不会打字的AI模型Jev,为什么火遍全网?节省80%Token,速度快193倍

大家好，我是阁主，今天是开启原创之旅的第33篇。

一个不会聊天，不会写文章，不会写代码的大模型，却意外火了一周了。这个9月15日上线的模型，直接冲上Hacker News的头条，就是Jev，一个专门做判断的AI。

jev这类模型的正式分类应该叫System One Model，系统统一模型，出自心理学家卡尼曼那本《思考，快与慢》。

人的思维分两套：

系统一就是管我们的快思考，俗话说的：说话不经过脑子，比如你尝一口你自己做的汤觉得淡了，手自动就伸向盐罐去加盐，不会去想这么淡，怎么办，是不是要加盐？

系统二就是管慢思考的，比如这个月开销咋样？坐下来算算房贷、车贷，写个生活计划方案，一步步推敲，哪里可以省点开支。

现在所有的大模型都是系统二。你问它一句话，它一个字一个字往外蹦，每个字都要想一下，写完再想下面的内容，这种写文章聊天非常合适，但是一些特定的场景就复杂化了。

咱们举个例子：公司的客服系统收到一封用户的投诉邮件，我们是不是不用大模型去推理？只需要简单的去判断三件事，这个邮件转给账单还是技术，急不急？要不要转人工？

普通大模型它得先“写”一篇分析，这个邮件讲什么内容，投诉吗？还是咨询的？这种就造成时间长，Token消耗大。

Jev的做法是，你把邮件丢给它，附上提前定好的问题，它不写一个字，直接把答案算出来。

— 这个是一个梗图，也能帮大家更好的理解！

jev速度为什么这么快？也是同一个道理。大模型要把答案一个字一个字写完，Jev直接算概率。一次判断70到500毫秒，价格也压得很低。

这模拟一个任务，邮件分拣。

企业海量收件箱，300封乱七八糟的来信全混在一起，有商务采购，有线上故障，有合规法务，还有推销垃圾，要求实时分流到15个业务部门，顺便打上意图标签。

一边跑jev-latest，一边跑deepseek-v4.1-flash，同一个任务，同样的输入。

实测结果：

• Jev 9.9秒完成了任务，300 封杂乱的邮件全部按 15 个部门发牌入槽，总共只花了 $0.036

• DeepSeek 相同时间才堪堪读完 10 封，右边牌桌几乎还是空的，速度相差近 30 倍

这个没有聊天框，你没法像用deepseek、豆包那样，直接打开网页或者调用api就可以跟它聊天的。

就在阁主写这篇的当天早上，Jev宣布向所有人开放，不用排队等内测，注册就送5美元额度，约1.2亿token。入口console.typesafe.ai，注册完建个key，设成环境变量TYPESAFE_API_KEY，就能调用了。

官方也给了一句话安装skill，看完还不理解的，直接问你的AI这个怎么用。

CMDnpx skills add typesafe-ai/skills --skill typesafe-ai

这个模型不会写字，零幻觉，但是不等于它的判断就是对的，这里大家也要搞清楚，现在jev衍生出来的项目实际应用还是很多的，喜欢研究的可以去看看，话说jev的官网是真丑啊。

我是阁主，一个不会代码的程序员。