作者：朱雪莹
这两天，一个有点反常的AI模型突然刷屏了。
它叫 Jev 。
不会聊天，不写代码，甚至不会像ChatGPT一样给你生成一大段答案。它只干一件事： 做判断。
但就是这样一个看起来“能力被砍了一大半”的模型，却突然在开发者圈火了。
有人用它40秒分析724条实时广告，总共做出8724次判断；有人把它接进Claude Code，专门清理没用的上下文；还有人让它给AI Agent当“裁判”，检查任务到底有没有真的完成。LangChain也已经开始测试Jev作为Agent评估器的表现。
更夸张的是速度和价格。
TypeSafe公布的测试中，Jev最高提速约193.6倍，成本最多降低444.6倍。输入每百万Token只要0.042美元，输出Token甚至免费。
一个能力看起来更少的AI，为什么反而火了？
因为到了Agent时代，AI真正需要的可能不只是“深思熟虑”，还有 海量、快速、便宜的判断 ：下一步做什么、该调用哪个工具、任务到底完成没有。更重要的是，这些判断未来需要AI自己在后台完成，不再需要人一直坐在屏幕前盯着。Jev看上的，就是这些每天可能发生几百万次的小决定。
更有意思的是， Jev模型创始人Diogo Almeida ，恰恰参与过RLHF，而现在他开始反思RLHF：这套让ChatGPT变得好用的训练方式，可能并不适合AI真正走向自动化。
一个多月前，Almeida做过一场演讲。现在回头再看，那场演讲几乎就是Jev的“思想说明书”。
AI都会做高等数学了，为什么还做不好客服？
Diogo Almeida的履历很特殊。
他曾在OpenAI工作，是GPT-4、ChatGPT以及InstructGPT/RLHF相关工作的参与者。也就是说，他曾亲手参与构建了今天大模型最重要的一套后训练范式。
但在那场演讲里，他上来就调侃自己，是OpenAI内部少数几个公开“黑”ChatGPT的人之一。
他的演讲主题更加直接： What's Next After RLHF？
Diogo先提出了一个看起来很矛盾的问题。
今天的大模型已经可以挑战非常难的数学题，代码、推理和各种benchmark一路往上走。
可到了很多企业真正想自动化的业务里，人却始终拿不掉。
比如客服。
让AI查资料、总结文档、起草回复，没问题。
但如果让AI自己决定： 这笔钱到底退不退？这个用户要不要赔偿？
企业一下就谨慎起来了。
明明这些事情看起来比高等数学简单得多，为什么反而不敢交给AI？
Diogo给出的答案很简单： Today's AI is incredible at assistance, not automation.
今天的AI很会 帮你干活 ，却还不太能 自己把活干完 。
这两件事看起来只差一点，实际上完全不同。
Claude Code再强，你通常还是坐在电脑前。它写代码，你看；它改文件，你检查；错了，你再让它改。
所以在Diogo看来，Claude Code依然属于ChatGPT开启的“协助时代”。
真正的自动化是什么？
人根本不在场。
AI在后台自己判断、自己执行，一天可能运行几十万甚至几百万次，你甚至永远不会看到它做了什么。
问题也就来了：为什么今天的AI这么聪明，却偏偏离不开人？
Diogo把矛头指向了一个自己非常熟悉的东西—— RLHF。
我们训练AI的时候，就把人塞进了回路里
这件事多少有点讽刺。
因为RLHF，恰恰是Diogo当年参与推动的技术路线之一。
RLHF的基本逻辑其实不复杂： 收集人的偏好，然后让模型越来越符合人的偏好。
所以Diogo在演讲里给出了一个非常直白的解释：为什么今天的大模型总需要有人在回路里？
因为训练它的时候，我们字面意义上就把人塞进了那个回路里。
模型从一开始就在学习：什么样的回答，人更喜欢？
这也解释了大模型一个我们已经非常熟悉的特点—— 哪怕不知道，它也经常能说得特别像那么回事。
Diogo在现场举了一个很损的例子。
有人给ChatGPT发了一段放屁的录音，告诉它这是自己创作的一首音乐，请它“真诚、坦率”地评价。
结果ChatGPT一本正经地夸了起来，说这是一首很有阴森、诡异氛围感的环境音乐。
Diogo甚至用了一句话总结： “Overpromising is a feature.”
过度承诺不是Bug，是feature。
对于聊天产品来说，这未必致命。用户还在屏幕前，错了可以纠正。
但真正的自动化系统完全不同。
机器不关心你的回答好不好听，它只需要知道两件事： 到底该怎么做， 以及 你到底有多大把握？
这也就解释了，为什么一个多月后发布的Jev，看起来会如此反常。
所以，Jev干脆不让AI“说话”了
普通大模型哪怕最终只需要回答“A还是B”，往往也要经过生成Token的过程。
Jev直接把这部分砍掉。
它目前主要做三件事：
-
Noul，回答Yes还是No；
-
Choice，从几个选项里选一个；
-
Score，按照标准打分。
然后直接返回 判断和概率 。
不给你写小作文，也不陪你聊天。
官方公布的端到端延迟低至70—500毫秒，相比前沿模型快20—200倍，价格低40—400倍。
但真正关键的，其实不是“快”，是后面那个 概率 。
为此，TypeSafe提出了一套新的训练方法： RLCD，Reinforcement Learning for Calibrated Decisions，校准决策强化学习。
它想解决的问题非常现实：如果AI告诉你一件事有80%的概率发生， 这个80%到底能不能信？
理想情况下，模型判断为80%概率的一批事情，最后就应该大约有80%真的发生。
这在自动化系统里非常重要。
99%的把握，可以直接执行。
51%的把握，可以扔给更强、更贵的大模型，甚至转给人。
真正麻烦的不是AI不知道，是AI不知道自己不知道。
所以Jev真正想改变的，是AI输出的对象。
过去ChatGPT生成的答案，主要是 给人看的 。Jev给出的判断和概率，则是准备 直接交给软件用的 。
Agent时代，可能需要的不是一个更大的大脑
这也解释了为什么Jev偏偏在现在火了。
因为Agent真正运行起来以后，会产生海量的小判断：
下一步调用哪个工具？这个网页该点哪个按钮？这条信息还有没有用？任务到底完成没有？结果要不要重新检查？
这些问题单个看都不难，但一个Agent一天可能需要判断几十万、几百万次。
如果每一次都叫最强的大模型，花几秒钟“深思熟虑”，再吐出一大段Token，成本和延迟很快就上去了。
Jev想抢的，就是这一层。
大量高频的小决定交给Jev，真正需要复杂推理的任务，再交给大模型。
这也是为什么TypeSafe把Jev叫做 System One Model 。
这个概念来自丹尼尔·卡尼曼的“系统1”和“系统2”：一个负责快速、直觉式的判断，一个负责慢速、复杂的思考。
Jev甚至连名字都来自“杰文斯悖论”：
一种资源变得越来越便宜，人们未必会少用，反而可能用得更多。
如果调用一次AI很贵，你只会把它用在最重要的地方。
但如果一次AI判断便宜到几乎可以忽略呢？
一封邮件、一条日志、一次工具调用、一个网页按钮、Agent执行的每一步，都可能加入一次AI判断。
当然，现在就说Jev代表下一代AI，还太早。
它所谓的“零幻觉”，更多意味着不会跳出规定的答案类型乱编，不代表不会选错；193.6倍、444.6倍这样的极端数据，也主要来自TypeSafe自己的测试。
但Jev这次爆火真正值得关注的，可能不是它能不能挑战GPT或者Claude。
而是一个参与造出ChatGPT的人，正在重新追问一个更底层的问题：
过去几年，整个行业都在想，怎样让AI想得更久、说得更多。
但如果未来真正需要的是几十亿次机器之间的判断， AI为什么每一次都要先“说一段话”？
ChatGPT教会了机器怎么和人说话。
而Jev押注的下一步是： 当人不再坐在屏幕前，机器能不能自己做决定？
