9月15日，TypeSafeAI发布了Jev。这个模型的亮相方式很怪：它不会写文章、不会聊天、不会规划，只会做三种事——选择题、打分、判断是否，每道题再附带一个概率值。创始人是前OpenAI研究员Diogo Almeida，RLHF和InstructGPT的核心成员；名字取自经济学里的"杰文斯悖论"：当单次决策便宜上百倍，系统里原本写死的if-else都会开始想请模型帮忙。
官方的说法相当激进：自动化工作流任务比现有大模型快193.6倍、成本低444.6倍；输入每百万Token收$0.042，输出永久免费，端到端延迟70到500毫秒。社区看到毫秒级操控DOOM游戏的录屏后，技术圈认真了——官宣推文近4000万人围观，知乎主问题一个多月冲到64万阅读，程序员鱼皮的B站教程5天16万播放、5310人收藏，开发商估值9天飙进百亿美元。知乎知乎今日头条
而折腾本地部署的人看完第一反应高度一致：这种"只判断、不写字"的小任务，简直是为本地而生——快、便宜、数据还不用出机器。兴奋完就撞上现实：Jev本体是闭源的。知乎
这十天最大的误会：三种"开源Jev"根本不是一回事
截至9月26日社区的逐源核对，在TypeSafe官方发布页、文档和代码仓库里，没有找到模型权重和完整训练配方的下载入口。官方开源的是适配器、SDK、示例代码——“代码能下载"不等于"整套能力能离线跑”。
被各路文章混着叫"开源版Jev"的东西，实际分三条路线：
第一条：重新训练的开放权重模型。 Laya，多语言权重加Router路由，还公开了微调入口；Kev，0.8B/4B/9B/27B一家族，Qwen3.5/3.8底座，提供训练、评测、本地服务全套代码，甚至能把TypeSafe的Python SDK直接指向它；Bespoke Labs的Nimble 9B，公开了"改事实造反例"的数据配方——让正确答案跟着证据变，而不是逼模型背表面词汇；Mapika的decider-2b也在这一类。9月26日，这条路线又挤进来一个国产选手：基元律动（华为诺亚方舟实验室前主任、盘古大模型负责人王云鹤创办）发布NeoHorse-Jev-4B，六组基准综合77.70分，在成绩完整的开源参评模型里排第一，比参数更大的Open-Jev-9B还高2.03分，权重、推理源码、部署样例一并开源，32并发下服务端平均一次判断74.3毫秒。今日头条
第二条：不换模型、只换推理方式。 社区在Jev发布两小时内就跑通两条复刻路径：一条是harshatheg的Qwen-2.5-1B-RLCD，单次前向后直接抠末位logits、只对候选标签做局部softmax；一条是AlexWortega的openjev，拿NLI交叉编码器做蕴含判断。最新的SemIf（早期叫OpenJev）用4B开源模型在本地把语义判断做成typed if。X上的整活速度更夸张：有人的421M小版本在自己机器上训不到两小时；有人公布微调Qwen3.5-4B复刻分类服务的费用——17美元。
第三条：只是调用云端API的应用壳。 Jev聊天助手（安卓上帮你判断聊天意图、起草候选回复，只填不发）、jev-mcp、雪踏乌云整理的AwesomeJev 20个项目清单——这些开源的是工作流，底层判断仍在云端。
一张记分牌看本地成色。9月24日，开发者wquguru把Jev和三个可本地部署的平替（Laya、djev、anyjev）放一起做20道不同难度的题。 四个方案的成绩如下：知乎
方案 | 正确率 | 单次延迟 | 一句话点评 |
|---|---|---|---|
官方Jev（云端API） | 20题全对 | 测试口径1.3秒（官方标称70-500毫秒） | 生产最稳，但闭源收费 |
anyjev（本地，Qwen3-4B） | 95% | 约4秒 | 本地正确率天花板，速度还没优化 |
Laya（本地） | 65% | 25毫秒 | 毫秒级里最能打的，但三分之一的题会错 |
djev（本地） | 35% | 509毫秒 | 又慢又差，先别碰 |
Richard Bäcker的jev-on-a-laptop从另一个角度量了差距：同一批工作流题目，本地Qwen2.5-7B裸logits与前沿模型共识的一致率是73.8%，Jev是86.6%。Kev的跑分表也埋着坑：新来源数据上Kev-27B的0.896是测试集数字，Jev的0.857是开发集数字，不同口径不能拿来喊"开源反超"。样本只有20道题，这些数字只够当线索，不够当结论。知乎知乎
本地真正缺的不是速度，是"校准"
单论快，本地小模型反而占优——Laya的25毫秒比官方云端往返还快一个数量级。Jev真正的护城河是RLCD（面向校准决策的强化学习）训出来的那个概率：未经校准的softmax是出了名的虚假自信，模型错得离谱时照样敢亮0.99。云端服务卖的不是答案，是"这个0.8在统计上真有八成把握"。想在本地复刻这条自动化链路，温度缩放和领域数据后校准得自己做——这是绝大多数平替教程不会替你做的事。知乎
第三方上万次压力测试还给出两个细节：Archer Hume把输入从360个token灌到近3万个，中位耗时只从57.5毫秒涨到218毫秒，1500个并发问题端到端也只涨到610毫秒。这种一次性读分的快是结构性的——没有逐字解码的累加；但候选项之间存在注意力干扰，在四个有效选项后面加一个无关的"天气"选项，原有最优项的得分会被拉低，选项顺序也会晃结果。接口相似，不等于行为一致。知乎
连随机数发生器都赢过它一次
本地化之前，先把边界想清楚。Karminski-牙医搭了对抗测试：给Jev塞满曼哈顿距离启发、上一步动作、邻居访问计数，它在迷宫拐角(7,4)的3个格子里原地打转2295步直到超时；换成一个API格式完全一致的随机数server，892步通关，总耗时不到300毫秒。这是有数学撑腰的：有限网格里的随机游走以概率1到达终点。知乎
结论不丢人但很关键：Jev是极速的单步判断器，绝不是规划器。 他整理的使用红线：需要绕路回溯多步规划的（装箱、调度）、一步踏错当场结束的（贪吃蛇、驾驶）、不可逆高代价动作（删库、事务、要审计的操作）——都别交给决策模型。加密圈也有实测，Jev相对买入不动的超额收益是惊人的-60.2%，还有人晒出用Jev做的实时交易机器人亏了31680美元的账单。今日头条
9月27日差评的三局游戏实测把这层边界又撕开一点：网传"8分43秒速通Minecraft杀末影龙"，翻开日志是274个决策里250个只有一个选项的"送分题"；斗地主残局同一手牌让它重打六次，四次王炸两次改对K，概率咬得一样紧时它真的会反悔。今日头条
杀戮尖塔里更直观：16血3费、手里三张防御牌，本该集中的防御概率被拆成17、20、18三份，被"结束回合"的21分反超，一枪不开倒在原地。 哪些动作算"一个选项"、选项要不要合并，全是harness（宿主程序）说了算——决策模型的表现一半归模型，另一半归写调度代码的你。 Google这时携DiffusionGemma下场，转发对比称在工单处理上全面反超；"决策模型值不值"的争论，本身就说明这波还在半程。今日头条
四类人四张答案
纯好奇、想看懂概念：SemIf加任意一个开源4B底座，本地跑20道题找感觉，一分钱不用花。这类判断器的心智模型，半小时能建立。
已经跑Agent、被API账单硌到的：高频小判断（工具路由、垃圾过滤、失败重试、证据够不够）走官方API反而划算——$0.042每百万输入、输出免费，BrowserUse接Jev后网页点击这类"离散多选题"的速度提升是社区公认最惊艳的场景。灰度一两周，低置信度回落到规则和人工。
数据敏感或必须离线的：Laya和Kev是目前最值得测的两个（一个有微调入口，一个能SDK无缝换后端），但先用自有工单/审核标签做回归测试、再补温度校准；锁死权重和推理包版本，别追latest——decider v11就明确披露了新版本在日常和游戏任务上的回退。
想用决策模型替掉大模型的：不行。System 1做判断、System 2做规划，这是这一轮从刷屏到翻车所有实测共同指回的结论。
接下来盯三个信号：官方会不会开放权重或完整训练配方；中文长文档、否定关系、专业术语上的评测什么时候有人补齐；Kev这类家族会不会放出和Jev同一测试集的同步对比。答案出来之前，先别让"开源Jev"四个字替你按下部署键。
