Jev模型是什么架构？快 GPT 200 倍@APPSO

「刚刚，爆火模型Jev全面开放，所有用户送1.2亿token」

就在刚刚，最近爆火的大模型 Jev 宣布向所有用户开放，无需申请候补名单。所有注册用户都将获得 5 美元额度，约 1.2 亿 Token。要知道 Jev 的 Token 消耗要比一般的大模型少得多，有网友实测百万输入 Token 只要花 0.042 美分，赠送的这 1.2 亿 Token 也可以放开用了。体验地址：console.typesafe.ai。

Jev 全面开放免候补名单：注册即送 5 美元、约 1.2 亿 Token

风头最劲的 Jev

没想到在大模型神仙打架的 9 月，即便是 GPT 和 Claude 也不能稳居王座，最近风头最劲、刷屏全网的模型，却是不能说话的 Jev。

TypeSafe 官方在 X 平台确认：Jev 现已向所有人开放，没有等待名单。另一位网友的总结被大量转发：大语言模型靠逐字写文章来回答问题，复杂任务很强，但输出又慢又贵；Jev 不写任何东西，你给它一个情境和一组候选答案，它选中一个并附上置信度——这让它从机制上难以幻觉、极快且极其便宜。

全文要点速览

RLHF 提出者 Diogo Almeida 离开 OpenAI，创办 TypeSafe 造出 Jev

开发者 Diogo Almeida 的转向

Jev 开发者 Diogo Almeida 是 OpenAI 的研究员，他参与了 ChatGPT 的研发工作，后来又提出了基于人类反馈的强化学习算法（RLHF）。这在某种程度上定义了过去几年大语言模型的走向。可是就在这套方法把整个行业推向繁荣的同时，Almeida 却对它越来越怀疑。

「我们有了一次性成功的创新，但没有把它变成真正有用的东西。」

他花了很长时间才想明白问题出在哪里：我们一直在优化人类语言的处理能力……在四年的时间里，我们在处理人类语言方面表现得非常出色，但这对于自动化来说并没有用处，因为计算机使用的是不同的「语言」。

两年前，Almeida 离开 OpenAI，和 Erik Gafni、Sasha Sheng 一起创办了 TypeSafe AI。公司一直处于隐身状态，直到 9 月 15 日才正式亮相，同时带来两样东西：一是4000 万美元的种子轮融资，由 DCVC 领投，二是他们的第一个模型 Jev。

Jev 是什么：基于 Transformer 却只输出带置信度的类型化决策

Jev 的输出是校准后的决策

Jev 依然是一个基于 Transformer 的模型，但它刻意不是大语言模型，不会输出一个完整的句子。

你给它一段程序状态和一个预先定义好的问题，它返回的是一个类型化的答案：一个选项、一个分数，或者一个介于 0 和 1 之间的概率，外加一个置信度评分。TypeSafe 把这种输出称为「校准后的决策」。这也是 Jev 这个名字第一次进入公众视野时，很多人第一反应是困惑的原因。

要理解 Jev 在做什么，不妨先放下大语言模型的思维习惯，换成一个客服场景就好理解了。用户发来一条消息：支付服务连续几天连不上，已经影响生意。此时需要做几个判断：该交给技术还是账务团队，对方有多不满，事情是不是紧急。按 TypeSafe 的接口设计，同一次请求中的问题共享一份输入，却是独立、并行评估的，分类和紧急程度可以一起处理。具体来讲，输出有三种基本形态：

• Choice（选择）：从一个你定义好的列表里选出一项，最多支持 255 个选项，适合做路由和分类。
• Score（打分）：把输入放在一个你划定的尺度上打分，用来衡量紧迫程度、质量或者风险。
• Noul（概率）：本质上是一次是非判断，答案是一个数字，代表这件事为真的概率。

每一次回答都会附带完整的概率分布和置信度，是强类型的结果——不需要写 JSON 提示词，不需要额外的解析器，也不用担心模型突然给结果包一层 Markdown 代码块。采用这种方式，最直接的好处是省时、省钱，也减少了自由生成带来的格式错误。

TypeSafe 自己公布过一组同题实测：同一组 27 个问题、按同一顺序分别交给 TypeSafe 和一个自回归大语言模型作答，前者花费 0.000081 美元、耗时 0.114 秒，后者花费 0.01388 美元、耗时 8.566 秒——74.9 倍的速差，171 倍的价差。终端输出里还有一个细节：TypeSafe 对每个问题返回带置信度的结构化判断，可以直接进代码；大语言模型返回的则是逐项罗列的布尔值，还得再解析一遍。

来源：TypeSafe 终端实测截图，中文整理

快 20 到 200 倍、每百万 token 0.042 美元，Jev 用便宜换市场

OpenRouter 实测数据

TypeSafe 公布的数字显示，Jev 的端到端延迟在 70 到 500 毫秒之间，比同类大语言模型快 20 到 200 倍。

按当前的公开价格，输入每十亿 token 42 美元，换成常见口径就是每百万 token 0.042 美元；输出不收费。新增的问题和选项说明仍会占用输入 token，只是不再按生成答案的长度另收一笔费用。

由于用户可以提前定义输出结果，因此模型不会产生幻觉——指的是它不会跳出预先设定的选项范围乱答，但选项范围之内答错依然是可能的。

市场的接受速度也印证了这条路：Jev 上线 Vercel 的 AI Gateway 后，24 小时内被接近 13% 的 Vercel 付费团队用上，成为 Vercel 平台采用速度最快的新模型。

第三方评测也给出了同方向的印证。OpenRouter 用 30 路分类、每模型 200 个案例做了横向对比，Jev 的准确率与 DeepSeek 并列第一，速度和成本优势明显：

在一场公开的 Ably Pong 演示中，Jev 在 12 秒内做出了 47 次操作决策，而 Gemini、Claude 和 GPT 在同样时间里只做出两三次，尽管后者在大多数情况下依然给出了正确判断。演示里，程序直接把游戏里的数字交给 Jev：球的位置、运动方向、球拍的位置，以及球预计到达球拍所在位置时的纵坐标，Jev 据此从「向上、向下、保持不动」三个选项中选一个。

Jev 的打开方式：操作判断层、上下文压缩与模型路由

从浏览器代理到邮件分类

想借助 Jev 做成可玩的产品，需要游戏程序和实时通信：后端负责推进游戏、调用模型，再通过 Ably 把新状态发给浏览器。也就是说，游戏规则、画面和联网都不是 Jev 生成的，它只被插进了那个反复执行的三选一环节。

速度换来的是应用场景的扩展。Jev 可以充当电脑操作的判断层，指导代理快速执行指令；也可以用来做上下文压缩，判断哪些内容是关键信息，从而把上百万 token 的上下文迅速收窄。

Browser Use 的公开项目 jev-ultrafast 实现的就是浏览器代理：每到一个网页，先读取当前可操作的页面元素，整理成带编号的清单——哪个是按钮，哪个是输入框，叫什么名字，现在填了什么。Jev 得到的是这份结构化状态、用户目标以及操作历史，选择空间也由当前页面实际存在的元素动态生成。

上下文压缩这条路也已经有人跑通。开发者 tamara 提出的疑问很直接：都 2026 年了，上下文压缩为什么还是靠一段总结提示词？她的方案是用 Jev 给上下文里的每一次工具调用逐条打分，算出各自的「可丢弃概率」，无关内容直接丢掉。在一个 15.6 万 token 的真实编码会话演示里，这套即时压缩 3 秒跑完——读取文件、跑测试、执行命令的每一步都被打了分，得分高的丢弃、得分低的保留，上下文占比回落到 78%。

来源：X @tamarajtran 演示截图，中文整理

以查机票为例，目标可以是「查找苏黎世到伦敦的单程航班，设置指定日期、人数和舱位，出现符合条件的结果后停止」。每一轮，程序会同时问几个问题：下一步应该点击、输入、选择下拉选项，还是等待？假如点击，应该点哪个编号？假如输入，应该填哪个编号？这些问题共用同一份网页状态，但分别作答，程序只采用与实际操作匹配的那个目标。碰到需要输入城市名称的时候，程序会另行调用一个生成文本的小模型，让它根据目标和当前输入框给出要填写的内容。这套流程的收益可以直接量化：通过 Browser Use 把 Jev 用在浏览器 Agent 里，一次请求同时选「做什么」和「点哪个元素」，订一张机票的时间从 9.5 秒缩到 7 秒。

实际用例正在快速积累。Vercel 软件工程师 Pranit Sharma 表示，公司原来用 OpenAI 的 ChatGPT Luna 5.6 运行命令安全分类器，换成 Jev 后处理速度提高了 5 到 18 倍，准确性也大大提升。另一位开发者、Bryo AI 的 CTO Nikhil Mudholkar 测试了 Jev 和 Gemini 分类商业邮件的表现：Gemini 的准确率略高一些，但成本高出 10 到 20 倍。

我们也可以按这个思路自行搭建：先准备一张表，每行包含邮件标题、正文、收到时间和必要的上下文；再把业务拆成几道明确的问题。例如一封邮件写着「订单被重复扣款，希望今天处理」，可以用 Choice 判断应该进入售后、销售、合作还是其他队列；用 Noul 判断发件人是否明确要求采取行动；再用 Score 判断处理优先级。

「归根结底，这种方式将幻觉问题的处理责任稍微转移到了用户身上。」Earendil 公司的 CTO Armin Ronacher 解释道，「用户需要决定：如果这种情况出现的概率只有 50%，那或许可以忽略它；但如果概率达到 95%，那我就可以利用它了。」

Ronacher 表示，Jev 的另一个潜在应用是模型路由：预测某个任务是否需要特定模型是很有用的，但使用大型语言模型来完成这一任务会非常昂贵，而 Jev 的成本低廉且运行速度快，因此能够实现这种实时的路由功能。

Jev 接上微信：高把握自动过、低把握转人工，语义判断替代关键词

微信插件成为最热落地场景

Jev 爆火后，社区用得最多的落地场景，是把它做成微信的插件。微信群里的判断几乎全是「从有限选项里挑一个」：这条消息要不要回、要不要 @ 对方、是不是广告、要不要把人踢出群、要不要转人工、对方是不是想退款、这段话有没有违规——每一件都要在几百毫秒内出结果，这正好是 Jev 的形状。

为什么不用大模型来做这些事？三个原因。一是慢：大模型回一条要 3 到 30 秒，微信群消息是滚动的，30 秒后回复对方早就不耐烦了，而 Jev 只要 70 到 500 毫秒，够你在消息滚出屏幕之前接上。二是贵：微信机器人通常跑在便宜的常开服务器上，逐条调用大模型，几十万条消息就是一笔真金白银，Jev 把单条判断压到万分之一美元的量级。三是微信插件最怕的——它不能说错话：自由生成的大模型塞进聊天框，随时可能冒出一句不该说的话，轻则社死，重则触发风控封号，而 Jev 根本不生成文本，只从给定选项里挑，从结构上就「说不出格」。

微信运营的老大难，是「自动回复」和「转人工」之间那条线：全自动，内容控制不了；全转人工，人扛不住。Jev 给每个判断配的校准置信度，让这条线变成了一道阈值——把握高就自动过，把握低就转给人，或者转给更贵的大模型。这本来就是微信客服和社群运营一直想要的结构。还有一个隐藏升级：传统的关键词命中就回复、包含「广告」就踢人、被 @ 了就应答，对方只要换个说法就失效；Jev 把「关键词匹配」升级成了按用户意图判断的「语义判断」，回不回、踢不踢的依据不再是字面词，而是真实意图。

上手也简单：对 Codex 说一句 npx skills add typesafe-ai/skills，或在 Claude Code 里加个插件市场即可，通过 OpenRouter 能立刻调用。社区已经跑出了成熟产品 wechat-jev-hud——一个跑在 Windows 上的微信 HUD，通过截屏、定位聊天区域识别文字气泡，把 Jev 接在 OCR 和叠加层中间做实时判断。

实际效果已经有人晒了出来。HUD 常驻在微信窗口的上层，对方每发一条消息，Jev 的判断就以一张浅灰面板贴在它下面——概率分布、真实意图、危险等级，扫一眼就懂。下面两张是社区里传得最广的实测：左侧白气泡是对方，右侧绿气泡是本人，灰色面板是 Jev 的实时判断（面板里的问句与百分比按截图原样照录，未作改写）。

另一段职场对话更直白。左侧是老板，右侧是本人，同样每句话下面压着一张 Jev 的判断面板——老板以为自己说的是「小需求」，Jev 给出的概率是另一个故事。

来源：字母AI（wechat-jev-hud 实测截图），中文整理

Jevons 悖论照进 AI：智力越便宜，微小智能判断用得越广

System One Models 与微判断愿景

Jev 这个名字取自 19 世纪的经济学家 William Stanley Jevons。Jevons 提出的悖论指出，当某种商品的成本下降时，这种商品会被越来越多地使用。照此推理，智力的成本下降应该会导致智力的广泛应用——调用一旦变便宜，就会被用在更多原本不值得动用的地方。

Almeida 显然对这个类比很满意。他设想的未来不是几个庞大的应用垄断一切，而是大量微小的智能判断分散在各处运行，「更像早期互联网的样子，而不是现在人们努力搭建的那种大型应用」。

TypeSafe 至今没有公开 Jev 的具体架构，外界普遍猜测它是在某个开源大语言模型的基础上改造而来。公司自己将其称为 System One Models，取自卡尼曼关于直觉思维的概念，强调它靠的是直觉判断而不是推理链条，并且是针对具体任务专门调校出来的。官方建议把复杂判断拆成几个明确的问题，再由代码组合，而不是一股脑让模型包办。

Almeida 透露，他很早就预判到自己会走上处理合成数据这条路，这或许是他这辈子做过最明智的决定，比公司上市还明智，甚至比依赖真实人类反馈还明智。

目前市面上采用这种路线的公司只有 TypeSafe 一家，但 Ronacher 预计，随着这种模式的实用价值逐渐被验证，跟进者会陆续出现；TypeSafe 自己也计划围绕不同场景推出更多版本的模型。被问到公司是否算得上一家前沿实验室时，Almeida 说：「前沿实验室的主要产物要么是恐惧，要么是炒作，我希望我们的主要产品是智慧」，「我们不属于那种一门心思创造无限财富，或者搞宗教式叙事，或者试图在数据中心里造神的实验室」。

Jev 上线后，需求量一度超出预期，API 短暂无法正常响应。已经有人用它做小众信息流的筛选：读取过去三天的相关帖子、提出八个问题，运行时间约两秒，单次成本 0.007 美元，用来剔除诱饵内容和隐藏广告；也有团队把它接入整套营销分析流程，扫描 Meta 广告库、比较不同广告格式的存活周期、在拍摄前评估创意脚本的竞争力，把原本需要人工完成的判断提速了 30 倍，成本压到 3 美元以内。

Jev 的边界：中文准确率偏低、没有推理，长程网页实测 1/20

中文与推理是两块短板

热潮之下，Jev 的边界也很清楚。官方文档明确标注 CJK（中日韩）文本准确率偏低，英文短文本表现相对稳定——对中文场景来说，这是一道绕不开的门槛。它也没有推理能力：Browser Use 创始人实测长程浏览器交互，Jev 最终成绩 1/20，大幅落后于具备推理能力的 GPT-5.6 Luna 的 17/20。浏览器操作涉及状态空间搜索与路径回溯，Jev 不具备多步状态推演能力；社区网友的评价是，面对真实网页中未清洗的 DOM、异步加载与突发弹窗，Jev 缺乏应对能力，无法应付真实复杂的非沙盒网页。

所以「Jev 取代大模型」是个伪命题，更合理的分工是：大模型帮你想清楚判断规则，Jev 在生产环境里高频、低价地执行。判断越频繁、越琐碎、越怕错，它就越合适。

文｜发现明日产品的（APPSO）　文｜苗正（字母AI）

来源：APPSO　原文链接

来源：字母AI　原文链接