这个只会做选择题的Jev，却是今年我觉得最特别的大模型

本文来自微信公众号： 数字生命卡兹克 ，作者：数字生命卡兹克，题图来自：AI生成 这两天，如果说最火的大模型是什么，那可能只有一个名字。 Jev。 这个模型来自TypeSafe AI，创始人就是这个Diogo Almeida。 这哥们以前在OpenAI，参与创造了RLHF和InstructGPT，也就是后来让GPT真正学会说人话、最终催生ChatGPT和GPT-4的那一套关键方法的大佬。 然后他在2024年初选择离开了OpenAI，出去创业，在隐身了两年以后，终于掏出了自己的这个全新的模型，Jev。 这玩意，可能是我近一年，看到的确实有一点不一样的东西。 真的，他又激发了很多我对于AI的想象，相信我，这个Jev，跟你过去见到过的所有的大模型，都不一样。 因为， 这个模型只会做一件事，那就是：高频决策。 没错，一个2026年9月推出的新模型，没办法跟你聊天，也没办法写代码，甚至连文字都没有办法生成。 只会帮你进行决策和判断，是一个完完全全的通用分类器。 可能听起来还是有点玄乎，不过这两天X上有个案例，我觉得特别适合解释Jev到底是什么。 开发者Marcel Pociot接入Jev做了一个浏览器插件。 作用特别简单。 就是这个浏览器背后接了Jev，然后用Jev帮你过滤X上那些你压根不想看的东西。 比如你可以设定好，说我不想看故意引战骗回复的内容，或者说不想看加密货币和NFT，又或者不想看政治争论啥的，都可以。 甚至你可以说：“把那些明显只是为了让我生气、让我回复、让我停下来吵架的内容都折叠掉。” 然后，你就继续正常刷X。 每出现一条新的帖子。 Jev就在后台飞快地判断一次： 这条东西，有没有命中刚才那些我们不想看的内容分类？ 有的话就直接折叠不显示了，没有命中的话，就正常展现出来。 而这个判断的速度，平均只需要380毫秒。 也就是在Jev看到帖子的一瞬间，输入帖子，然后完成判断进行输出，是否要折叠，这一切，只发生在380毫秒的时间里面。 过去我们看大模型，如果遇到这种问题，你当然可以让大模型来去做判断，即使你开了JSON Output的话，它也会很慢，甚至如果开了思考的话，那就更慢，可能需要十几秒，甚至是几十秒才能完成一个判断。 但我们其实根本不需要那么多的东西，我们只需要模型以最快的速度，给出Yes或No就可以了。 我们根本不需要它生成任何的内容，它只需要来帮我们做判断。 Jev干的就是这件事。 这就是Jev最奇怪，也最性感的地方。 我们过去看到的大模型，都在努力学习一件事情，也就是怎么更好地回答人类。 Jev直接换了个方向，它想解决的是： 如果最后真正需要这个答案的，其实只是一段代码呢？ 代码根本不需要你文采飞扬。也不需要你解释半天。 它只想知道：要还是不要、A还是B、继续还是停止等等等等。 它需要的，是一个能直接执行的判断。 而且我其实说实话，不只是代码，这个世界中，即使对于我们人类来说，绝大多数的东西，本质上其实也都是决策判断。 这件衣服你要不要买，遇到Boss了你是格挡还是闪避，Token用完了你是重置还是摆烂，要结婚了这个彩礼到底是给还是不给...太多太多了。 很多时候，即使在我们的人生中，我们也根本不需要那么长篇大论的文字或分析，我们只需要一个决策，仅此而已。 所以，Jev奔着这个目标一路狂奔，他们为了最好的完成决策，直接把生成文字给砍掉了。 于是，速度快了20～200倍，近乎逼近实时，当Jev打游戏的话，一秒可以决策10次，并且成本低了40～400倍，0.042美元/百万Token，便宜到离谱 （输出Token还是免费的，因为只输出一个决策，那个Token太少了，他们干脆免费了） 。 网上的大佬们已经玩疯了。 比如，有人会用它，玩马里奥，因为马里奥本质上也就是按键判断。 效果出奇的好。 有人用它操控浏览器查询航班，一共就花了7秒，全部点完，毕竟，浏览器操控，本质上也是判断决策。 还有大佬用它搭了一个交易机器人，因为做交易，本质上也是决策，就是买或者卖而已。 还有太多太多了。 Jev这个百毫秒级响应+大批量判断，既有超级实用的场景，也有无数能拓想象力的场景。 这就是他们给自己定义的模型类型，称为System One Model。 System One这个名字，来自丹尼尔·卡尼曼那本特别有名的《思考，快与慢》。 卡尼曼把人的思考粗暴地分成两种。 系统1就是快思考，自动的、直觉的。 比如我问你：1+2等于几？你总不会低头沉思三分钟，然后才给我报个3对吧。 系统2，就是慢思考。 需要一步一步分析的，比如做数学证明，写复杂代码啥的。 现在的GPT、Claude，尤其是各种Reasoning Model，越来越像一套特别强的系统2了。 而Jev赌的则是另外一边，因为他们觉得， 这个世界上其实存在着海量根本不需要长篇推理的智能任务。 所以他们重新做了一套模型架构、并行Sampler，还有一种自己叫做RLCD的训练方法。 全称是Reinforcement Learning for Calibrated Decisions。 大概可以翻译成： 面向校准决策的强化学习。 就像我们过去说，RLHF优化其实是人类更喜欢哪个回答。 然后RLVR优化的是，这个答案能不能被验证，所以后面数学、代码之类的这两年直接旱地拔葱式的大跃进。 而RLCD想优化的，就是这个决定到底对不对，而且模型嘴里说的“我有90%把握”，到底是不是真的接近90%。 因为如果你真要把AI塞进一个自动化系统里，那概率必须是有意义的。 比如，Jev给出来的置信度 > 0.90，那就可以自动执行。 0.7 < 置信度 < 0.90，那就交给更强的大模型复核。 置信度 < 0.7，那就交给人来决策。 所以我觉得在Jev这条路线里面，最重要的词甚至不只是快和便宜，这个“校准”，才是真正的核心。 当你接了Jev让它输出的时候，也可以看到，它的输出，是这样的。 这就很爽了。 而且最骚的是，所有的这些需要判断的问题可以一次性并行问。 比如我扔进去一条AI新闻。 我可以同时问：是不是AI相关？是不是广告？是不是融资？应该归到哪个分类？值不值得推给用户等等等等。 Jev可以一口气把这些判断一起做掉，速度极快，直接起飞。 这跟传统LLM一个一个Token往外生成，完全是两种思路。 所以，这玩意本质上有点像： 一个拥有世界知识和语义理解能力的超级if。 目前可以在他们的官网上申请资格，应该挺快就能过。 网址在此：https://typesafe.ai/ 不过如果你急着测试的话，也可以去一个集合平台vercel上用，他们已经首发接入Jev了。 我自己也第一时间把AIHOT里面的一些任务判断，都用Jev测了一下。 比如一个非常基础的预筛任务，就是每天几千上万条我监控的内容会被爬下来打分，负责精选的模型是一个稍微大一点贵一点的模型，这样才能保证世界知识充足，品味足够的好。 但是如果我们把这几千上万条信息都扔给这个模型的话，很贵。那所以前面就用一个便宜的模型来做一道预筛，把跟AI没有关的内容全部先剔除掉，这样就能省很多钱了。 所以这个预筛任务特别简单，就是只判断，当前信息跟AI是否相关。 100道的测试题，我让GLM-5.3 Flash、DeepSeek V4.1