默认推理；倍数由公布的四舍五入值计算，非本场实测。

JEV IN THE WILD / X 用户实作 · 2026.09.16—17

查航班，分邮件，玩游戏

浏览器查航班

@gregpr07 · 09.17

约 7 秒 · $0.0039

Jev 选动作与页面元素
小型 LLM 生成输入文字

8,218 赞 · 原帖视频 ↗

批量分邮件

@rileybrown · 09.17

500 封 · $0.035

批量分类邮件，并判断
是否回复、是否紧急

3,780 赞 · 原帖视频 ↗

实时玩马里奥

@faadilhshaik · 09.16

状态 → 动作

模拟器读出 JSON 状态
Jev 选择移动与跳跃

2,814 赞 · 原帖视频 ↗

讲者判断：高频判断交给 Jev，规划与生成交给通用模型。

耗时、费用为作者报告，未在本场复测。点赞：09.19 JST 快照；图片为原帖视频封面。

GUO YU / 讲者观点

JEV：快速的超级通用分类器

我觉得 JEV 最大的用例是作为快速的超级通用分类器，它在大语言模型的时代，
做了一件大语言模型时代之前、小型语言模型没有做好的事情，
如果要用 JEV 来快速地组织信息并做出判断，
仍然需要大语言模型设计好足够丰富的设计原语

大语言模型

设计问题、类别与规则

JEV

高频分类、选择与评分

结果反馈

检查误判，修订原语

分工示意 · 以邮件为例：主题、紧急度、下一步动作。

GUO YU / 2026.09.19 / 银座单向街书店

使用智力获取超额收益的时代结束了，
但使用智能赚取复利的时代
却才刚刚开始。
我们每个月都处在一些事情改变的临界点。
今天在银座单向街书店的分享，我将对这个话题展开我的理解和解释。

让每次使用
留下下一次的起点