号称快200倍的Jev模型，拿不下LLM的大结果

合适比最好更重要 Jev火了。 AI圈每隔一段时间就要上新。这是继Token、龙虾、世界模型之后，在最近半个月，和RSI（递归自动改进）并列齐驱的时新名词。 中文互联网很快把Jev概括成了“只会做选择的新模型”。 Jev不聊天，也不写文章。开发者给它材料，再列出问题和候选答案，它只负责做判断：选哪个、打多少分，以及判断把握有多大。 比如收到一封客服邮件，它可以判断应该分给退款组还是物流组，也可以判断是否需要转人工，或者由交给LLM完成。 TypeSafe官网把两个数字放在了最显眼的位置：“比LLM快193.6倍，便宜444.6倍的新模型。” 社交媒体上，有人因此兴奋地说，Jev开辟了一条LLM之外的新路线：不追求所谓powerful，而是把模型变得更简洁、克制、直接。 但另一边，也有人不买账，“不过是NLP时代玩剩下的东西。” 创始人与他想解决的事 首先，我们来介绍一下Jev之父，创始人Diogo Almeida。 Jev由旧金山公司TypeSafe AI推出。创始人Diogo Almeida先后在Google Brain和OpenAI做研究，是InstructGPT论文和GPT-4技术报告的署名作者。 Jev的推出，是Almeida早期未完成的心愿。 Almeida在近期的采访中回忆，InstructGPT早期准备上线时，他曾极力推动这件事。因为清理PPO训练数据太慢，他还自己写过一套没有公开的算法，希望尽快把模型交到用户手里。 模型很快流行起来，但他发现这些模型的主要应用是批量生成广告文案和网页内容。 他感到失望，也开始反思、追问：这么聪明的模型，为什么仍然接不了那些普通、重复又枯燥的工作。 他认为，真正实现自动化，大多数时候应该由代码自己调用AI，人类不会也不应一直守在聊天框前。 这个念头在ChatGPT发布前就已经出现，他一度拿去和Sam Altman讨论，后来才离开OpenAI创办TypeSafe。 公司刚起步时，几名成员直接搬进他的公寓一起赶研究，这还让洁癖的Almeida难受了好久。 团队两周内拿到第一笔投资，但产品磨了两年才正式发布。 9月15日，TypeSafe正式推出Jev，同时宣布由DCVC领投的4000万美元种子轮融资。 这里，我们也总结了创始人近期在X和播客上的发言，你能从中窥见他的产品与技术偏好。 聊天能力没有自然带来自动化。 模型已经很会说话，却仍需要人给目标、检查结果并承担错误。ChatGPT与Claude Code依然属于辅助工具。 RLHF优化的是人的偏好。 人类更容易奖励流畅、自信、看起来有帮助的回答。这让模型更好用，也可能让它在没有把握时表现得过于肯定。 自动化需要可靠的不确定性。 软件除了要知道模型选了什么，还要知道这个选择有多可信。置信度足够可靠，程序才能决定自动执行、再次检查或交给人。 Jev主动放弃自由文本。 它不写文章和代码，只在开发者给出的选项中做选择、打分或返回概率。能力范围变窄，换来了更简单的输出和更低的计算量。 Jev想把判断直接交给代码。 LLM经常先生成一段解释，程序再从中提取标签。Jev直接返回规定好的类型和概率，结果可以进入条件判断和工作流。 并行计算是速度优势的主要来源。 LLM通常逐个生成token，Jev可以同时计算多个问题和候选项。TypeSafe观望据此宣称它在特定任务中快20至200倍、便宜40至400倍。 代码负责规则，模型处理模糊判断。 普通代码规定流程和权限，Jev负责路由、评分与风险检查，LLM继续承担规划、写作和代码生成。 Jev最先替代的是Agent里的小调用。 该用哪个工具、结果能否通过、任务是否结束，这些问题过去经常消耗一次LLM调用，也更符合Jev的能力范围。 类型安全不能保证判断正确。 Jev不会突然编出一个不存在的选项，仍然可能在合法选项中选错。它适合按置信度分流，不能因此取消业务检查。 Jev只是机器原生模型的第一步。 Almeida不希望它长期只被理解成分类器或决策模型。他想做的是供软件调用、能够大量组合的智能部件，用更便宜的判断推动更多自动化。 三个争议问题 社交媒体上，大家讨论最多的是Jev的宣传速度。 TypeSafe自己的四套工作流测试结果显示，如果完成同一套决策流程，LLM花费的时间和钱是Jev的193.6倍和444.6倍。 但自动化服务公司AY Automate在2026年9月20日发布的第三方测试报告显示，Jev比几款对照模型快约2到3.6倍。和便宜小模型相比，它省下的费用约为4.7到7.5倍，和较贵的前沿模型相比才达到40到49倍。 第二个争议是Jev是不是一个分类器。 因为技术逻辑相近，很多人认为Jev就是个“分类器”。分类器是给东西贴标签的模型，比如把邮件分成正常邮件和垃圾邮件。 在一些程序员论坛中，不少程序员提到结构化输出、限制解码、读取候选token概率早已存在。 （虎嗅注：BERT是典型的encoder模型，擅长分类、匹配和打分。GPT、Claude这类聊天模型通常是decoder-only模型，擅长写文章、代码和对话。） 因此，Jev可能更接近BERT一类encoder模型，是“新瓶装旧酒”，并没有太多技术含量。 但按照TypeSafe创始人Almeida的说法，Jev采用了一套名为RLCD的训练方法，训练目标是让模型直接作出选择、评分并给出概率。 不过TypeSafe尚未公开架构，其训练方法是否如其所说，仍无法判断。 第三个是幻觉问题。 Jev官方反复强调的另一个卖点是，不会出现幻觉。 传统 LLM 即使被要求返回 A、B、C选项中的一个，也可能输出一段解释、错误格式甚至一个不存在的选项。但Jev 的输出空间则提前被定义，它只会返回软件允许的数据类型。官方把这一点称为“type-safe”。 但不会输出错误格式，并不等于不会做出错误判断。 如果问题只有 A、B、C 三个选项，Jev 可以保证不会突然回答 D。但它仍然可能选择错误的 A，也可能对一个错误答案给出过高的置信度。 开发者 Simon Willison提醒，Jev 甚至可能比传统 LLM 更“黑盒”。因为LLM 至少还能被要求解释自己的判断，但Jev 最终留给开发者的，可能只有一个数字，比如0.83或10000。这个数字为什么是 0.83或10000、模型依据了文本中的什么特征，根本无法得到追问。 而 Jev 发布不到一周，社区已经开始尝试复刻这种形态。 例如开源项目Kev直接基于Qwen 3.5制作了 0.8B、4B 和 9B 三个 Jev-like 模型。 另一个 JevRL 项目则在小型语言模型之上增加决策输出模块，同样尝试实现 Choice、Score 等结构化概率输出。 因此，有更多人认为，Jev可能就是套壳。而把语言模型从“生成文字”改造成“输出判断”，并不一定只有Jev一条技术路径。 所谓Jev成为下一个LLM，更是天方夜谭。 逃不掉的商业化 云计算和前端开发平台公司Vercel给出了一些Jev的应用案例，比如表单路由、客服工单优先级、文档分类、内容审核以及搜索排序等场景。 它还建议把企业软件拆成三个部分：确定性的规则继续交给代码，Jev 负责需要语义理解的判断，真正需要生成文字时，