鷺羽 發自 凹非寺

有意思！這兩天，有個新模型在開發者內部火得一塌糊塗：

Jev。

原貼3700多萬瀏覽量，𝕏、Hacker News全是相關討論。。。

火的方式也挺抽象的，這玩意兒聊天不會、代碼不寫，yes or no它選擇or。

簡單中譯中一下，就是把傳統LLM的生成功能給砍了。

只專心幹一件事：下判斷，然後把選項和對應的概率丟回給你，還不是瞎編。

成績那可是相當能打，速度最快193.6倍、價格最便宜444.6倍。

而且……因為新架構實在太便宜，不好計量，輸出token永久免費，輸入每百萬Token也只需0.042美元。

只能說各家的Flash模型哭暈在廁所。

更有節目效果的，是做這個的老哥——OpenAI前研究員Diogo Almeida，曾參與RLHF、InstructGPT等核心研究。

親手教了AI小半輩子「好好說話」，臨了臨了直接喊AI「閉嘴」了。

這也是他出走創辦的新公司TypeSafe AI首度公開亮相。

System One Model

官方介紹，Jev是它們的第一個System One Model。

何意味？丹尼爾·卡尼曼有個快慢系統的概念，系統1主打高速直覺式決策，系統2則偏向慢速長文本推理。

很明顯，當前的LLM更多沿着2發展，Jev返璞歸真探索1。

Jev這個名字也是出自Jevons悖論，單任務成本暴跌，但整體AI使用量預計會爆發式增加。

Jev提供三種基本能力：Choice、Score和Noul。

Choice：從候選項裏做選擇；

Score：按標準打分；

Noul：給出某個判斷成立的概率。

再直白一點，你可以把Jev理解成一個帶概率的「語義邏輯門」：

它接收非結構化的狀態和一組限定回答類型的問題，然後輸出決策結果和評分，再交給代碼接着跑。

說到這兒，可能有朋友要問了，傳統生成式模型不也能做分類嗎？

當然能，但區別在於，答案是如何產出的。

傳統生成式模型通常還是逐token寫答案，哪怕最後只需要輸出一個「A」，也會花費大量token在解釋答案上。

反觀Jev直接輸出判斷結果，同一份輸入裏的多個獨立問題還能並行處理，省掉了把答案逐字「寫出來」的過程。

這樣舍掉文本生成後，速度和費用就很可觀了。

官方公布的端到端響應時間低至70～500毫秒，相比前沿模型能快20～200倍，價格便宜40～400倍。

當然光有答案還不夠，要真正融入工業流程中，還有個至關重要的問題：模型到底有多大把握？

Jev提出了一個全新的訓練方法——用於校準決策的強化學習（RLCD，Reinforcement Learning for Calibrated Decisions）。

對照來看，RLHF根據人類反饋獎勵人們更偏好的回答，RLVR根據可驗證的結果給予獎勵。

RLCD則把優化重點放在決策及其概率上，希望模型判斷得準，也能準確表達不確定性。

所謂「校準決策」，可以理解成讓模型輸出的概率值，匹配真實發生的頻率。

比如被模型標為0.2概率的結果，真實發生這件事的比例就約等於20%，標為1則代表這件事幾乎一定會發生。

如果沒有這一步，模型輸出的置信度數字就缺乏實際參考價值。

另一個值得細說的是幻覺。

官方描述Jev是「零幻覺」，其實是有些誇大的。

Jev保證的是模式匹配，比如你給它A、B、C三個選項，它的確不會自作主張，編出一個D輸出，但正確答案明明是A，它照樣可能選成B。

所以這裏的「零幻覺」得打個折扣，類型正確而事實不一定正確。

Jev用法焚訣

在Jev有限的判斷任務裏，各路開發者也找到了一些實用打開方式。

一類是接管軟件裏的高頻判斷。

Vercel工程師Pranit在實際業務中，對fx自動模式的安全分類器進行了測試，Jev相較原本選擇的GPT-5.6 Luna要快5～18倍，準確性也更高。

Bryo AI技術總監Nikhil Mudholkar則對Jev和Gemini同時進行商業郵件分類測試。

測試結果中，Gemini的準確率要略勝一籌，但價格是Jev的10～20倍。

從性價比來看，Jev更適合自動化工作流程。

另一類是給LLM當驗收員，可以對LLM的不當行為進行檢查，例如有用戶部署Jev來追蹤LLM Agent並防止模型越獄。

開發者Elvis Saravia就把Jev接進自己的Agent框架，並構建了自定義驗證器，可以在Agent宣稱任務完成後再檢查一遍。

這樣驗證成本足夠低，且目標結果可信度高，也可以視作系統1和系統2的巧妙結合。

同樣的思路還可以用於模型路由：

先讓Jev判斷請求難度，簡單任務交給快模型，難題再請昂貴的推理模型出馬。

比如開發者Hassan的下棋測試（Jev VS GLM 5.3）就挺有意思：

Jev每步約0.3秒、不到0.0001美元，GLM 5.3每步約5.8秒、約0.008美元，最終卻由GLM 5.3在29步內將死對手。

下得快，未必想得深。

Hassan也因此更看好多模型混搭：讓Jev負責快速、明確的判斷，讓LLM處理需要深入推理的難題。

開源也跟上了

不止如此，隨着Jev把快速決策這條路線帶火後，開源版也來了——Nimble。

Jev目前還只能通過API訪問，但Nimble已經可以裝進本地。

Nimble在思路上和Jev是一脈相承，基於Qwen3.5-9B做LoRA微調，模型適配器已經以Apache 2.0許可發布，可配合基礎模型使用。

除了模型，訓練數據和方法也一併開源了。

訓練思路有點像讓AI「找不同」：構造兩份幾乎一模一樣的材料，只改一個關鍵事實，答案正確與否隨之翻轉。

想答對，模型必須抓住真正影響判斷的核心信息。

最終的效果中，Nimble會比Jev稍遜，但比基座模型要強一些。

基礎Qwen3.5-9B與參考標籤的一致率是66.36%，Nimble提升到90.12%，Jev為93.21%。

換句話說，AI也未必非得靠嘴喫飯。

只要判斷做得靠譜，哪怕全程不開口，活也照樣幹得好。