神经符号模型 XERJ Reader-1 发布：不生成文本，靠可验证程序回答文档问题
有人做了个不生成文本的模型，它对着文档写段小程序来算答案，官方说比 LLM 快 20-90 倍、比 Claude Opus 5.5 便宜 400 倍。经常要从论文里抠数字的话值得试试。
开发者 Ivan Novikov（@d0znpp）发布了神经符号模型 XERJ Reader-1，它被禁止直接生成文本，而是针对提示词产出一段可验证的小程序，在原始文档上运行并计算答案。模型会先精确指向文档中的具体字词，再基于这些字词写程序，因此每个答案都是一段可重放的程序。
性能方面，官方称 Reader-1 比 LLM 快 20 到 90 倍，成本比 Claude Opus 5.5 的输入 token 便宜 400 倍，输出 token 免费，整体成本号称低 10 到 1,000 倍。适用场景是自动化数据工作，比如从论文中抽取具体数字这类任务。
与生成式 LLM 相比，它的差异点在于答案由确定性代码计算而非文本生成，天然具备可验证性。对经常从文档和论文中提取数字的研究者和数据工作者，这种“指向原文+程序计算”的路线提供了一种省时的替代方案。
Neurosymbolic AI is making a comeback. Reader-1 from @xerj_org answers questions about a document by pointing to the exact words. That would save me a lot of time, since I pull numbers out of papers all the time for my research. XERJ says it's 20 to 90x faster than LLMs and 400x cheaper than Claude Opus 5.5 on input tokens. Ivan Novikov @d0znpp I've built a new AI model that is not allowed to generate text. Instead, it produces a verifiable program that answers your prompt using the original reference. XERJ Reader-1 is a neurosymbolic model for working with data. It points to the exact words in your document, writes a small program over them, and exact code computes the answer: • 20-90x faster • 10-1,000x cheaper (output tokens free) • every answer is a program you can replay The shortest path to automating data work.
本条情报归属 AITOP「模型」核心追踪栏目。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：XERJ、神经符号AI、Reader-1、数据工作流，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「elvis」（@omarsar0），经 AITOP 多维评分管线结构化提炼。
