这两天，如果说最火的大模型非“Jev”莫属。它来自TypeSafe AI，创始人Diogo Almeida曾任职于OpenAI，深度参与过RLHF和InstructGPT的创造，正是这套让GPT学会“说人话”、催生ChatGPT和GPT-4的关键技术，让他成为了行业大佬。2024年初，他离开OpenAI创业，隐身两年后，终于推出了这款全新的模型——Jev。这或许是我近一年来见过的最独特的东西，它极大地激发了我对AI的想象，因为它与你过去见过的所有大模型都不同。
Jev只会做一件事：高频决策。它是一款2026年9月推出的模型，不能聊天，不能写代码，甚至不能生成文字。它只是一个纯粹的通用分类器，专门帮你做决策和判断。
这听起来可能有些玄乎，但最近X平台上有一个案例非常直观地解释了Jev是什么。开发者Marcel Pociot开发了一款浏览器插件，将Jev接入后台，用于过滤推特上你不想看的内容。你可以设定不想看引战贴、加密货币、NFT或政治争论。甚至可以说：“把那些故意激怒我、让我停下来吵架的内容都折叠掉。”
之后你就可以正常刷推了。每当出现新帖子，Jev就在后台瞬间判断：这条内容是否命中了预设的过滤分类？命中即折叠隐藏，未命中则正常展示。这个判断过程平均仅需380毫秒。也就是说，从Jev看到帖子到完成判断并输出指令，只发生在极短的一瞬间。
过去我们处理这种问题，通常会让大模型做判断。即使开启了JSON输出，它也很慢；如果开启了“思考”模式，那就更慢了，可能需要十几甚至几十秒。但我们其实根本不需要那么复杂的过程，只需要模型以最快速度给出“是”或“否”的判断即可。我们不需要它生成任何内容，只需要它帮忙做判断。Jev做的正是这件事。
这就是Jev最奇怪也最性感的地方。过去的大模型都在努力学习如何更好地回答人类。Jev直接换了个方向：如果最终需要的只是一个判断，比如代码执行中的“继续”或“停止”，或者“A还是B”，那为什么需要文采飞扬的解释呢？它只需要一个能直接执行的判断。
事实上，不仅代码，对于人类而言，世界上的绝大多数事物本质上也是决策判断。这件衣服要不要买？遇到Boss是格挡还是闪避？Token用完是重置还是摆烂？结婚时彩礼给还是不给？太多了。很多时候，我们根本不需要长篇大论的分析，只需要一个决策。
所以，Jev奔着这个目标一路狂奔，为了极致的决策效率，直接砍掉了文字生成。速度提升了20到200倍，近乎实时，打游戏时一秒可决策10次。成本也降低了40到400倍，每百万Token仅需0.042美元，便宜到离谱（输出Token几乎为0，所以免费）。
网上的大佬们已经玩疯了。有人用它玩马里奥，因为游戏本质就是按键判断，效果出奇的好。有人用它操控浏览器查询航班，7秒内全部点完，因为浏览器操作本质上也是判断决策。还有人用它搭建交易机器人，因为交易就是买或卖。应用场景数不胜数。
Jev拥有百毫秒级响应和批量判断能力，既实用又充满想象力。他们将其定义为“System One Model”，灵感来自丹尼尔·卡尼曼的《思考，快与慢》。卡尼曼将思考分为两种：系统1是快思考，自动且直觉，比如问1+2等于几，你不会沉思三分钟才报3；系统2是慢思考，需要一步步分析，如数学证明或写复杂代码。
现在的GPT、Claude和各种推理模型越来越像强大的系统2。Jev赌的是另一边：世界上存在海量不需要长篇推理的智能任务。因此他们重新设计了模型架构和并行采样器，并采用了名为RLCD的训练方法，即强化学习用于校准决策。就像RLHF优化人类偏好，RLVR优化可验证性（让数学和代码大跃进），RLCD优化的则是决定是否正确，以及模型声称的“我有90%把握”是否真的接近90%。如果你把AI塞进自动化系统，概率必须有意义。比如Jev置信度>0.90自动执行，0.7-0.90交强模型复核，<0.7交人决策。
在Jev的路线里，核心不仅是快和便宜，而是“校准”。它的输出非常爽快。最妙的是，所有判断可以一次性并行完成。比如扔进去一条AI新闻，可以同时问：是不是AI相关？是不是广告？是不是融资？归哪个分类？值不值得推？Jev可以一口气做完所有判断，速度极快。这与传统LLM逐个Token生成完全是两种思路。
目前可在官网申请，网址：https://typesafe.ai。若想急用，可在Vercel平台测试。我也第一时间用Jev测试了AIHOT的一些任务。比如一个预筛任务，每天几万条内容，通常用大模型精选很贵。现在用Jev做预筛，剔除无关内容，非常省钱。100道题测试中，GLM 5.3 Flash唯一全对，但最慢最贵。Jev综合表现最强，准确率第二但便宜，且空闲时比DeepSeek还便宜（因国内网络延迟，速度稍慢）。Qwen 3.7 Flash性价比最高，但正确率稍差。在并行判断任务上，Jev优势尽显：最高准确率、最快速度、第二低成本。在精度分类场景中，Jev性价比最高。Qwen虽便宜，但大任务正确率会下降7个点，无法使用。这只是第一代，若出到2.0，不敢想象其性能。
Jev之名源于经济学中的“杰文斯悖论”。19世纪，蒸汽机效率提高，理论上应少用煤，结果反而因使用更划算导致煤炭消费量暴涨。效率提升、单次消耗下降，但总消耗却上升。TypeSafe以此命名，赌的是智能也会发生杰文斯悖论。现在的模型越来越贵，但我们真的需要用到这么高智力的模型吗？也许有大量判断只需要Jev这样的模型。如果有一天，拥有不错语义理解的判断便宜到近乎免费，世界会怎样？AI为什么一定要生成东西？智能当然可以用来创造，也可以只用来判断。Jev可能代表了Agent时代另一块重要拼图，一个因ChatGPT成功而被忽视的方向。未来的轮廓，似乎逐渐清晰了。