ARTICLE · 1067958
最近爆火的那个AI,一句话都不会说
最近爆火的那个AI,一句话都不会说
AI圈最近火了一个很奇怪的模型。 它不聊天，不写代码，不写文案，不画图，也不解释。 你问它什么，它一个字都不生成。 它只做一件事——判断。 这个模型叫Jev，来自一家叫TypeSafe AI的创业公司。 创始人是Diogo Almeida，前OpenAI研究员，GPT-4论文的共同作者之一。 公司潜行研发了两年，出来的时候带着4000万美元种子轮。 上线几天，从Hacker News到中文社区，所有人都在讨论它。 不是因为它有多聪明，而是因为它太反常了。 一个不会说话的AI，居然能火。 这事本身就够反常的。 一 先说说Jev到底是个什么东西。 它给自己起了个名字叫「系统一模型」。 这个名字来自卡尼曼的那本《思考，快与慢》——系统一是直觉判断，不过脑子直接出结果；系统二是慢思考，一步步推理。 Jev的逻辑是这样的： 过去这些年，所有人都在做「系统二」模型——会思考、会写长文、会解释、会一步步推理。 ChatGPT是这样，Claude是这样，几乎所有大模型都是这样。 但软件里真正需要的判断，大多数是「系统一」级别的。 你不需要AI给你写八百字小作文，你就需要它给个准话。 举个例子。 一封邮件过来，你需要知道：这是垃圾邮件吗？ 你不需要AI分析半天这封邮件为什么是垃圾邮件，你只需要它告诉你——是，或者不是，有几成把握。 再举个例子。 一条用户消息过来，你需要知道：该转给哪个部门？ 你不需要AI帮你写回复，你只需要它从五个选项里选一个。 再再举个例子。 一段程序日志跳出来，你需要知道：这个报错严重吗？ 你不需要AI给你讲这个错误的原理，你只需要它在1到10的刻度上给个分。 这些判断，以前要么靠人来做，要么靠写死的规则。 靠人做，太慢太贵。 靠规则，太笨太僵化。 Jev就专门干这个。 它只会答三种题： Choice：从最多255个选项里选一个 Score：在2到10级的刻度上给分 Noul：给出0到1之间的是/否概率 三种题可以混着问，并行算，问一个和问四个，延迟几乎一样。 它不解释，不啰嗦，不给你扯没用的。 直接给数，给完就走。 二 Jev有几个特点，挺有意思的。 第一个，快。 普通大模型是一个字一个字往外蹦，生成多久取决于要写多长。 写一百个字和写一万个字，耗时差远了。 Jev不一样。 它不写字，答案的范围事先就定死了，算一遍每个选项的概率就完事。 官方数字是端到端响应70到500毫秒。 什么概念？一眨眼的功夫。 你还没反应过来，它已经算完了。 第二个，便宜。 有多便宜？ 输入每百万token 0.042美元，输出免费。 单次判断的成本，压到了万分之一美元的量级。 万分之一美元是什么概念？ 人民币不到一分钱。 以前你觉得「这么小的判断也值得调用一次AI？太浪费了」，现在Jev告诉你——值得，非常值得。 这就引出了一个很有意思的概念，叫「杰文斯悖论」。 Jev这个名字，就是从这儿来的。 杰文斯悖论说的是——蒸汽机效率提高了，每吨煤更便宜了，结果煤炭的总消耗反而涨了，因为便宜的动力被用到了更多地方。 放在AI身上也是一样。 以前AI太贵了，只有重要的问题才值得调用。 现在Jev把单次判断压到了几乎免费，结果就是——调用量会爆炸式增长，因为你可以把AI用到所有以前觉得「不值得」的地方。 以前一封邮件，你不会花几分钱让AI判断是不是垃圾邮件。 现在一次判断不到一分钱，你不仅要判断是不是垃圾邮件，还要判断优先级、分类、情绪、该转给谁……一道题变成了十道题。 越便宜，用得越多。 用得越多，总量越大。 这就是Jev赌的方向。 第三个，没有幻觉。 等等，AI怎么可能没有幻觉？ 别急，它的「零幻觉」是有前提的。 它绝对不会给出你选项之外的答案，绝不会拼错字段，绝不会胡说八道一些不存在的东西。 因为它只能从你给的选项里选。 当然，它可能选错。 但它不会「编」。 这一点非常重要。 很多企业不敢用AI，就是怕AI胡说八道，怕它编造事实，怕它输出不可控的内容。 Jev把输出限制在固定选项里，从根本上解决了这个问题。 你给它255个选项，它就只会在这255个里面选。 多一个都不会有。 【广告位】 三 那Jev具体能用在什么地方？ 说几个已经有人在用的场景，你感受一下。 微信消息自动处理。 这个是国内开发者最先想到的。 微信里每天那么多消息，哪些需要回、哪些可以忽略、哪些该转给同事、哪些是垃圾广告……以前全靠人手动筛。 现在把Jev接上，让它给每条消息打标签、分级、分类。 它不会替你回复，但它能帮你把信息整理好，你只需要处理最重要的那几条。 工单系统自动分诊。 客服每天收到几百张工单，第一步就是分类——这个问题归哪个部门？是技术问题还是财务问题？是bug还是功能请求？优先级高不高？ 以前靠一线客服手动分，慢，而且容易错。 Jev来做，几毫秒一张，准确率不比人差，成本几乎可以忽略。 代码审查辅助。 每次提交代码，让Jev先过一遍——这段代码有没有明显的安全问题？有没有常见的bug？需不需要让人重点看一下？ 它不能替代代码审查，但它能帮你把最明显的问题先筛出来，节省工程师的时间。 内容风控。 用户发一条评论，让Jev判断——有没有违规？是哪一类违规？严重程度几级？ 以前要么靠关键词匹配（太笨），要么调大模型（太贵太慢）。 Jev的速度和成本，刚好卡在中间，刚好够用。 还有邮件分类、数据标注质量检查、异常检测、推荐排序重排…… 只要是「判断」类的问题，理论上它都能干。 而且越频繁、越琐碎、越怕说错话的场景，它就越合适。 四 说到这里，可能有人会问——Jev会不会取代大模型？ 不会。完全不会。 Jev和ChatGPT、Claude这些大模型，根本就不是一类东西。 它们解决的是完全不同的问题。 大模型是「通才」——什么都能干，什么都能聊，什么都能生成，但贵、慢、有时候胡说八道。 Jev是「专才」——只会做判断，别的一概不会，但快、便宜、输出可控。 正确的用法，不是二选一，而是搭配着用。 比如，你有一个复杂的业务问题。 先让大模型帮你想清楚——判断规则应该怎么定、有哪些维度、每个维度的选项是什么。 等规则定好了，再让Jev在生产环境里高频、低价、稳定地执行。 大模型负责「制定规则」，Jev负责「执行规则」。 大模型负责「思考」，Jev负责「判断」。 大模型做系统二，Jev做系统一。 一个动脑，一个动手。 配在一起，刚好。 其实这个思路，跟人类大脑的工作方式挺像的。 我们的大脑也是这样——简单的、重复的、熟悉的判断，交给直觉系统，快但容易出错。 复杂的、陌生的、重要的问题，交给理性系统，慢但更准确。 以前的AI，只有理性系统。 现在Jev补上了直觉系统这一块。 这可能才是它真正的意义——不是取代大模型，而是让AI的能力栈变得更完整了。 五 最后聊聊Jev爆火这件事本身。 为什么一个不会说话的模型，能引起这么大的关注？ 我觉得，是因为它戳中了行业里一个大家都隐约感觉到、但没人说破的问题—— 我们真的需要那么多会说话的AI吗？ 这两年，所有AI公司都在比——谁生成的文字更流畅，谁画的图更逼真，谁做的视频更像真人。 大家都在往「更像人」的方向卷。 但Jev告诉我们—— 不是所有AI都需要像人一样说话。 不是所有场景都需要长篇大论的解释。 很多时候，你只需要一个结果，一个数字，一个判断。 越快越好，越便宜越好，越准越好。 AI不一定要会聊天。 AI不一定要有「人格」。 AI不一定要能跟你做朋友。 很多AI，安安静静地在后台干活，不出声，不抢镜，把事情办明白就行。 就像你公司里那些沉默寡言但办事靠谱的同事。 你可能跟他们没什么话说，但你知道，有他们在，事情就不会出问题。 以后的AI世界，可能不是一个超级AI包揽所有事情。 而是成千上万的「哑巴AI」，在各个地方默默做着判断。 它们不说话，你甚至感觉不到它们的存在。 但你的邮件被它们分拣过，你的评论被它们审核过，你的订单被它们处理过，你看到的推荐被它们排过序。 它们无处不在，但又悄无声息。 这可能才是AI真正融入生活的样子。 不是一个无所不能的机器人站在你面前跟你聊天。 而是无数看不见的小判断，在后台默默运行，让整个世界转得更顺畅一点。 参考资料： 36氪《最火哑巴模型Jev加上微信，直接治好了我的低情商》 TypeSafe AI 官方文档及Jev产品介绍 智源社区「哑巴模型」相关报道 AIToolsRecap 9月21日AI新闻 Vercel AI Gateway相关数据 新智元相关资讯