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。
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。
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。
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。
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。
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。
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。
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。
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。
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 GLM 5.3）就挺有意思：
Jev 每步约 0.3 秒、不到 0.0001 美元，GLM 5.3 每步约 5.8 秒、约 0.008 美元，最终却由 GLM 5.3 在 29 步内将死对手。
下得快，未必想得深。
Hassan 也因此更看好多模型混搭：让 Jev 负责快速、明确的判断，让 LLM 处理需要深入推理的难题。
开源也跟上了
不止如此，随着 Jev 把快速决策这条路线带火后，开源版也来了——Nimble。
Jev 目前还只能通过 API 访问，但 Nimble 已经可以装进本地。
除了模型，训练数据和方法也一并开源了。
训练思路有点像让 AI" 找不同 "：构造两份几乎一模一样的材料，只改一个关键事实，答案正确与否随之翻转。
想答对，模型必须抓住真正影响判断的核心信息。
最终的效果中，Nimble 会比 Jev 稍逊，但比基座模型要强一些。
基础 Qwen3.5-9B 与参考标签的一致率是 66.36%，Nimble 提升到90.12%，Jev 为93.21%。
只要判断做得靠谱，哪怕全程不开口，活也照样干得好。
参考链接：
[ 1 ] https://x.com/CompleteSkeptic/status/2099925682726002904
[ 2 ] https://github.com/bespokelabsai/nimble
[ 3 ] https://docs.typesafe.ai/introduction
[ 4 ] https://mp.weixin.qq.com/s/ND4whrG99frwJ58-fQ0TgQ
[ 5 ] https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers/
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
