结构化输出库 Instructor v3 正式发布，结合 Jev 决策模型与 RLCD 优化

结构化输出开发库 Instructor 正式发布 v3 版本，并结合采用 RLCD 优化机制的 Jev 决策模型，展示了面向结构化工作流与降低调用成本的新型交互架构。

• 开发者 Jason Liu 于 2026 年 9 月 15 日宣布推出 Instructor v3，重点探索针对高频决策任务优化的模型交互方式。
• 该版本结合了新型决策模型 Jev，官方介绍其训练采用了 RLCD（基于上下文提炼强化学习）方式，专注提升可组合智能决策能力。
• 开发者公布的基准数据显示，该模型推理速度较前代提升 20 至 200 倍，成本降低 40 至 400 倍，并采用输出 token 免费的计费策略。
• 该方案将结构化数据解析与低延迟决策模型深度集成，旨在缓解通用对话大模型在自动化流水线中调用延迟高与开销大的瓶颈。
• 影响/看点：若其实测推理速度与免费输出策略能在复杂生产环境中稳定兑现，可能推动更多企业级智能体从通用对话模型转向专用低成本决策系统。
• 资料依据：
• X：Jason Liu（2026-09-15）：https://x.com/jxnlco/status/2099965340499231079
• GitHub：Instructor（2026-09-15）：https://github.com/jxnl/instructor

本内容由 AI 生成，仅供参考，请注意甄别