AI圈最近爆火的"哑巴"Jev,到底是个啥?
最近硅谷有个 AI 模型火得离谱,但卖点挺反直觉:它不会说话。
你问它问题,它不写文章、不写代码、不陪聊,连一句完整的话都蹦不出来。给它一段文字,它只回几个数字和标签——“96% 紧急”“分类:账单问题”“愤怒程度:3.0/4”。
像个高级分类器?但它创下了 AI 史上最快的采用纪录:上线 24 小时,近 13% 的付费团队就开始用,是此前所有新模型首日数据的两倍以上。36 小时内 14 万开发者涌进内测,Vercel、LangChain、Cloudflare 几乎第一时间就把它接了进去。
这个叫 Jev 的模型到底是咋回事,我尽量用大白话讲清楚。
名字梗:Jev 来自一个 19 世纪经济学家
Jev 这名字来自杰文斯(Jevons),19 世纪的经济学家,他当年发现了一件反直觉的事。
瓦特改良蒸汽机之后,烧煤效率大涨。按理说机器越省煤,煤应该越用越少吧?结果全英国的煤炭消耗不降反升。
原因很简单:煤变便宜了。便宜到以前用不起煤的行当也用得起了,单台机器省下的那点煤,被爆发式增加的新用户一口吞掉。
这就是"杰文斯悖论":效率提升,成本下降,需求爆炸,总消耗不降反升。
Jev 的母公司 TypeSafe 拿这个悖论命名,意思很直白——等 AI 判断一次便宜到可以忽略,它就会被塞进互联网的每一个角落。
它到底能干啥?就三件事
Jev 的 API 极简,只接受三种问题:
Choice,从选项里挑一个。比如"这封客服邮件该转给哪个部门",它返回每个选项的概率分布和最终选择。
Score,打个分。比如"客户愤怒程度:1 平静、2 有点烦、3 很生气、4 要跑路",它给一个连续值。
Noul,是非判断。返回一个 0 到 1 的概率,比如"这单是不是盗刷"。
就这三种。没有生成,没有解释,没有推理链。
你可能会说,这不就是十年前的分类器吗?区别在于零样本泛化。老分类器每换一个任务就得重新标注、重新训练;Jev 跟大模型一样,你告诉它分类标准是什么,它当场就能判,不用微调。它留住了大模型的语义理解,但砍掉了生成文本的那半。
为什么又快又便宜
普通大模型是自回归的:一个字一个字往外蹦,生成 100 个字就跑 100 次计算,输出越长越慢越贵。
Jev 不走这条路。它的输出空间是预先定死的——选项就那么多,答案就是一个概率值,所以可以并行采样,一次计算全搞定。
官方数据:延迟 70 到 500 毫秒,大模型普遍是 3 到 329 秒;输入每百万 token 0.042 美元,输出免费。比最快的前沿大模型快 194 倍,便宜 445 倍。
输出免费的底气也在这:既然没有逐字生成的过程,就没有值得计费的输出。官方博客的原话很狂:“便宜到根本不值得计费”。
"零幻觉"是真话,但别会错意
Jev 被反复拿来讲的一个点是幻觉率 0%。
意思是它绝不会给你选项之外的答案,绝不会拼错字段,绝不会突然扯一段废话。但这不等于它不犯错——它完全可能在一堆选项里选错一个,创始人自己都承认过。所谓无幻觉,只是因为它被锁死在预定义的答案框里,根本没有胡思乱想的空间。
真正有意思的:AI 开始分物种了
Jev 的爆火,藏着个很多人还没反应过来的趋势。
过去几年大家都在造"系统二"——会思考、会写长文、会推理的 AI。但软件里真正需要的判断,大多数是"系统一":快速、直觉、不过脑子那种。
Jev 的定位就是系统一模型。业内有个说法很形象:贵的大模型负责慢思考——规划、推理、创作;高频的快判断,交给 Jev 这种轻量决策模型。
开发者已经玩出花了。有人把它塞进浏览器 Agent,在 Google Flights 上找航班只用了 7.1 秒,单次成本约 0.0039 美元。有人用 GPT-6 当指挥官规划路线,Jev 当执行者判断每一步点哪里,在《我的世界》里 8 分 43 秒通关击杀末影龙,模型调用成本不到 1 美元。
一个共同的套路:那些以前"调大模型太亏、写规则又太蠢"的判断活,现在能扔给 Jev 了。
泼点冷水
Jev 不是万能的。
它不能聊天、不能写代码、不能解释理由、不支持图片音频视频。你问它"为什么不选这个",它不答,只给数。
有评论说得很直白:拿无幻觉跟 LLM 比并不公平。结构化输出和自然语言本来就是两套体系,没有幻觉空间不等于模型更聪明。
它就是一个极其专精的工具,专干"是/否、选哪个、打几分"的脏活累活。
收个尾
Jev 是个不说话的 AI 判断器。不生成文字,只吐概率和结构化答案,快得吓人,便宜到没边。
它名字来自一个"越省越费"的经济学悖论,它想做的事也一样:把 AI 判断的成本压到几乎为零,再让这种判断渗进软件的每个角落。
至于这是不是通往 AI 经济革命的最短路径,创始人说是,市场眼下也信了。但至少现在,它确实是个好用的哑巴工具人。
- 点赞
- 收藏
- 关注作者
评论(0)