193倍快、444倍便宜：这个AI一个字都不写

9月15日前后，硅谷开发者圈被一个叫 Jev 的模型刷屏。它不会写文章、不会聊天、不写代码，一个字都不生成。

发布当天它长时间挂在 Hacker News 前列，创始人那条发布帖被翻到约 420 万次浏览、近 2 万次点赞。英文社区给它的定义很直白：Decisions, not strings。

一个"不说话"的模型，为什么能让见过大模型爆发的人集体围观？

它把"说话"这一步删掉了

一句话说清，Jev 像一个懂语义的 if 语句：给它一段信息和几个写死的选项，它回选择、分数和概率。

传统做法是另一套。电商 Agent 打开网页，把页面状态交给模型，模型一个 token 一个 token 生成"我应该点击右下角的 Checkout 按钮"，软件再从这句话里把 Checkout 抠出来。

可软件真正需要的信息，可能只是"第三个按钮"。

Jev 把这一步省了。开发者预先规定 refund_risk={低,中,高}，模型只返回"高风险 75%"，不再生成那句解释。官方公开的输出有三类：Choice 在多选项里选一个，Score 给等级或连续打分，Noul 处理是或否并附概率。

拆开看，差别在输出空间。生成式模型是自回归解码，输出越长，解码步骤越多；Jev 把答案裁到几个选项，还宣称用 parallel sampler 在同一个查询里同时回答多个独立问题，比如一次判断发票类型、异常风险与是否需人工复核。官方演示里，同样一次判断它 0.114 秒，对照的生成式模型 8.566 秒。

放到风控场景里更清楚：模型返回"高风险 75%"，后面的普通代码按阈值决定是否送人工复核，这一整段不需要模型写一句话。

Agent 里大部分调用，本来就不需要"写作"

一个复杂 Agent 跑完一件事，内部可能发生几十甚至几百次模型调用。真正需要规划、写代码、长文本的只占少数，剩下多是路由、分类、校验、状态判断。

这些活原本都交给同一个大模型，它不仅要看懂，还得生成一段没人读的文字。

Jev 打的就是这块成本。官方给出输入每百万 token 0.042 美元，输出不按 token 收费，单个 case 约 0.0004 美元、约 0.4 秒；最快与最便宜的极值口径是 193.6 倍和 444.6 倍。

它和 Gemini Flash、DeepSeek Flash 那条路线也不同：Flash 是让每个 token 更便宜，Jev 是不生成 token。

创始人 Diogo Almeida 是前 OpenAI 研究员、InstructGPT 论文主要作者之一，参与过 RLHF 流程。他离开后一直在问：模型已经这么聪明，为什么大多数工作还没被自动化。

三个最容易看错的地方

第一个是官网那句"Zero Hallucinations"。不少人直接读成它不瞎说，这话有它的道理：它确实不会输出选项之外的东西，官方称工具调用类型错误率为 0%，这对自动调 API、改数据库的生产系统有价值。但它解释不了判断层面的错：输入明明是一只猫，它回"狗 97%"，类型没越界，结论全错。更准确的理解是，零幻觉约束的是输出格式与类型，不是事实与判断本身。

第二个是那组"193 倍、444 倍"。数字来自 TypeSafe 自己设计的 workflow 评测，比的是分类、选择、评分这类它最擅长的任务，两个极值取的是四类工作流里的最大差距；官方也承认测试任务由自家团队设计，部分参考答案由强模型生成。同一批测试里，Jev 平均约 67.8%，前沿模型在 68% 到 74% 之间。它同样没和 Flash 模型加结构化输出、传统分类器同台比过。能说明的只有一件事：当任务最终只需要一个选择或一个概率时，专门做判断的模型有机会便宜很多。

第三个是"这不就是把分类器重新包装一遍"。形式上，它输出的东西传统分类器也能给。差别在于，传统分类器每加一类任务，往往要重新标注数据、重新训练；Jev 想保住大模型的通用语义理解和零样本泛化，只把输出压成软件要的形状。团队还提出 RLCD，一种面向校准决策的强化学习，目标很具体：模型说 90% 有把握时，其中大约 90% 应该是对的。没定论的是这套方法能否被独立验证：完整论文没公开，参数规模、训练数据、消融实验都缺，社区的开源版本也在跟进同一方向。