ARTICLE · 1050522
琐思录0921-教AI说话的人,现在让它闭嘴了
琐思录0921-教AI说话的人,现在让它闭嘴了所有人都在比谁更能说，有人开始比谁更能不说。 1. 这两天开发者圈又出现了个有趣的东西。 一个叫Jev的新模型，X和Hacker News上全是讨论。火的方式挺抽象——聊天不会、代码不写，你给它A、B、C三个选项，它选一个，还附带概率。 JEev把传统大模型最引以为傲的“生成”功能给砍了，只专心干一件事，下判断。 更狠的是定价。输入每百万token只要0.042美元，输出token永久免费。官方的说法是“太便宜了，不好计量”。 各家的Flash模型看到这个定价，估计连夜在改财报模型。 2. 开发者叫Diogo Almeida，OpenAI前研究员，RLHF和InstructGPT的共同发明人。ChatGPT能“好好说话”，这套人类反馈强化学习的底层方法，有他一份功劳。 换句话说，他亲手教了AI小半辈子怎么跟人对话，怎么说人话，怎么说人爱听的话。 然后他出走创办了TypeSafe AI，推出的第一个产品Jev，核心思路就四个字，AI闭嘴。 教了AI半辈子怎么说话，最后发现最值钱的是让它别说话。这剧情，比任何创业故事都有张力。 3. Jev官方给自己的定位是第一个“System One Model"。 这个概念来自卡尼曼的快慢系统理论：系统1是高速直觉式决策，秒出答案，不怎么费脑子；系统2是慢速长文本推理，要一步步想，费算力费时间。 现在所有大模型都在卷系统2——推理链越长越好，思考步骤越多越值钱，一个问题写三千字思考过程那是标配。 Jev反其道而行之，返璞归真做系统1。你给它非结构化的状态和一组限定回答类型的问题，它直接输出决策结果和概率，交给代码接着跑。 官方给了三个基础能力：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）。 这似乎是一个带概率的语义逻辑门。 4. 传统大模型不也能做分类吗？ 能，但区别在于答案是怎么产出来的。 传统生成式模型哪怕最后只需要输出一个A，它也得先逐token写一堆解释，再把答案说出来。这就像你去餐厅点个菜，厨师非要先给你讲一遍这道菜的历史渊源、食材产地、烹饪哲学，最后才把菜端上来。 Jev直接跳过讲故事这一步，并行处理多个独立问题，省掉了把答案逐字”写出来“的过程。 效果是炸裂的，端到端响应时间70到500毫秒，官方实测数据，速度最快193.6倍，价格最便宜444.6倍。 5. 光有快和便宜还不够，工业界最关心的是，判断到底靠不靠谱？ Jev的训练方法叫RLCD，用于校准决策的强化学习。 对照一下就明白了，RLHF是根据人类偏好奖励人更爱听的回答，RLVR是根据可验证结果奖励正确的答案。RLCD则把优化重点放在决策及其概率上，不仅要判断得准，还要准确表达自己有多大把握。 所谓校准决策，说白了就是让模型输出的概率值匹配真实发生的频率。标为0.2概率的结果，真实发生比例就约等于20%；标为1的，几乎一定会发生。 这一步看似不起眼，其实是工业落地的命门。 没有校准，模型输出的置信度数字就是摆设，它说99%确信，实际可能只有60%，你敢用它做自动化决策吗？ Jev把知道自己不知道这件事，做成了可计量的产品特性。 6. 官方宣传Jev是零幻觉，这个说法得打个折扣。 它保证的是模式匹配层面的零幻觉——你给它A、B、C三个选项，它绝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。 所以准确的说法是，类型正确，事实不一定正确。 但这已经足够解决一大类问题了。 在软件自动化流程里，最头疼的不是模型选错，而是模型编造，输出格式不对、字段缺失、凭空捏造不存在的选项，导致下游代码直接崩掉。 Jev把输出空间锁死在定义的schema里，从根上杜绝了编造的可能。至于选得对不对，那是准确率问题，可以靠模型迭代和人工兜底解决；但“编不编”是架构问题，Jev在架构层面就给焊死了。 对于工程师来说，一个偶尔犯错但从不越界的模型，远比一个经常越界同时经常惊艳的模型好用得多。 7. Jev发布36小时，14万开发者注册。大家用它干什么？ 第一类是接管软件里的高频判断。Vercel工程师拿它测了安全分类器，比原来用的GPT-5.6 Luna快5到18倍，准确性还更高。Bryo AI技术总监拿它做商业邮件分类，准确率略输Gemini，但价格是Gemini的十分之一到二十分之一，性价比直接碾压。 第二类是给大模型当验收员。有人把Jev接进Agent框架，在Agent宣称任务完成后再检查一遍，防止模型越狱或谎报进度。验证成本足够低，目标结果可信度高，相当于系统1和系统2打配合，系统2负责干活，系统1负责查岗。 第三类是模型路由。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。有开发者做了个下棋测试挺有意思：Jev每步0.3秒、不到0.0001美元，GLM 5.3每步5.8秒、约0.008美元，最后却是GLM在29步内将死对手。 下得快，未必想得深。但大多数场景，不需要每一步都想29步那么深。 8. Jev火了之后，开源版紧跟着就来了，Nimble。 基于Qwen3.5-9B做LoRA微调，模型适配器以Apache 2.0许可发布，训练数据和方法一并开源。Jev还只能通过API访问，Nimble已经能装进本地跑。 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。 效果上，基础Qwen3.5-9B与参考标签的一致率是66.36%，Nimble提升到90.12%，Jev是93.21%。开源版稍逊，但已经能用了。 从闭源爆火到开源跟进，前后不到一周。这条赛道的热度，可见一斑。 9. Jev这个名字，出自Jevons悖论。 这个悖论说的是，当某种资源的使用效率大幅提升、单位成本暴跌时，人们不会因此减少使用，反而会因为太便宜而大量增加使用量，总消耗不降反升。 Diogo Almeida用这个名字给自己的模型命名，野心写在脸上。他赌的是，当AI判断的成本降到接近零，整个软件行业对AI判断的使用量会爆炸式增长。 今天的前沿实验室都在卷一个公式：更多钱=更多算力=更智能=更值钱。模型越来越大，价格越来越贵，推理越来越慢，仿佛AI的价值就体现贵和慢上。 Jev从另一个方向撕开了口子，AI的价值不一定体现在能说多少，还体现在能判断多快、多准、多便宜。当系统1的判断变成基础设施，系统2的推理才真正有了用武之地。因为不再需要用昂贵的推理模型去做那些几毫秒就能搞定的判断。 当判断的成本趋近于零，判断本身就从奢侈品变成了基础设施。 教AI说话的人，最后让AI闭上了嘴。这不是退步，这是回到了AI最该待的位置，不是陪聊的玩具，是干活的工具。 （本文基于2026年9月15日TypeSafe AI发布的Jev模型及公开资料整理，观点仅供参考）