Instinct
ZooWork 推出的客服向决策模型：不生成回复，只在有限候选上输出概率，让企业能按置信度决定自动执行、抽检还是转人工。
简介
Instinct（直觉）是企业 AI 平台 ZooWork 在 2026 年推向客服场景的决策模型系列。它要解决的不是「客服话术不够像人」，而是一轮对话里十几次封闭判断被做成了生成式 JSON：慢、贵、格式会飘，而且模型报出的 0.9 往往在答错时也同样自信。
它的接口很窄。输入是当前对话状态、把业务规则写进去的判断问题、以及候选答案；输出只有每个候选的概率。同一个权重可以这次判情绪、下次执行退换规则、再下次选工具，规则变更改的是问题文本，不必为每个标签重新训练一个分类器。一次前向计算给出全部候选的概率，同一段对话上的多个问题还可以共享计算。
它和 Jev 同属「系统一」：快、封闭、带置信度，不负责写作。差别是交付方式。Jev 走托管 API；Instinct 同时提供标价低于 Jev 的托管 API，并开源了 4B 权重，企业可以放进自己的环境。作者甲木把它收成一句操作原则：做选择题，就别让大模型写作文。
关键信息
- 类型：模型（决策 / 分类，不是对话生成模型）
- 领域：企业客服里的意图、规则、情绪、路由、质检、工具选择
- 出品：ZooWork
- 开源仓库：https://github.com/SerendipityOneInc/instinct
- Hugging Face：https://huggingface.co/srpone/instinct-tuned-4b
- 定价/开源状态：截至 2026-09-29 官网为免费预览、尚未启用计费；已公布输入单价，所有型号不收输出 token 费。4B 为 0.01 美元/百万输入 token，27B 为 0.03 美元/百万输入 token。4B 权重开源，可本地部署。
- 相关概念：智能客服、意图识别、企业AI落地、Jev（TypeSafe AI 的系统一模型，对照而非上游）
核心特性
三条方案
| 方案 | 基座（按原文） | 计算方式 | 优先场景 |
|---|---|---|---|
| Instinct Dual 4B | Qwen3.5-4B | 两个候选项顺序分别计算再合并，两序可并行 | 成本敏感、调用频繁的意图分流、工单路由、工具选择 |
| Instinct Tuned 4B | 同一 4B 量级，经过决策任务后训练和概率校准 | 单顺序完成判断 | 规则判定、工单分类、情绪分级；也是企业拿自己的样本继续适配的起点 |
| Instinct 27B | 原文写作 Qwen3.8-27B | 单顺序候选得分读出，服务链路做了激进性能优化 | 条款多、上下文复杂的规则，以及更看重判断质量的质检和复核 |
落地步骤里还出现过另外两个规模说法：智能分流案例写「2B 这样的小模型」，第二步写「高并发分流用 0.5B，常规判定用 4B，复杂规则和质检用 27B」。产品说明正文只展开了上面三行。选型时以企业自己的工单样本为准，不要把这三处数字当成同一张已核对的规格表。
工具/模型类必填项
- 安装方式：自行部署从 GitHub 仓库
SerendipityOneInc/instinct和 Hugging Facesrpone/instinct-tuned-4b入手。原文没有给出 pip / vLLM / 显存占用命令，不能把「开源可本地部署」写成已经有一条安装命令。托管调用走 ZooWork 的 API，截至文中日期仍是免费预览。 - 基本用法：把一个判断点写成「问题 + 候选答案」。问题里用自然语言写上业务规则（例如 15 天内质量问题直接换货，而不是签收超 7 天一律拒绝无理由退货）。把当前对话状态一起送入，读回每个候选的概率，再由业务代码按阈值分支。生成回复、查订单、开放问答不交给它。
- 关键参数/配置：真正要调的不是温度，而是置信度阈值，并且阈值按错判代价分开。发一张五元优惠券可以放得比较松；大额退款必须更严。作者给的分层是：高置信直接执行，中置信执行并进入抽检，低置信转人工。
- 适用场景：候选集合封闭、每轮要做很多次、错了能用概率决定要不要人看的客服判断。不适用于写回复、查业务数据和没有标准答案的开放题。
公开题成绩与不能直接拿来比的综合分
JevBench 历史公开的 231 道决策题：Instinct 27B 答对 202，Tuned 4B 答对 198，Jev 1.13.0 的公开逐题记录是 200。全集上 Jev 的整体决策质量仍然领先。Dual 4B 的校准分与 Jev 接近，但校准分不等于答对能力。两款已测 Instinct 的官方原始 P50 约 253–260 ms，Jev 为 616.5 ms。
官方综合分的算法不对称：Instinct 用基模参考价格估算成本，并把原始延迟乘以 2，当作 demo 扛生产负载的假设；Jev 用标准公开价，延迟不乘这个系数。所以这个综合分不能代表「按 Instinct 当前标价买服务」的性价比。文中也写明，展示的是通用决策评测，客服专项效果要以业务评测为准。
不同素材中的观点
- 2026-10-07-woshipm-instinct-cs-decision：甲木未来派把 Instinct 放在企业客服，而不是通用 Agent 压缩。核心论据是耳机质量问题被错判成「超 7 天不可无理由退货」——话术没问题，规则判断错了，一次就是一次投诉。他认为生成式模型顺便报出的置信度因为对齐训练而过度自信，企业需要的是能设阈值的概率。Instinct 的价值被收成两句：准确率决定能不能用，校准决定敢不敢用；做选择题就别让大模型写作文。接入顺序是历史工单验证、影子模式只记录不执行、达标的判断才自动执行。
已有的 Jev 素材 2026-09-21-woshipm-jev-fast-judgment-layer 讲的是同一类接口（不生成、只输出概率、影子模式、高风险不单独拍板），但对象是 Agent 的快判断层和上下文保留决策，不是 Instinct 这个权重。不要把那篇的 fast-jev-compaction 代码当成 Instinct 的用法。
实用信息
- 快速上手：先从现有客服流程里列出判断节点，按调用量和出错代价排序。挑一个封闭、可复核的点（例如是否满足换货条件，或下一句该不该转人工），写成问题和候选，用历史工单对一下概率段里的真实正确率。影子模式跑通之前不要让它自动批退款。
- 五类适合先切的判断：智能分流、售后规则（退换、补偿、价保）、情绪与升级预警、全量质检（禁用话术、越权承诺、必要告知）、Agent 下一步调用哪个工具。工具选定之后，组织语言仍交给生成模型。
- 注意事项：公开榜近乎打平不等于懂你家的例外条款。客服语料口语化、错字多、一句话多个诉求、情绪含蓄。大促、新品和政策变化会让校准漂移，作者建议三个月量级就要重新检查。27B 基座在原文里写作 Qwen3.8-27B，引用时保持这个写法，不要擅自改成别的 Qwen 版本名。