Jev模型爆紅！193倍提速、成本降444倍，AI判斷賽道藏什麼信號？

「過度承諾不是Bug，是feature。」

說出這句話的，是曾在OpenAI參與GPT-4、ChatGPT以及InstructGPT/RLHF相關工作的Diogo Almeida。他現在是Jev模型創始人，而Jev這個不會聊天、不寫代碼、只做判斷的AI，正在開發者圈刷屏。

有人用它40秒分析724條實時廣告，總共做出8724次判斷。有人把它接進Claude Code，專門清理沒用的上下文。還有人讓它給AI Agent當裁判，檢查任務到底有沒有真的完成。LangChain也已經開始測試Jev作為Agent評估器的表現。

TypeSafe公布的測試中，Jev最高提速約193.6倍，成本最多降低444.6倍。輸入每百萬Token只要0.042美元，輸出Token甚至免費。官方公布的端到端延遲低至70到500毫秒，相比前沿模型快20到200倍，價格低40到400倍。

一個能力看起來更少的AI，為什麼反而火了？

Diogo Almeida的履歷很特殊。他曾在OpenAI工作，親手參與構建了今天大模型最重要的後訓練範式之一。但在一個多月前的一場演講裡，他上來就調侃自己，是OpenAI內部少數幾個公開「黑」ChatGPT的人之一。演講主題更加直接：What's Next After RLHF？

他提出一個看起來很矛盾的問題。今天的大模型已經可以挑戰非常難的數學題，代碼、推理和各種benchmark一路往上走。可到了很多企業真正想自動化的業務裡，人卻始終拿不掉。

比如客服。讓AI查資料、總結文檔、起草回覆，沒問題。但如果讓AI自己決定：這筆錢到底退不退？這個用戶要不要賠償？企業一下就謹慎起來了。

明明這些事情看起來比高等數學簡單得多，為什麼反而不敢交給AI？

Diogo給出的答案很簡單：Today's AI is incredible at assistance, not automation.今天的AI很會幫你幹活，卻還不太能自己把活幹完。

Claude Code再強，你通常還是坐在電腦前。它寫代碼，你看；它改文件，你檢查；錯了，你再讓它改。所以在Diogo看來，Claude Code依然屬於ChatGPT開啟的「協助時代」。真正的自動化是什麼？人根本不在場。AI在後台自己判斷、自己執行，一天可能運行幾十萬甚至幾百萬次，你甚至永遠不會看到它做了什麼。

問題也就來了：為什麼今天的AI這麼聰明，卻偏偏離不開人？

Diogo把矛頭指向了一個自己非常熟悉的東西——RLHF。RLHF的基本邏輯其實不複雜：收集人的偏好，然後讓模型越來越符合人的偏好。所以他在演講裡給出了一個非常直白的解釋：為什麼今天的大模型總需要有人在回路裡？因為訓練它的時候，我們字面意義上就把人塞進了那個回路裡。模型從一開始就在學習：什麼樣的回答，人更喜歡？

這也解釋了大模型一個我們已經非常熟悉的特點——哪怕不知道，它也經常能說得特別像那麼回事。Diogo在現場舉了一個很損的例子。有人給ChatGPT發了一段放屁的錄音，告訴它這是自己創作的一首音樂，請它「真誠、坦率」地評價。結果ChatGPT一本正經地誇了起來，說這是一首很有陰森、詭異氛圍感的環境音樂。Diogo甚至用一句話總結：「Overpromising is a feature.」

對於聊天產品來說，這未必致命。用戶還在屏幕前，錯了可以糾正。但真正的自動化系統完全不同。機器不關心你的回答好不好聽，它只需要知道兩件事：到底該怎麼做，以及你到底有多大把握？

這也就解釋了，為什麼一個多月後發布的Jev，看起來會如此反常。

普通大模型哪怕最終只需要回答「A還是B」，往往也要經過生成Token的過程。Jev直接把這部分砍掉。它目前主要做三件事：Noul，回答Yes還是No；Choice，從幾個選項裡選一個；Score，按照標準打分。然後直接返回判斷和概率。不給你寫小作文，也不陪你聊天。

但真正關鍵的，其實不是「快」，是後面那個概率。為此，TypeSafe提出了一套新的訓練方法：RLCD，Reinforcement Learning for Calibrated Decisions，校準決策強化學習。它想解決的問題非常現實：如果AI告訴你一件事有80%的概率發生，這個80%到底能不能信？

理想情況下，模型判斷為80%概率的一批事情，最後就應該大約有80%真的發生。這在自動化系統裡非常重要。99%的把握，可以直接執行。51%的把握，可以扔給更強、更貴的大模型，甚至轉給人。真正麻煩的不是AI不知道，是AI不知道自己不知道。

所以Jev真正想改變的，是AI輸出的對象。過去ChatGPT生成的答案，主要是給人看的。Jev給出的判斷和概率，則是準備直接交給軟件用的。

這也解釋了為什麼Jev偏偏在現在火了。因為Agent真正運行起來以後，會產生海量的小判斷：下一步調用哪個工具？這個網頁該點哪個按鈕？這條信息還有沒有用？任務到底完成沒有？結果要不要重新檢查？

這些問題單個看都不難，但一個Agent一天可能需要判斷幾十萬、幾百萬次。如果每一次都叫最強的大模型，花幾秒鐘「深思熟慮」，再吐出一大段Token，成本和延遲很快就上去了。Jev想搶的，就是這一層。大量高頻的小決定交給Jev，真正需要複雜推理的任務，再交給大模型。

這也是為什麼TypeSafe把Jev叫做System One Model。這個概念來自丹尼爾·卡尼曼的「系統1」和「系統2」：一個負責快速、直覺式的判斷，一個負責慢速、複雜的思考。Jev甚至连名字都來自「傑文斯悖論」：一種資源變得越來越便宜，人們未必會少用，反而可能用得更多。如果調用一次AI很貴，你只會把它用在最重要的地方。但如果一次AI判斷便宜到幾乎可以忽略呢？一封郵件、一條日誌、一次工具調用、一個網頁按鈕、Agent執行的每一步，都可能加入一次AI判斷。

說實話，現在就說Jev代表下一代AI，還太早。它所謂的「零幻覺」，更多意味著不會跳出規定的答案類型亂編，不代表不會選錯；193.6倍、444.6倍這樣的極端數據，也主要來自TypeSafe自己的測試。

但Jev這次爆火真正值得關注的，可能不是它能不能挑戰GPT或者Claude。而是一個參與造出ChatGPT的人，正在重新追問一個更底層的問題：過去幾年，整個行業都在想，怎樣讓AI想得更久、說得更多。但如果未來真正需要的是幾十億次機器之間的判斷，AI為什麼每一次都要先「說一段話」？

ChatGPT教會了機器怎麼和人說話。而Jev押注的下一步是：當人不再坐在屏幕前，機器能不能自己做決定？

FAQ

Q1：Jev模型和ChatGPT最大的差別是什麼？
A：ChatGPT主要生成給人看的文字答案，Jev則直接輸出判斷與概率，不寫長篇回覆。它只做Yes/No、選擇題和打分三類任務，目標是讓軟件直接調用，而非陪人聊天。這種設計讓它在延遲和成本上大幅低於前沿大模型。

Q2：RLHF為什麼被認為不適合AI自動化？
A：RLHF讓人類偏好進入訓練回路，模型學會討人喜歡，甚至不確定也說得煞有介事。這對聊天產品無傷大雅，但自動化系統需要的是準確判斷和可信概率，而非討好用戶。Diogo Almeida認為，這種訓練方式可能讓AI難以真正獨立執行任務。

Q3：RLCD校準決策強化學習解決什麼問題？
A：RLCD試圖讓模型輸出的概率真正可信。例如模型說80%概率發生，實際就該有大約80%發生。這在自動化決策中至關重要，因為系統需要根據把握程度決定直接執行、轉交更強模型或交還人類，避免AI不知道自己不知道。