摘要： JigsawStack 旗下 Interfaze 團隊於 2026 年 5 月 11 日發表同名混合架構，把任務特化 DNN/CNN 元件與 omni-transformer 接在同一系統。官方自報九項基準，其中 OCRBench V2 為 70.7%，高於 Gemini-3-Flash 的 55.8%。模型目前是 beta、權重未開放，輸入與輸出定價分別為每百萬 1.5 美元和 3.5 美元。
2026 年 5 月 11 日,隸屬 JigsawStack 的 Interfaze 團隊發表了一款與自身同名的全新模型架構,消息在 Hacker News 上累積 164 點。他們的立場說得很直:要通用 LLM 去處理 OCR、語音轉文字、網頁抽取這種答案固定的任務,等於調用整套通用推理,去做小型專用網路就能勝任的工作。Interfaze 的解法是把兩種路線接進同一個系統:任務特化交給專用 DNN/CNN 元件,解碼與一般理解交給 omni-transformer,再附上任務介面卡,連同原生內建的網頁索引、抓取與程式碼沙箱,整個產品瞄準 flash/mini 層的定價與速度。
混合式設計:專用網路遇上全能轉換器
任務特化元件與 transformer 解碼器共用同一個模型,前面提到的那些基礎設施屬於原生功能,不是事後加掛的工具。規格如下:上下文 1M token、輸出上限 32k,文字、圖片、音訊與檔案都能當輸入;推理模式預設維持關閉——答案固定的任務,犯不著多付一筆推理成本。定價是輸入每百萬 1.5 美元、輸出每百萬 3.5 美元,落在 Gemini-3-Flash 所處的同一個價格區間;API 規格相容 OpenAI Chat Completions,模型目前以 interfaze-beta 名稱提供,TypeScript/Python SDK 與 LangChain 整合同樣一應俱全。
九項基準,全部出自官方自報
官方一口氣列出九項基準,比較對象為 Gemini-3-Flash、Claude-Sonnet-4.6、GPT-5.4-Mini 與 Grok-4.3。帳面成績夠搶眼:OCRBench V2 繳出 70.7%,Gemini-3-Flash 停在 55.8%;olmOCR 以 85.7% 勝過 Grok-4.3 的 81.9%,也高過 Chandra OCR 2(84.3%)、Reducto(76.2%)與 Mistral OCR(72.0%)的成績;RefCOCO 拿到 82.1%,Claude 為 75.5%,Grok-4.3 則只剩 25.0%。
語音表現上,VoxPopuli 的詞錯誤率是 2.4%,全場只有 Scribe v2 的 1.7% 更低。文字與推理項目:Spider 2.0-Lite 以 52.9% 對上 Claude 的 49.6%;GPQA Diamond 拿 89.9%,跟 Claude 戰成平手;MMMLU 橫跨十四種語言、成績 90.9%,MMMU-Pro 則是 71.1%,兩項都險勝對手。壓軸的 SOB 來到 79.5% 對 78.4%——而 SOB 正是 Interfaze 自己前一週才發表的基準。把話說在前頭:這九項成績無一例外全是自報(基準程式庫放在 GitHub),對照組也刻意挑了 flash/mini 層,而不是前沿模型。
兩個設計亮點:部分啟動與 Precontext
有兩個設計決策特別值得細看。其一是部分啟動:在 system prompt 裡標上 ocr 這類任務標記之後,模型只會載入相關的權重,用更低的成本產出確定性的結果。其二是 Precontext:模型給出結構化答案的同時,會連同每一行、每一個詞的偵測框與信心分數一併回傳——不論是覆核 OCR 結果,還是在抽取管線裡做品質篩選,這套中繼資料都比單純一段文字答案管用得多。
速度同樣是強項:一秒的運算能換到 209 秒音訊的轉寫,一段 1 小時 35 分的播客大約 50 秒就能跑完——速度約為 Deepgram Nova-3 的 1.5 倍、Scribe v2 的 8 倍,面對 Gemini-3-Flash 更拉開到 11 倍以上。
要不要把工作交給它
判斷標準不複雜:產品要是每個月都靠 flash 級模型消化大批 OCR、轉寫或抽取工作,它的價格與速度就值得你拿自家資料實測一輪——排行榜先擺一邊,自己的 eval 才是準據。風險也得攤在桌上:權重並未開放、產品還掛在 beta 階段、基準沒有一項不是自報,SOB 更是自家出的考卷;Hacker News 討論裡的質疑聲浪不小——這是健康的警訊,並非否決。
拉遠到 2026 年的視角,這次發表是專用與通用兩條路線分岔的又一筆紀錄(年初展望已提過這個分歧):只要通用模型的邊際成本始終壓不下來,把確定性任務改派給特化架構,勢必越來越常見。