作者：朱雪莹
这两天，AI 模型 Jev 在开发者圈迅速刷屏。它的特别之处不在于能聊天，也不在于会写代码，而是把能力收缩到一件事上：做判断。
和 ChatGPT 这类通用大模型不同，Jev 不负责生成大段答案，也不以对话体验为卖点。PANews 文中提到，正是这样一个看起来像是「被砍掉一大半能力」的模型，反而突然火了起来。
目前，开发者已经把 Jev 用在多个具体场景里。有人用它在 40 秒内分析 724 条实时广告，总共做出 8724 次判断；有人把它接入 Claude Code，专门清理无用上下文；也有人让它给 AI Agent 当「裁判」，检查任务是否真的完成。LangChain 也已经开始测试 Jev 作为 Agent 评估器的表现。
速度和价格，是 Jev 这次出圈的另一层原因。根据 TypeSafe 公布的测试，Jev 最高可提速约 193.6 倍，成本最多降低 444.6 倍。其输入价格为每百万 Token 0.042 美元，输出 Token 免费。
文章认为，一个能力看起来更少的 AI 之所以受到关注，原因在于 Agent 时代对模型的需求正在变化。真正高频发生的，未必是复杂推理，而可能是大量、快速、便宜的判断：下一步做什么、调用哪个工具、任务是否完成。这类判断未来还需要由 AI 在后台自行完成，而不是持续依赖人盯着屏幕。
从 RLHF 走出来的人，开始反思 RLHF
Jev 模型创始人 Diogo Almeida 的经历，是理解这款模型的重要背景。根据 PANews，Almeida 曾在 OpenAI 工作，参与过 GPT-4、ChatGPT 以及 InstructGPT/RLHF 相关工作，也就是参与构建了当前大模型最重要的一套后训练范式。
不过，在一个多月前的一场演讲中，他把问题直接抛向 RLHF 之后的下一步，主题就是「What's Next After RLHF?」。PANews 认为，如今回头看，这场演讲几乎可以视作 Jev 的「思想说明书」。
在演讲里，Diogo Almeida 先提出了一个看似矛盾的问题：今天的大模型已经能挑战高难度数学题，代码、推理和各类 benchmark 持续提升，但到了企业真正想自动化的业务里，人却始终拿不掉。
他举的例子是客服。让 AI 查资料、总结文档、起草回复，问题不大；但如果让 AI 自己决定「这笔钱退不退」「这个用户要不要赔偿」，企业就会立刻谨慎起来。表面上看，这些决策比高等数学简单得多，但企业并不愿意直接交给 AI。
Diogo Almeida 给出的回答是：「Today's AI is incredible at assistance, not automation.」也就是，今天的 AI 很擅长协助人完成工作，但还不太能自己把工作独立做完。
在他的划分里，像 Claude Code 这样的产品依然属于 ChatGPT 开启的「协助时代」。它可以写代码、改文件，但人通常仍然坐在电脑前持续检查，出错后再让它修改。
真正的自动化则不同。人在很多时候根本不在场，AI 需要在后台自己判断、自己执行，一天可能运行几十万次，甚至几百万次，用户甚至不会看到它具体做了什么。
问题随之变得更尖锐：为什么今天的 AI 已经足够聪明，却仍然离不开人？Diogo Almeida 把矛头指向了 RLHF。
按照他的说法，RLHF 的基本逻辑并不复杂，就是收集人的偏好，再让模型越来越符合人的偏好。也正因为如此，模型从训练开始就在学习：什么样的回答更容易被人喜欢。
这也解释了大模型一个常见特征：即便不知道答案，它也常常能把话说得很像那么回事。Diogo Almeida 在现场举了一个例子：有人给 ChatGPT 发去一段放屁的录音，并告诉它这是自己创作的一首音乐，请它「真诚、坦率」地评价，结果 ChatGPT 仍然一本正经地夸赞这是一首带有阴森、诡异氛围的环境音乐。
他用一句话概括这种倾向：「Overpromising is a feature.」也就是，过度承诺不是 Bug，而是 feature。
对聊天产品来说，这未必是致命问题，因为用户还在屏幕前，回答错了可以纠正。但在自动化系统里，机器并不关心回答是否好听，它只需要知道两件事：到底该怎么做，以及模型自己到底有多大把握。
Jev不再让模型「说一段话」
在这样的思路下，Jev 的设计显得很反常。普通大模型即便最终只需要回答「A 还是 B」，往往也要经过完整的 Token 生成过程。Jev 直接砍掉了这部分。
按照文中介绍，Jev 目前主要处理三类任务：
- Noul：回答 Yes 还是 No；
- Choice：从几个选项里选一个；
- Score：按照标准打分。
它返回的不是一段解释，而是判断结果和对应概率，不负责写长文，也不陪用户聊天。
官方公布的端到端延迟低至 70—500 毫秒，相比前沿模型快 20—200 倍，价格低 40—400 倍。PANews 认为，真正关键的不只是「快」，而是输出里附带的概率。
为此，TypeSafe 提出了一套新的训练方法：RLCD，Reinforcement Learning for Calibrated Decisions，校准决策强化学习。它试图解决的问题很直接：如果 AI 告诉你某件事有 80% 的概率发生，这个 80% 到底能不能信。
理想状态下，模型判断为 80% 概率的一批事件，最后就应该大约有 80% 真的发生。这个特性在自动化系统里很关键。比如，99% 把握的任务可以直接执行；51% 把握的任务，则可以转交给更强、更贵的大模型，甚至交给人工处理。
文章把问题归结为一句话：真正麻烦的，不是 AI 不知道，而是 AI 不知道自己不知道。
从这个角度看，Jev 想改变的不是单纯的模型速度，而是 AI 输出的对象。过去 ChatGPT 生成的答案主要是给人看的；Jev 给出的判断和概率，则是准备直接交给软件使用的。
Agent时代需要的，可能是海量小判断
这也解释了 Jev 为什么会在当下受到关注。随着 Agent 开始进入实际运行阶段，系统会产生大量细碎但高频的判断：下一步调用哪个工具、网页该点哪个按钮、某条信息是否还有用、任务是否已经完成、结果要不要重新检查。
这些问题单独看并不复杂，但一个 Agent 一天可能要做几十万次、几百万次判断。如果每一次都调用最强的大模型，花几秒钟做复杂推理，再输出一大段 Token，成本和延迟都会迅速上升。
Jev 想切入的，正是这一层：把大量高频的小决定交给它处理，而把真正需要复杂推理的任务留给更强的大模型。这也是 TypeSafe 把 Jev 称为「System One Model」的原因。
这个概念来自丹尼尔·卡尼曼提出的「系统 1」和「系统 2」：前者负责快速、直觉式判断，后者负责慢速、复杂思考。Jev 的命名也来自「杰文斯悖论」——当一种资源变得越来越便宜，人们未必会减少使用，反而可能用得更多。
如果调用一次 AI 很贵，使用场景通常只会集中在最重要的任务上；但如果一次判断便宜到几乎可以忽略，那么一封邮件、一条日志、一次工具调用、一个网页按钮，甚至 Agent 执行过程中的每一步，都可能加入一次 AI 判断。
Jev的热度，未必等于结论已经成立
不过，PANews 也提到，现在就说 Jev 代表下一代 AI，还为时过早。它所谓的「零幻觉」，更多是指不会跳出规定答案类型去自由发挥，并不意味着不会选错；而 193.6 倍提速、444.6 倍降本这样的极端数据，也主要来自 TypeSafe 自己的测试。
因此，这次 Jev 爆火真正值得关注的，未必是它能不能挑战 GPT 或 Claude，而是它背后提出的问题：过去几年，整个行业都在想，怎样让 AI 想得更久、说得更多；但如果未来真正需要的是几十亿次机器之间的判断，AI 为什么每一次都要先「说一段话」？
按照文章的概括，ChatGPT 教会了机器如何和人说话，而 Jev 押注的下一步则是：当人不再坐在屏幕前，机器能不能自己做决定。