史上付费接受最快的AI模型:Jev发布两周内被35%的付费团队采用,大量实力玩家模仿跟随

引导语：过去五周，硅谷悄悄多出了一个全新的模型品类：判据模型。五周时间，20 多个玩家进场，微软连夜抄作业，一家叫 TypeSafe 的公司拿了 8.7 亿美元 A 轮、估值 75 亿美元，而它的模型发布两周就拿下了史上最快的采用速度。这个品类的开创者给模型起名叫 Jev——致敬经济学家杰文斯，就是那个提出「效率越高、消耗越大」悖论的人。这个名字本身就是本文的题眼。

一、五周战争：一个新品类的闪电成型

先讲清楚发生了什么。

9 月 15 日，一家叫 TypeSafe AI 的旧金山公司发布了一个奇怪的模型，叫 Jev。说它奇怪，是因为它和我们对「大模型」的全部想象反着来：它不生成任何文字。你给它一段状态（一封客服信、一段对话记录、一张图），加上一组你预先定义好的问题，它返回的不是文章，而是判断——从几个选项里挑一个、给个评分、或者回答一个是非概率。

三个细节决定了它不是玩具：

第一，它每个判断都带校准过的置信度。 说「九成把握」，就真的在统计意义上约九成是对的。这件事听起来平淡，实际上极其罕见——我们熟悉的那类聊天模型，最擅长的恰恰是把没有把握的事情说得斩钉截铁。

第二，它在预设选项之外一个字都吐不出来。 这意味着它结构上「不会幻觉」——不是它道德水平高，是门被焊死了。

第三，快和便宜到了荒谬的程度。 每百万输入 token 收 0.042 美元，输出免费。官方宣称比前沿大模型快 190 倍、便宜 440 倍——这个数字有宣传水分，但独立研究者的实测也足够惊人：有团队测出每次判断 0.15 秒、千次判断成本不到 5 美分，对照的前沿模型是 1.89 秒、12 美元。数量级的差距，不是百分比的差距。

然后就是连锁反应。我按时间线把五周战局排一下：

五周，20 多个玩家，开源闭源通吃，连 llama.cpp 都合并了对应接口。市场给出的认可是直接的：Vercel 的网关数据显示，Jev 发布两周内被 35% 的付费团队采用——有史以来采用最快的 AI 模型，几乎是第二名的两倍。Vercel 自己都拿它换掉了原来的大模型，做有害指令分类。

图：Jev是第一个成本接近电费的模型，是其他模型百分之一

二、名字里的彩蛋：它姓「电力」

现在说为什么我认为这件事的分量被普遍低估了。

TypeSafe 给模型起名 Jev，致敬的是十九世纪经济学家威廉·斯坦利·杰文斯。杰文斯当年观察到一个反直觉的现象：蒸汽机效率每提高一次，煤的消耗不降反升——因为效率提升让以前不划算的用法变得划算了，总消耗量反而暴涨。这就是杰文斯悖论。

硅谷用这个名字是在明示：判断，即将经历煤经历过的那种命运。

判断成本暴跌两个数量级，意味着以前「不划算做判断」的地方，现在全都可以塞进判断：每一封邮件该进哪个队列、每一条告警要不要升级、每一个智能体的下一步该走哪条路、每一段对话里有没有火药味。一天一百万次判断，成本不到 5 美元——判断从「按次请专家」变成了「按吨买电力」。

熟悉我文章的朋友知道我反复讲一个框架：AI 智力如电力，应用爆发为王。判断的电力化，就是这个框架里「发电厂并网」的那一刻。而电力史的剧本我们都很熟：电厂建成之后，真正的财富故事从来不属于发电厂，属于用电器。 灯泡、冰箱、洗衣机、电梯——电力真正改变世界，是通过几百万台「电器」，而不是几座大坝。

所以这篇文章要回答的问题就是标题的后半句：该造什么电器？

三、反哲人王：刻进架构的三个反骨

上一篇我们花大力气论证了一个警告：不要造「哲人王」——那个替人类裁决一切的、不可错的权威。历史上每次这种设计被兑现，结局都是纠错机制的死亡。

有意思的地方在于：判据模型在架构上，恰好是哲人王的反面。三个「先天反骨」：

反骨一：不能即兴。 Jev 的世界观里没有「自由发挥」这个选项。选项必须由人预先定义，判据必须由人预先写清，它的一切判断都发生在人类画好的格子里。哲人王的第一特征是「我替你想」，判据模型的架构里这扇门根本不存在。

反骨二：校准的谦逊。 它的每一个输出都带着诚实的把握度——「87% 确定」是一种可以被检验、被反驳的表述，和「我是对的」有本质区别。前面说过，这种校准能力恰恰是聊天模型的短板：越流畅越自信，越自信越危险。判据模型反过来，把「不确定性」做成了产品的一部分。

反骨三：阈值处必须有人。 它的原生设计里就带着一个无法回避的问题，而且这个问题只能由人来回答：置信度多高才自动执行？多低必须转人工？ 这道闸门不是可选项，是这套架构能不能用的前提。

上一篇我们说，健康的未来里 AI 只能扮演「可被反驳的顾问」，不能当「不可错的先知」；说唐凤讲的「辅助智慧」——帮原本无法达成一致的人完成对话，而不是替人做决策。当时这只是一种理念上的呼吁。现在可以看到，「辅助智慧」有了对应的技术形态：不是靠开发者的自觉，是焊死在架构里的。

四、裂缝：不会解释的判断，和三层栈

但别急着欢呼，这里有一条裂缝，做产品的人必须看清。

判据模型是「系统一」——心理学里那个快而不假思索的系统。它不给任何解释。这在后端分诊场景是优点（谁在乎邮件分类的理由），但拿到上一篇讨论的关系场景里就是灾难：夫妻吵到死结，AI 甩出一句「你错了，置信度 90%」，没有理由——这不是减震器，这是点火器。

所以「即时顾问」类产品的正确架构是三层栈：

便宜的判断层 7×24 小时盯着对话流，把 99% 的日常判断消化掉，只在真正需要「开口」的时刻唤醒昂贵的大模型；大模型只做它擅长的事——解释、共情、翻译立场；人只在置信度不够的地方出场。

这个架构妙在哪？过去它撑不起来。 判断层太贵——上一代方案里，每一次「要不要升级」的判断都要烧一次大模型调用，产品经济账算不平，所以「AI 顾问」只能停留在demo。判据模型把判断层的价格打到地上之后，这笔账第一次算得平了。

这就是我认为投资人这次不是在追热点的原因：Jev 们不是又一个聊天产品，它们是让一整层应用从「不可能」变成「可能」的原料。判断便宜 440 倍，等于一夜之间打开了一个之前不存在的需求空间——这正是杰文斯悖论的字面含义。

五、判据设计：唯一不怕洗牌的那一层

现在回答所有做产品的创业者最关心的问题：基础层打得这么凶，我该进场还是等待？

先看清牌桌。五周 20 多家进场，微软连定价都精确抄袭，说明这个品类会迅速商品化——事实上第五周开源权重（Apache 2.0）就已经满天飞了。HFS Research 的分析师点出了一个真实的坑：不同模型的置信度不是一回事——Clef 的 0.8 和 Decision-1 的 0.8 含义不同，为一家调好的阈值不能迁移到另一家，换供应商就得重新校准。这是实打实的迁移风险。

但注意，这些全都是「哪家发电机赢」的风险。 电力史的答案早就给过了：赢的家电厂商，既没有等电网标准化，也没有赌哪家发电厂——他们把电机当成商品零件，赌的是电器本身。发电机换了，洗衣机还是洗衣机。

对 AI 应用来说，「电机」这个位置上放着的东西，判据模型自己已经说破了。Jev 的文档里有一句大实话，值得每个创业者裱起来：

「它只能自动化那些已经被设计过的决策。」

选项是什么、判据是什么、阈值定在哪、升级给谁——这四样东西，模型替代不了，必须由人写出来。这就是判据设计，它才是产品创业者的 durable IP：

• 夫妻调解产品的护城河，不是背后哪个模型，是那 200 个结构化的冲突决策点和升级规则；

• 客服路由产品的护城河，是那套「什么样的投诉算重大事故」的业务判据库；

• 校准数据——你的产品跑得越久，积累的真实结果反馈越是模型厂商拿不到的资产。

模型换掉，判据库还在，校准数据还在。 这恰恰是整个技术栈里唯一不怕基础层洗牌的那一层。所以我的答案是：等待是错的姿势，正确的姿势是现在就动手攒判据设计，把模型当耗材。何况试错的成本结构也变了——0.042 美元一百万 token，跑一轮原型的判断开销不到一杯咖啡钱。该等的是「重仓」，从来不是「动手」。

六、资本市场这一环：调整期正是展开期

最后聊聊钱。既然是电力化剧本，资本市场的戏份逃不掉，而这一环恰恰是我最近想得最多的。

先看狂热的一面：五周 20 家进场、8.7 亿美元 A 轮、75 亿估值——一个发布四周的公司。这个味道我们闻过：2000 年的互联网，1840 年代的英国铁路。技术史学家佩雷斯（Carlota Perez）把技术革命的资本剧本总结成一条铁律：每一次通用技术革命都分两幕——第一幕是金融资本主导的「狂热期」，泡沫越吹越大直到破裂；第二幕是生产资本主导的「展开期」，技术才真正渗进经济的毛细血管。 铁路如此，电力如此，互联网也如此：2000 年纳斯达克崩盘，杀死了泡沫，但互联网应用恰恰是在崩盘之后那十年才真正改变世界的。

我的判断是：美股该来的那次大调整，就是这个剧本的转折点。 现在的 AI 板块里，狂热期的钱堆在第一幕——模型军备、算力军备；而判据模型这类东西的出现说明第二幕的原料已经就位。等调整来了，泡沫出清，钱会从「造更大的模型」转向「造用电器」——恢复的过程，就是 AI 应用逐渐普及的过程。 这不是坏事，这是剧本的正常翻页。未来十年，甚至二十年，是波澜壮阔的十年、二十年。

再说我们这边。有意思的是，中国等于把第一幕的调整先走完了——我们的调整已经开始了，泡沫先挤，估值先回落。塞翁失马，焉知非福：先调整的市场，先进入展开期。 等美股开始翻页的时候，我们这边的应用层和产业落地，已经在踏实往前走了。这两件事放在一个剧本里看，时间差本身就是机会差。

把这三段连起来，就是一张完整的地图：技术就位（判据模型）→ 资本换幕（大调整）→ 应用普及（展开期）。发明家的所有机会，都藏在后面两段里。

七、落到脚下：决策治理，新的最后一公里

文章最后，说一个马上能动手的事。

判据模型落地企业时，分析师们已经预见了新的麻烦：每个模型置信度语义不同、阈值需要按业务重校；每一个「问题+选项+阈值」的组合都承载着一部分业务策略——什么算重大事故、什么情况必须退款——这些组合会像当年的提示词一样，需要版本管理、责任归属和审计。HFS 把这叫「技术栈蔓延」，企业叫它「治理噩梦」。

我管它叫「决策治理」——新的最后一公里。

我这一年调研了 100 多家公司上 AI，最深的一个体会是：企业缺的从来不是模型，是「从模型能力到业务规则」之间那几公里的路。判据模型把这条路又向前铺了一段，但也挖了新的坑：谁有权定阈值？判据库归谁维护？两个部门的决策方案打架了听谁的？这些问题，模型厂商不管，云厂商不管，咨询公司还没反应过来。

这就是「最后一公里陪跑者」的新货单：判据库梳理、阈值治理、校准审计、决策方案版本管理。 比起写文章，这个可能更值得你今晚就加进业务清单。

电力的故事给了我们两个承诺。第一个属于杰文斯：当判断便宜 440 倍，世界不会少用判断，会用出一亿个新判断——嵌进每一封邮件、每一次对话、每一段关系。第二个属于所有的家电厂商：财富不属于造发电机的人，属于看清了电网走向、然后埋头造电器的人。

不赌发电机，赌电器。做新物种的发明家。

（完）