Articul8 Bivia：一個能夠棄權、且沒有價目表的決策模型

Bivia 的 API 文件中最關鍵的一行不是基準測試，而是狀態。已回應的呼叫會回傳一個值、一個介於 0 與 1 之間的機率，以及一個涵蓋你所提供選項的分佈。被拒絕的呼叫則會回傳 value: null、abstain_reason，以及相同的分佈——模型以具型別的欄位告訴你，證據並不支持做出承諾。Articul8 Bivia 於 2026 年 10 月 28 日從 Santa Clara 推出，它是多模態決策模型，而非生成式模型：輸入一次 HTTP POST，輸出具型別的 JSON，輸出 token 為零。棄權欄位是這次發布最倚重的功能，也是你能用單一參數關閉的功能。這個賣點是否成立，是個校準問題，而參考基準是 TypeSafe AI 的 Jev-1.13——本部落格報導最多的決策模型，也是你已經可以透過 OrcaRouter 呼叫的模型。

將兩者並列比較，差異就在於每個模型願意接受哪些輸入。Jev 回答以文字輸入的提問。Bivia 接受文字、圖像、文件、程式碼、感測器訊號、音訊與視訊，並將答案錨定在具體產物上：邊界框、字元位移、影片時間戳。這兩家廠商的共通點是商業問題，而非架構。兩者販售的賣點，都是讓你不再為可歸結為「是」、「否」、標籤或數字的判斷，支付前沿模型費率。Articul8 的這套說法附帶可用的 API、免費權杖優惠，卻沒有公布每權杖價格，這使得 Bivia 逼你做的第一個決定，變成一個會計問題。

Bivia 實際上會回傳什麼？

產品頁對這份合約的說明異常具體，值得仔細閱讀，因為新聞稿並沒有這麼做。一次決策就是一個 POST 請求，並將你的 API 金鑰放在 BIVIA_API_KEY 中；回應每次都是相同的 JSON 結構，而這正是非生成式輸出的重點所在。你從九種基元中選一種——Decide、Choice、Boolean、Score、Set、Span、Ground、Extract，以及「Data science」——答案會被強制轉換成五種具型別形狀之一。沒有自然語言敘述、沒有解析步驟，也不會在 token 4,000 出現被截斷的大括號。

• 輸入 — 文字、圖像、文件、程式碼、訊號、音訊與影片，七種模態皆透過單一共用架構處理，而非為每種格式建立各自獨立的管線。

• 輸出 — 選擇、布林值、分數、集合與跨度；每一項都會附帶校準後的機率，以及您所提供選項之間的分布。

• 模式 — Fast 以單一階段完成一次決策；Deep 會先做出決定，接著在定案前質疑自己的決定；Fast 可透過 think: true 升級。頁面的摘要列寫著「Fast Deep Thinking」，詳細段落卻描述成「Fast · Deep · Abstain」，因此 Thinking 究竟是第四種模式，還是 Fast 上的一個開關，廠商並未明確交代。

• 拒答——選用功能。傳送 allow_abstain: false，Bivia 每次都會給出答案，這會移除這層防護，讓你得到的機率可能接近零。

• 接地（Grounding）—— 區域、偏移量與時間戳會隨答案一併傳遞，因此下游檢查能重新開啟證據，精確到模型當時所使用的像素或秒數。

• 語言 — 50 多種，頁面列出英文、日文、韓文、印地文、泰米爾文、西班牙文、德文及葡萄牙文等。

整合範圍比一般決策 API 通常涵蓋的更廣。包括適用於 Claude Code、Codex、Cursor 和 VS Code 的 MCP 伺服器，一個 CLI 和一個 Claude 技能，一個適用於 macOS 和 Windows 的浮動桌面應用程式，可讓你選取螢幕某一區域並對其提問的 Chrome 和 Edge 擴充功能，一個包含 =BIVIA.DECIDE、=BIVIA.CHOICE 和 =BIVIA.SCORE 公式的 Google Workspace 外掛，以及 Python、Node.js、Go 和 Rust 的 SDK。這些都不會改變模型的本質。但它確實意味著，試用只需要一個指令，而不是一個整合專案。

棄權開關就是整個產品，而它也是產品中最少被衡量的部分。

棄答是正確的方向，也是這個主張中更難的一半。會猜測的決策層比會猜測的生成式模型更糟，因為具型別的答案看起來就是可稽核的，不管它是不是掙來的。所以有趣的問題不是 Bivia 能不能回傳棄答——API 已證明它能——而是它的信心是否校準得夠好，讓拒絕落在真正模稜兩可的案例上，而承諾落在清楚明確的案例上。那是一項可量測的性質，而 Articul8 尚未公布對它的量測。

取而代之的是針對該類別的獨立研究。JEVal 是 arXiv 2610.03935 中提出的基準，在來自 10 個應用領域、36 個資料集的 11,257 個實例上測試 25 種模型配置。其發現很明確：當答案可從眼前證據判定時，通用決策模型表現最佳；而當需要專業知識，或必須忠實估計不確定性時，表現就較不可靠。摘要中的說法是，這些模型能挑出最可能的結果，卻「大幅高估其機率」。同一篇論文也執行 τ-bench，發現更快的局部決策會縮短回合，但整體任務成功率會下降，因為錯誤會在長軌跡中累積。

第二項發現直接擊中「在代理的每一步都放置決策模型」的論點。複合效應是逐步準確率數字所掩蓋的失效模式：一個在 90% 情況下正確的步驟，在經過五個相依步驟後，只有 59% 的情況下正確。Zenodo 上一項獨立的預先註冊測試（SILT-RP-010）讓七個決策模型處理 799 個未公開的是／否決策，發現只有一個配置與其自身的校準主張一致；Jev 的 ECE 為 0.052，作者將其記錄為不確定而非已確認。這些都與 Bivia 無關，也不應被解讀為對 Bivia 的定論。這是該類別目前被要求達到的標準，而 Bivia 尚未被要求達到此標準。

即使有實測資料，也稀薄得必須誠實以對。一名開發者用 Jev-1.13 和 Clef-Flash 跑了他自己那個通宵運作的編碼代理所產生的 42 個已標註決策，兩者都完美處理了十個電腦操作動作選項，包括兩個安全陷阱——其中一個需要棄權——但兩者都漏掉了同樣四個監督案例。他自己形容這是「來自一個人代理的 42 案例基準測試，不是論文」。Bivia 並不在其中。

這項主打的基準測試明確標示了它的比較基準，這一點是大多數產品發表所比不上的。

Articul8 的內部工具路由測試給 Bivia 評分 0.91，Jev 則為 0.84，而新聞稿直接點名，而非躲在「某領先競爭對手」背後。這值得肯定；具名比較對象可被檢驗，匿名者則不然。基準測試區塊其餘部分需要更明確的標示：

• 工具路由 — Bivia 0.91 對 Jev 0.84，廠商內部資料，方法論未公開。

• 端對端工作流程完成率——約 73%，相較之下比較模型為 37%；這個數字出現在 Articul8 的發布貼文中，而非新聞稿。

• 能源與 Verilog 任務 — 經領域調校後，在選定任務上達到 100% 準確率。此版本本身將這些任務標示為同分佈（in-distribution），意即這些任務與調校資料相仿；這是關於擬合度的陳述，而非關於泛化能力。

• 答案穩定性——Articul8 聲稱，包括 Jev 在內的競爭對手在選項重新排序後，大約每八次執行就有一次改變答案，而 Bivia 則保持一致。未披露測試框架、樣本或選項集。

值得注意的不對稱，出現在比較的另一端。Jev 已經過獨立評估：一篇 arXiv 研究中的 37 個資料集、JEVal 測試套件、預先註冊的校準測試，以及數個由開發者自行執行的測試框架。Bivia 才問世一天，只有一份新聞稿和一個產品頁面。這對發布首日來說很正常，也不是對該模型的批評——這正是應把 0.91 視為一個待重現的數字，而非據以規劃的數字的原因。

定價：你需為輸入 token 付費，而且沒有費率表可用來計算。

商業條款形式上很簡單，但在關鍵處卻空無一物。沒有訂閱制。你只需為輸入 token 付費，而這也符合一個不產生任何輸出的模型。前 10,000 名使用者可免費獲得最多 10 億個 token。使用前必須在 articul8.ai/bivia 註冊。缺少的是實際費率：產品頁面、發布公告或上線貼文中，都沒有出現每百萬輸入 token 的美元價格。頁面上的成本圖表——一個「¢$$$ 1 次前向傳遞」的比較——只是示意圖，不是價格。

沒有費率，你就無法進行整個類別所賴以成立的唯一一項計算，也就是判斷一次決策呼叫是否比它所取代的生成式呼叫更便宜。Articul8 自家的示範數字讓這項吸引力顯而易見，卻無法讓人實際計算：在大約 15 秒內，針對資料中心冷卻遙測資料做出 10,058 項決策，其中 13 項棄權並轉交給操作員；在一個 12 小時班次內處理 200 個晶圓批次與 1,000 項決策，每個批次在八台微影掃描機上進行五次呼叫；單次執行報價 0.40 美元，卻未說明該次執行包含什麼。這些每一項都是由供應商擷取並重播的示範，而頁面上的若干範例明確標示為僅供說明。

免費方案是目前務實的答案。十億個輸入 token 足以跑一場真正的試點——讓數百個已標記案例通過 Fast and Deep，並分別開啟與關閉棄權機制——之後才需要有人向你報價。那場試點是唯一能讓你在自己的資料上得知棄權率的方法，而棄權率正是決定經濟效益是否成立的關鍵。嚴格門檻會把更多案例轉給人工處理；寬鬆門檻則會讓高信心的誤判通過。這種覆蓋率與風險之間的取捨，正是選擇性分類的核心，而任何廠商基準測試都無法取代你自己的門檻。

影片與文件，正是 Bivia 不再像其他決策模型的地方。

文字決策模型——Jev、Clef，以及各種開源重建版本——接收針對文字的有型別問題並回傳機率。Bivia 橫跨七種模態的共享架構，是貼著相同標籤的另一種產品類別；而展示它的演示，是一部 52 分鐘的 4K 紀錄片，內容是國際太空站，在單一請求中逐幀輸入，揭露夜側城市燈光與極光等長達數秒的事件。若採用抽樣幀就會錯過這些事件；其主張是 Bivia 不進行抽樣。

這是一項真正不同的能力，也指向 Articul8 實際銷售的工業應用情境：在長達四十分鐘的檢測影片中，事件只佔三秒；此外還包括工程圖、表格與圖表、感測器軌跡。具名客戶包括 Hitachi Energy、CTC、AZing 與 Megazone，而 Bivia 所屬的平台可連接 25 個以上的企業與營運系統，並可部署於公有雲、私有雲、主權雲與氣隙雲。不過，領域調校是由業務主導，該頁面對此的指示就是「跟我們聊聊你的領域」。因此，能源與 Verilog 的 100% 數據所描述的，是在 Articul8 協助下打造、經過調校的部署，而不是你下載一個模型後，在某個星期二就能直接指向你工廠的那種東西。

決策模型在代理中應該置於何處——以及為何這是一個路由問題

合理的架構不是「用 Bivia 取代 LLM」，而是一條由三部分構成的鏈：確定性規則吸收它們能解決的情境，決策模型接手其餘有限範圍內的判斷，並回傳帶有機率的標籤，應用程式則在任何動作發生前，依政策與權限驗證該標籤。唯有如此，工作流程才會在低成本動作、前沿模型呼叫與人工處理之間做出選擇。決策模型是建議步驟，不是權威來源——它不能授權合併、支出或跳過核准，而格式正確的標籤若基於錯誤理由選定，仍然是錯的。

這意味著，營運上的問題在於路由，而它包含三個部分：哪些步驟要交給決策層、哪些會在機率偏低或答案遭棄答時升級至生成式模型，以及當決策端點本身回應緩慢或故障時會發生什麼事。這就是路由策略的樣貌，也是 OrcaRouter 的路由 DSL 的用途——將決策呼叫與生成式備援組合成單一呼叫，並在背後搭配自動容錯移轉，讓任一邊的棄答或中斷都有明確的下一跳，而不是讓代理程式卡住。這條鏈中生成式的那一半，正是直通定價發揮作用的地方：一個 API 即可存取超過 200 個模型以供應商牌價提供、0% 加價，因此當廠商降價時，你路由所依據的費率當天就會同步調整。

關於可用性，有一點必須坦白說明。Bivia 並不在 OrcaRouter 的型錄上——只能透過 Articul8 自家的 API 與該廠商的平台觸及，其他我們能背書的管道一概沒有。TypeSafe AI 的 Jev-1.13 則在型錄上，這使得並排試用我們確實有提供的代管決策模型，只需按一個鍵就能完成；而試用 Bivia 則意味著第二份合約與另一組獨立憑證。如果你想在簽下任何東西之前，先看看決策層是否值得佔有一席之地，那麼這樣的落差就是目前成本最低的實驗方式。

誰現在就該試試 Bivia，誰又該再等等？

如果你的決策存在於產出物而非文字語句中——檢驗影片、圖面、掃描的理賠文件、感測器日誌——那就試試看，因為這正是 Bivia 在決策模型浪潮中目前沒有競爭對手能匹敵的部分，而免費權杖額度足以涵蓋試辦階段。如果你已經是部署了該平台的 Articul8 客戶，那就試試看，因為 Bivia 也會在你的既有流程旁，於 Bivia Studio 內運行；或者如果你需要氣隙隔離或主權部署，這部分由公司層級的支援涵蓋。如果你的使用場景是編碼代理，那就試試看，因為 MCP 伺服器與 curl 安裝程式讓這件事成為十分鐘的測試，而不是一個專案。

如果要用單價來估算支出，請先等等，因為根本沒有單價。如果採購流程需要獨立基準或已公布的棄答率，請先等等，因為兩者目前都還不存在。如果你需要可自行託管的權重、可閱讀的授權條款，或延遲 SLA，請先等等——這些全都沒有發布。而如果領域調校才是全部價值所在，也請先等等：Bivia 開箱即用版本與針對你的領域調校後的 Bivia 之間的差距並未揭露，而那個差距正是你會買下的東西。

在這之前，能定案的有三件事，而這三件都該由供應商公布：按 token 計價的價目表、在可由他人執行的測試框架上測得的棄答率，以及在早於產品發布的基準測試上的結果。在此之前，對 Bivia 的合理解讀是：一個規格明確的 API，搭配一個異常強大的模態敘事，卻以自家團隊生成的基準測試作為賣點，而最有趣的行為——知道何時該拒答——則被留作你應該自行衡量的項目。棄答開關可免費試用，而且就現有證據來看，仍是值得一試的最佳理由。