Jev突然爆火刷屏：不會聊天，不寫代碼，只做判斷

作者：朱雪瑩

這兩天，一個有點反常的AI模型突然刷屏了。

它叫 Jev。

不會聊天，不寫代碼，甚至不會像ChatGPT一樣給你生成一大段答案。它只幹一件事：做判斷。

但就是這樣一個看起來"能力被砍了一大半"的模型，卻突然在開發者圈火了。

有人用它40秒分析724條實時廣告，總共做出8724次判斷；有人把它接進Claude Code，專門清理沒用的上下文；還有人讓它給AI Agent當"裁判"，檢查任務到底有沒有真的完成。LangChain也已經開始測試Jev作為Agent評估器的表現。

更誇張的是速度和價格。

TypeSafe公布的測試中，Jev最高提速約193.6倍，成本最多降低444.6倍。輸入每百萬Token只要0.042美元，輸出Token甚至免費。

一個能力看起來更少的AI，為什麼反而火了？

因為到了Agent時代，AI真正需要的可能不只是"深思熟慮"，還有海量、快速、便宜的判斷：下一步做什麼、該調用哪個工具、任務到底完成沒有。更重要的是，這些判斷未來需要AI自己在後台完成，不再需要人一直坐在螢幕前盯著。Jev看上的，就是這些每天可能發生幾百萬次的小決定。

更有意思的是，Jev模型創始人Diogo Almeida，恰恰參與過RLHF，而現在他開始反思RLHF：這套讓ChatGPT變得好用的訓練方式，可能並不適合AI真正走向自動化。

一個多月前，Almeida做過一場演講。現在回頭再看，那場演講幾乎就是Jev的"思想說明書"。

AI都會做高等數學了，為什麼還做不好客服？

Diogo Almeida的履歷很特殊。

他曾在OpenAI工作，是GPT-4、ChatGPT以及InstructGPT/RLHF相關工作的參與者。也就是說，他曾親手參與構建了今天大模型最重要的一套後訓練範式。

但在那場演講裡，他上來就調侃自己，是OpenAI內部少數幾個公開"黑"ChatGPT的人之一。

他的演講主題更加直接：What's Next After RLHF？

Diogo先提出了一個看起來很矛盾的問題。

今天的大模型已經可以挑戰非常難的數學題，代碼、推理和各種benchmark一路往上走。

可到了很多企業真正想自動化的業務裡，人卻始終拿不掉。

比如客服。

讓AI查資料、總結文檔、起草回覆，沒問題。

但如果讓AI自己決定：這筆錢到底退不退？這個用戶要不要賠償？

企業一下就謹慎起來了。

明明這些事情看起來比高等數學簡單得多，為什麼反而不敢交給AI？

Diogo給出的答案很簡單：Today's AI is incredible at assistance, not automation.

今天的AI很會幫你幹活，卻還不太能自己把活幹完。

這兩件事看起來只差一點，實際上完全不同。

Claude Code再強，你通常還是坐在電腦前。它寫代碼，你看；它改文件，你檢查；錯了，你再讓它改。

所以在Diogo看來，Claude Code依然屬於ChatGPT開啟的"協助時代"。

真正的自動化是什麼？

人根本不在場。

AI在後台自己判斷、自己執行，一天可能運行幾十萬甚至幾百萬次，你甚至永遠不會看到它做了什麼。

問題也就來了：為什麼今天的AI這麼聰明，卻偏偏離不開人？

Diogo把矛頭指向了一個自己非常熟悉的東西------RLHF。

我們訓練AI的時候，就把人塞進了回路裡

這件事多少有點諷刺。

因為RLHF，恰恰是Diogo當年參與推動的技術路線之一。

RLHF的基本邏輯其實不複雜：收集人的偏好，然後讓模型越來越符合人的偏好。

所以Diogo在演講裡給出了一個非常直白的解釋：為什麼今天的大模型總需要有人在回路裡？

因為訓練它的時候，我們字面意義上就把人塞進了那個回路裡。

模型從一開始就在學習：什麼樣的回答，人更喜歡？

這也解釋了大模型一個我們已經非常熟悉的特點------哪怕不知道，它也經常能說得特別像那麼回事。

Diogo在現場舉了一個很損的例子。

有人給ChatGPT發了一段放屁的錄音，告訴它這是自己創作的一首音樂，請它"真誠、坦率"地評價。

結果ChatGPT一本正經地誇了起來，說這是一首很有陰森、詭異氛圍感的環境音樂。

Diogo甚至用了一句話總結："Overpromising is a feature."

過度承諾不是Bug，是feature。

對於聊天產品來說，這未必致命。用戶還在螢幕前，錯了可以糾正。

但真正的自動化系統完全不同。

機器不關心你的回答好不好聽，它只需要知道兩件事：到底該怎麼做，以及你到底有多大把握？

這也就解釋了，為什麼一個多月後發布的Jev，看起來會如此反常。

所以，Jev乾脆不讓AI"說話"了

普通大模型哪怕最終只需要回答"A還是B"，往往也要經過生成Token的過程。

Jev直接把這部分砍掉。

它目前主要做三件事：

• Noul，回答Yes還是No；

• Choice，從幾個選項裡選一個；

• Score，按照標準打分。

然後直接返回判斷和概率。

不給你寫小作文，也不陪你聊天。

官方公布的端到端延遲低至70---500毫秒，相比前沿模型快20---200倍，價格低40---400倍。

但真正關鍵的，其實不是"快"，是後面那個概率。

為此，TypeSafe提出了一套新的訓練方法：RLCD，Reinforcement Learning for Calibrated Decisions，校準決策強化學習。

它想解決的問題非常現實：如果AI告訴你一件事有80%的概率發生，這個80%到底能不能信？

理想情況下，模型判斷為80%概率的一批事情，最後就應該大約有80%真的發生。

這在自動化系統裡非常重要。

99%的把握，可以直接執行。

51%的把握，可以扔給更強、更貴的大模型，甚至轉給人。

真正麻煩的不是AI不知道，是AI不知道自己不知道。

所以Jev真正想改變的，是AI輸出的對象。

過去ChatGPT生成的答案，主要是給人看的。Jev給出的判斷和概率，則是準備直接交給軟體用的。

Agent時代，可能需要的不是一個更大的大腦

這也解釋了為什麼Jev偏偏在現在火了。

因為Agent真正運行起來以後，會產生海量的小判斷：

下一步調用哪個工具？這個網頁該點哪個按鈕？這條信息還有沒有用？任務到底完成沒有？結果要不要重新檢查？

這些問題單個看都不難，但一個Agent一天可能需要判斷幾十萬、幾百萬次。

如果每一次都叫最強的大模型，花幾秒鐘"深思熟慮"，再吐出一大段Token，成本和延遲很快就上去了。

Jev想搶的，就是這一層。

大量高頻的小決定交給Jev，真正需要複雜推理的任務，再交給大模型。

這也是為什麼TypeSafe把Jev叫做 System One Model。

這個概念來自丹尼爾·卡尼曼的"系統1"和"系統2"：一個負責快速、直覺式的判斷，一個負責慢速、複雜的思考。

Jev甚至連名字都來自"傑文斯悖論"：

一種資源變得越來越便宜，人們未必會少用，反而可能用得更多。

如果調用一次AI很貴，你只會把它用在最重要的地方。

但如果一次AI判斷便宜到幾乎可以忽略呢？

一封郵件、一條日誌、一個工具調用、一個網頁按鈕、Agent執行的每一步，都可能加入一次AI判斷。

當然，現在就說Jev代表下一代AI，還太早。

它所謂的"零幻覺"，更多意味著不會跳出規定的答案類型亂編，不代表不會選錯；193.6倍、444.6倍這樣的極端數據，也主要來自TypeSafe自己的測試。

但Jev這次爆火真正值得關注的，可能不是它能不能挑戰GPT或者Claude。

而是一個參與造出ChatGPT的人，正在重新追問一個更底層的問題：

過去幾年，整個行業都在想，怎樣讓AI想得更久、說得更多。

但如果未來真正需要的是幾十億次機器之間的判斷，AI為什麼每一次都要先"說一段話"？

ChatGPT教會了機器怎麼和人說話。

而Jev押注的下一步是：當人不再坐在螢幕前，機器能不能自己做決定？