今天打开任何一个平台，你大概都躲不开一个名字：Jev。
这个一句话都不会说的AI，流畅玩起了《毁灭战士》，击败了《泰拉瑞亚》大师模式肉山前的全部Boss，还同时开着50局《地铁跑酷》——总成本不到一分钱。发布推文冲上数千万浏览量，B站一天之内冒出二十多条解读视频，最火的入门教程播放超过8000、点赞319。微博上有人分享排队攻略，小红书上有人喊"神乎其神"，也有人泼冷水"并没有什么卵用"。微博
更戏剧的是做它的人：Diogo Almeida，InstructGPT论文的共同作者之一。当年教会ChatGPT"说人话"的人，隐身两年后，端出来一个彻底不说话的模型。
赶去排waitlist之前，我把官方评测表、外部实测和两轮最大的争议都翻了一遍。先说结论：方向是真的，数字大半是营销，普通聊天用户完全不用排队——但那张公开评测表里，藏着一条你今天在任何AI上都能用的省钱技巧。
Jev到底是个啥：只会做选择题的AI
Jev由TypeSafe AI在9月15日发布，官方叫它第一个"System One模型"。看过《思考，快与慢》的会秒懂：系统一是直觉，不过脑子就出答案；系统二是深思熟虑，一步步推理。市面上的GPT-6、Claude、Gemini都是系统二路线——Jev只做系统一。哔哩哔哩
具体来说，它不生成任何自由文本。你不能跟它聊天，不能让它写文章、写代码，甚至不能问它"1+1等于几"——因为回答需要写字。它只干一件事：你提前定好选项，它读完输入后直接返回带概率的判断。
比如客服系统收到一封愤怒的邮件。大模型会分析情绪、解释原因、洋洋洒洒一段话，最后告诉你"该转给账单部门"；Jev则一个字都不写，直接从"账单、技术、售后"三个预设选项里返回选择，还给判断附上概率。官方数据：端到端响应70到500毫秒，每秒能做约10次决策；输入价每百万token 0.042美元，输出干脆免费。知乎
为什么快？普通大模型一个字一个字往外蹦，每个字都依赖前一个字；Jev根本不需要"写"答案，所有选项并行算完。官方的概括是"非结构化状态进去，带概率的判断出来"。Almeida的出发点很扎心：很多软件找大模型帮忙时，压根没打算跟它聊天——系统只想知道"这封邮件归谁管"，不需要八百字的分析。
热度是真的高。Every的评测负责人Mike Taylor拿Jev检查了37篇文档，一口气完成777次独立判断，总耗时不到0.7秒；其中一个写作质量判断任务，Jev用了约0.35秒，Fable 5.1用了8.83秒，快了约25倍、便宜了约580倍。拥有38万粉丝的开发者博主ThePrimeagen表示想马上把它接进自己的服务器自动化工具；Dan Shipper团队测了大约一周，预测再过6到12个月，人们会觉得这东西不可或缺。知乎
第一盆冷水：官方评测表里，它自己只排第五
Jev的首页用巨字喊着"快193倍、便宜444倍"。但TypeSafe干了一件少见的事：把完整评测数据公开挂在官网上，还专门写了一页自曝毛病——评测在自家笔记本上跑的、不能证明定价里没有补贴、评测由自家团队做可能有偏见，头一句就是"并不完美"。哔哩哔哩
那张评测表说明了三件事。
第一，193.6倍速度、444.6倍成本，是内部workflow评测的高位数字，官方自己承认"可能已经接近现实工作流收益的高位"。知乎
第二，准确率那一栏，Jev排第五，最准的前两名都是别人家的旗舰模型。公开对比里Jev准确率67.8%，对照模型74.1%——它便宜、它快，但它不更准。小红书
第三，刷屏的"0%幻觉"是个文字游戏。官方指的是schema保证：答案一定落在你预设的选项里，永远不会临时编出第四种分类。这对自动化系统确实是大事——传统大模型哪怕被要求按固定格式回答，也可能突然回一个选项里不存在的"严重投诉"，让下游程序当场宕机。但"答案不出格"不等于"判断永远对"，67.8%就摆在那儿。哔哩哔哩
一句话：那两个倍数是真的，只是讲的是速度和价格，不是谁更聪明。
第二盆冷水：隐身两年的成果，被网友两小时复现
发布不到一天，开发者Harsha Gundala就开源了一个基于Qwen2.5-1B的相似实现，说法相当挑衅："他们隐身开发了两年，我隐身开发了两个小时……"原理并不玄乎：既然JSON的字段名和候选集都是预先定死的，就不必让模型逐token"写"出来，把它们改造成一批共享同一段上下文的选择题并行跑就行——本质是推理工程的优化（并行约束解码）。他在M4 MacBook上实测确实有几倍速度提升，输出同样带概率。知乎
Hugging Face研究员Niels Rogge的吐槽传得更广：“一个JSON分类器竟然有1200万次浏览？是啊，我们正处于泡沫中。”知乎
国内用户还补了一刀。小红书有人算账：Qwen3.7-flash输入价每百万token 0.03美元，比Jev还便宜三成，而且能顺手把标题、摘要、翻译都写了——Jev一个字都写不出来，同一篇文章还得再喂一遍别的模型。微博上还有个更损的段子：把所有可能的选项都输入给Jev，问它自己是什么模型，它的回答60%是Qwen。小红书微博
第三盆冷水：你想让AI干的事，它一件都干不了
别忘了，Jev不会生成文本。聊天陪写？不行。写周报？不行。写代码？不行。做PPT？更不行。那些刷屏的打《毁灭战士》、玩《地铁跑酷》的视频，本质都是同一件事：在每一帧里从"往哪走、开不开枪、跳不跳"里做选择——选项集合固定，恰好是它的完美场景。
所以对绝大多数刷到这篇文章的人，Jev没有直接用处。它瞄准的是另一批人：写Agent的、做自动化的、被token账单折磨的。
那到底谁该去排waitlist？
Agent和自动化开发者：值得排，但别神化。 Jev真正的卖点不是"快和便宜"，而是校准置信度：你可以设定规则——置信度超过90%直接执行，70%到90%之间摇一个更大的模型来复核，连70%都不到就交给真人。这相当于给程序插进一个"有自知之明的模糊if语句"。B站已经有人做了国内首测：通过AgentOS接入，在真实电商页面上连续操作，结论是速度和官方价格有吸引力，但成功率仍不稳定，“分工、观察、执行和验证架构完善后，这条路线才可以进入生产”。建议先在高频、选项固定的小判断场景试水（工单路由、内容过滤、风控初筛），创意类任务别碰。知乎哔哩哔哩
编程工具重度用户（Codex、Claude Code党）：关注路线，别急着换产品。 微博有用户称Jev能让Codex操作速度提高10倍、省下大量token。单一说法先存个疑，但方向是真的：编程流程里大量重复的小判断（改哪个文件、跑哪个测试、这步要不要放行），本来就不需要旗舰模型每次都深度思考。快慢双系统早晚成为每个Agent的标配，你要盯的是自己常用的工具什么时候跟进，而不是现在换工具。<#&!53#&!>微博
普通聊天用户：不用动，等它被吸收。 你未来用到的不会是Jev本身，而是各大模型厂商把这个"判断层"吸收成功能之后的结构化输出。小红书已经有人开始押注"等国内第一批System One公司"，Qwen、豆包、Kimi们会不会出类似的判断型API、什么价格，比Jev本身更值得等。小红书
被订阅费和token消耗折磨的人：拿走今天就能用的那一条。 那张官方评测表里其实藏着一条对所有模型都成立的结论：四类任务平均下来，不管哪家的模型，把规则拆成几个小选择题分别问，都比把同样的规则写成一大段提示词更准、更便宜、也更快。这不需要任何新工具，今天在任何AI聊天框里就能做：下次让AI批量判断东西（比如"读这20条评论，每条只从正面/负面/中性里选一个，并给出把握程度"），把大问题拆成带选项的小问题，自己感受一下差别。哔哩哔哩
接下来盯什么
三个信号，比热度更值得追：
补贴结束后的价格。 官方自己承认"不能证明定价里没有补贴"，0.042美元/百万token未必是长期价，盯它什么时候涨、涨多少。
准确率和flash档的差距。 目前公开数字是67.8%对74.1%落后。如果RLCD训练追不平这个差距，"便宜快"的故事在0.03美元的Qwen-flash面前讲不下去。
大厂跟进的速度。 并行约束解码、带置信度的结构化输出，都不是护城河，两小时复现已经证明了这一点。Jev的窗口期，可能远短于Dan Shipper预测的6到12个月。
最后说一句：Jev值得围观，因为它把"AI的判断力"第一次当成独立商品摆上了货架；但不值得急着为它花钱，因为在它自己公布的评测表里，它都没敢把自己排成最聪明的那个。抢购潮里最诚实的数据，往往是官方自己不得不公布的那一张——这次，TypeSafe恰好是这么家公司。
