Hightouch：用 Jev + Claude Opus 做身份解析评审，成本降低 4 倍

Hightouch 测试发现，将决策模型 Jev 与 Claude Opus 组合成混合评审方案，可在身份解析（IDR）过度合并检测上接近 Opus 的准确率，成本降低 4 倍以上。Jev 和 GPT-6 Luna 单独使用时准确率为 88.8%–97.3%，决策模型每 1000 个身份成本 $0.5–$0.10、约 0.15 秒响应，但在更难基准上比 Opus 低约 6 个百分点。Jev 的置信度校准更好，多数错误伴随低置信度，因此在混合方案中表现优于 Luna。