鹭羽发自凹非寺
量子位 | 公众号 QbitAI
有意思！这两天，有个新模型在开发者内部火得一塌糊涂：
Jev。
原贴 3700 多万浏览量，、Hacker News 全是相关讨论。。。
火的方式也挺抽象的，这玩意儿聊天不会、代码不写，yes or no 它选择 or。
简单中译中一下，就是把传统 LLM 的生成功能给砍了。
只专心干一件事：下判断，然后把选项和对应的概率丢回给你，还不是瞎编。
成绩那可是相当能打，速度最快193. 6 倍、价格最便宜444. 6 倍。
而且......因为新架构实在太便宜，不好计量，输出 token 永久免费，输入每百万 Token 也只需 0.042 美元。
只能说各家的 Flash 模型哭晕在厕所。
更有节目效果的，是做这个的老哥——OpenAI 前研究员Diogo Almeida，曾参与 RLHF、InstructGPT 等核心研究。
亲手教了 AI 小半辈子「好好说话」，临了临了直接喊 AI「闭嘴」了。
这也是他出走创办的新公司 TypeSafe AI 首度公开亮相。
System One Model
官方介绍，Jev 是它们的第一个System One Model。
何意味？丹尼尔·卡尼曼有个快慢系统的概念，系统 1 主打高速直觉式决策，系统 2 则偏向慢速长文本推理。
很明显，当前的 LLM 更多沿着 2 发展，Jev 返璞归真探索1。
Jev 这个名字也是出自 Jevons 悖论，单任务成本暴跌，但整体 AI 使用量预计会爆发式增加。
Jev 提供三种基本能力：Choice、Score 和 Noul。
- Choice：从候选项里做选择；
- Score：按标准打分；
- Noul：给出某个判断成立的概率。
再直白一点，你可以把 Jev 理解成一个带概率的“语义逻辑门”：
它接收非结构化的状态和一组限定回答类型的问题，然后输出决策结果和评分，再交给代码接着跑。
说到这儿，可能有朋友要问了，传统生成式模型不也能做分类吗？
当然能，但区别在于，答案是如何产出的。
传统生成式模型通常还是逐 token 写答案，哪怕最后只需要输出一个“A”，也会花费大量 token 在解释答案上。
反观Jev 直接输出判断结果，同一份输入里的多个独立问题还能并行处理，省掉了把答案逐字「写出来」的过程。
这样舍掉文本生成后，速度和费用就很可观了。
官方公布的端到端响应时间低至70～500 毫秒，相比前沿模型能快 20～200 倍，价格便宜 40～400 倍。
当然光有答案还不够，要真正融入工业流程中，还有个至关重要的问题：模型到底有多大把握？
Jev 提出了一个全新的训练方法——用于校准决策的强化学习 （RLCD，Reinforcement Learning for Calibrated Decisions）。
对照来看，RLHF 根据人类反馈奖励人们更偏好的回答，RLVR 根据可验证的结果给予奖励。
RLCD则把优化重点放在决策及其概率上，希望模型判断得准，也能准确表达不确定性。
所谓「校准决策」，可以理解成让模型输出的概率值，匹配真实发生的频率。
比如被模型标为 0.2 概率的结果，真实发生这件事的比例就约等于 20%，标为 1 则代表这件事几乎一定会发生。
如果没有这一步，模型输出的置信度数字就缺乏实际参考价值。
另一个值得细说的是幻觉。
官方描述 Jev 是“零幻觉”，其实是有些夸大的。
Jev 保证的是模式匹配，比如你给它A、B、C三个选项，它的确不会自作主张，编出一个D输出，但正确答案明明是A，它照样可能选成B。
所以这里的“零幻觉”得打个折扣，类型正确而事实不一定正确。
Jev 用法焚诀
在 Jev 有限的判断任务里，各路开发者也找到了一些实用打开方式。
一类是接管软件里的高频判断。
Vercel 工程师 Pranit 在实际业务中，对 fx 自动模式的安全分类器进行了测试，Jev 相较原本选择的GPT-5.6 Luna要快5～18 倍，准确性也更高。
Bryo AI 技术总监 Nikhil Mudholkar 则对 Jev 和 Gemini 同时进行商业邮件分类测试。
测试结果中，Gemini的准确率要略胜一筹，但价格是 Jev 的 10～20 倍。
从性价比来看，Jev 更适合自动化工作流程。
另一类是给 LLM 当验收员，可以对 LLM 的不当行为进行检查，例如有用户部署 Jev 来追踪 LLM Agent 并防止模型越狱。
开发者 Elvis Saravia 就把 Jev 接进自己的 Agent 框架，并构建了自定义验证器，可以在 Agent 宣称任务完成后再检查一遍。
这样验证成本足够低，且目标结果可信度高，也可以视作系统 1 和系统 2 的巧妙结合。
同样的思路还可以用于模型路由：
先让 Jev 判断请求难度，简单任务交给快模型，难题再请昂贵的推理模型出马。
比如开发者 Hassan 的下棋测试（Jev VS GLM 5.3）就挺有意思：
Jev 每步约 0.3 秒、不到 0.0001 美元，GLM 5.3 每步约 5.8 秒、约 0.008 美元，最终却由 GLM 5.3 在 29 步内将死对手。
下得快，未必想得深。
Hassan 也因此更看好多模型混搭：让 Jev 负责快速、明确的判断，让 LLM 处理需要深入推理的难题。
开源也跟上了
不止如此，随着 Jev 把快速决策这条路线带火后，开源版也来了——Nimble。
Jev 目前还只能通过 API 访问，但 Nimble 已经可以装进本地。
Nimble 在思路上和 Jev 是一脉相承，基于Qwen3.5-9B做 LoRA 微调，模型适配器已经以 Apache 2.0 许可发布，可配合基础模型使用。
除了模型，训练数据和方法也一并开源了。
训练思路有点像让 AI“找不同”：构造两份几乎一模一样的材料，只改一个关键事实，答案正确与否随之翻转。
想答对，模型必须抓住真正影响判断的核心信息。
最终的效果中，Nimble 会比 Jev 稍逊，但比基座模型要强一些。
基础 Qwen3.5-9B 与参考标签的一致率是 66.36%，Nimble 提升到90. 12%，Jev 为93. 21%。
换句话说，AI 也未必非得靠嘴吃饭。
只要判断做得靠谱，哪怕全程不开口，活也照样干得好。
参考链接：
[1]https://x.com/CompleteSkeptic/status/2099925682726002904
[2]https://github.com/bespokelabsai/nimble
[3]https://docs.typesafe.ai/introduction
[4]https://mp.weixin.qq.com/s/ND4whrG99frwJ58-fQ0TgQ
[5]https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers/
