鹭羽 发自 凹非寺 量子位 | 公众号QbitAI 有意思！这两天，有个新模型在开发者内部火得一塌糊涂： Jev。 原贴3700多万浏览量，、Hacker News全是相关讨论。。。 火的方式也挺抽象的，这玩意儿 聊天不会、代码不写 ，yes or no它选择or。 简单中译中一下，就是把传统LLM的生成功能给砍了。 只专心干一件事： 下判断 ，然后把选项和对应的概率丢回给你，还不是瞎编。 成绩那可是相当能打，速度最快 193.6倍 、价格最便宜 444.6倍 。 而且......因为新架构实在太便宜，不好计量， 输出token永久免费 ，输入每百万Token也只需0.042美元。 只能说各家的Flash模型哭晕在厕所。 更有节目效果的，是做这个的老哥——OpenAI前研究员 Diogo Almeida ，曾参与RLHF、InstructGPT等核心研究。 亲手教了AI小半辈子「好好说话」，临了临了直接喊AI 「闭嘴」 了。 这也是他出走创办的新公司TypeSafe AI首度公开亮相。 System One Model 官方介绍，Jev是它们的第一个 System One Model 。 何意味？丹尼尔·卡尼曼有个快慢系统的概念，系统1主打 高速直觉式决策 ，系统2则偏向慢速长文本推理。 很明显，当前的LLM更多沿着2发展，Jev返璞归真探索1。 Jev这个名字也是出自Jevons悖论， 单任务成本暴跌，但整体AI使用量预计会爆发式增加 。 Jev提供三种基本能力：Choice、Score和Noul。 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。 再直白一点，你可以把Jev理解成一个带概率的 “语义逻辑门” ： 它接收非结构化的状态和一组限定回答类型的问题，然后输出决策结果和评分，再交给代码接着跑。 说到这儿，可能有朋友要问了， 传统生成式模型不也能做分类吗？ 当然能，但区别在于，答案是如何产出的。 传统生成式模型通常还是 逐token写答案 ，哪怕最后只需要输出一个“A”，也会花费大量token在解释答案上。 反观 Jev直接输出判断结果 ，同一份输入里的多个独立问题还能并行处理，省掉了把答案逐字「写出来」的过程。 这样舍掉文本生成后，速度和费用就很可观了。 官方公布的端到端响应时间低至 70～500毫秒 ，相比前沿模型能快20～200倍，价格便宜40～400倍。 当然光有答案还不够，要真正融入工业流程中，还有个至关重要的问题：模型到底有多大把握？ Jev提出了一个全新的训练方法—— 用于校准决策的强化学习 （RLCD，Reinforcement Learning for Calibrated Decisions） 。 对照来看，RLHF根据人类反馈奖励人们更偏好的回答，RLVR根据可验证的结果给予奖励。 RLCD 则把优化重点放在决策及其概率上，希望模型判断得准，也能准确表达不确定性。 所谓 「校准决策」 ，可以理解成让模型输出的概率值，匹配真实发生的频率。 比如被模型标为0.2概率的结果，真实发生这件事的比例就约等于20%，标为1则代表这件事几乎一定会发生。 如果没有这一步，模型输出的置信度数字就缺乏实际参考价值。 另一个值得细说的是幻觉。 官方描述Jev是 “零幻觉” ，其实是有些夸大的。 Jev保证的是模式匹配，比如你给它A、B、C三个选项，它的确不会自作主张，编出一个D输出，但正确答案明明是A，它照样可能选成B。 所以这里的“零幻觉”得打个折扣， 类型正确而事实不一定正确 。 Jev用法焚诀 在Jev有限的判断任务里，各路开发者也找到了一些实用打开方式。 一类是 接管软件里的高频判断 。 Vercel工程师Pranit在实际业务中，对fx自动模式的安全分类器进行了测试，Jev相较原本选择的 GPT-5.6 Luna 要快5～18倍，准确性也更高。 Bryo AI技术总监Nikhil Mudholkar则对Jev和Gemini同时进行商业邮件分类测试。 测试结果中， Gemini 的准确率要略胜一筹，但价格是Jev的10～20倍。 从性价比来看，Jev更适合自动化工作流程。 另一类是 给LLM当验收员 ，可以对LLM的不当行为进行检查，例如有用户部署Jev来追踪LLM Agent并防止模型越狱。 开发者Elvis Saravia就把Jev接进自己的Agent框架，并构建了自定义验证器，可以在Agent宣称任务完成后再检查一遍。 这样验证成本足够低，且目标结果可信度高，也可以视作系统1和系统2的巧妙结合。 同样的思路还可以用于 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。 比如开发者Hassan的下棋测试 （Jev VS