刚刚！Jev宣布全面免费，白送1.2亿Token

你有没有过这种崩溃时刻？花大价钱调用大模型处理业务，结果它啰嗦半天，还动不动给你格式错误。

现在，一个「不会说话」的模型，正在悄悄改写游戏规则。

就在刚刚，最近爆火的Jev宣布向所有用户开放，无需申请候补名单。所有注册用户直接白送5美元额度，约1.2亿Token！

体验🔗 console.typesafe.ai

大模型神仙打架，它却靠「不说话」杀出重围

没想到在大模型混战的9月，即便是GPT和Claude也不能稳居王座。最近风头最劲、刷屏全网的，却是不能说话的Jev。

Jev开发者Diogo Almeida是OpenAI的研究员，他参与了ChatGPT的研发，后来提出了基于人类反馈的强化学习算法RLHF。

这套方法定义了行业走向。可Almeida却越来越怀疑它：

「我们有了一次性成功的创新，但没有把它变成真正有用的东西。」

他想明白了问题：我们一直在优化人类语言处理能力，但这对自动化没用，因为计算机使用不同的「语言」。

两年前，Almeida离开OpenAI，创办TypeSafe AI。公司隐身至今，直到9月15日才亮相，带来4000万美元种子轮融资，以及第一个模型Jev。

💡它到底有什么不一样？

Jev依然是基于Transformer的模型，但刻意不做大语言模型，不输出完整句子。

你给它程序状态和预先定义好的问题，它返回的是类型化答案：一个选项、一个分数，或0到1之间的概率，外加置信度。

TypeSafe把这称为「校准后的决策」。

⚠️三种输出形态，看懂就入门了

第一种叫Choice，从你定义好的列表选一项，最多255个选项，适合路由和分类。

第二种叫Score，把输入放在你划定的尺度上打分，衡量紧迫度、质量或风险。

第三种叫Noul，本质是是非判断，答案是一个数字，代表为真的概率。

每次回答都附完整概率分布和置信度，是强类型结果，不需要写JSON提示词，不需要额外解析器，也不用担心模型突然包一层Markdown代码块。

快20到200倍，成本低到离谱

TypeSafe公布的数字显示，Jev端到端延迟在70到500毫秒之间，比同类大语言模型快20到200倍。

🌟价格才是真正的王炸

按当前公开价格，输入每十亿token为42美元，换成常见口径就是每百万token 0.042美元，输出不收费。

这意味着什么？赠送的1.2亿Token，你可以放开用。

由于用户可以提前定义输出结果，模型不会产生幻觉。Jev不会跳出预设选项乱答，选项内答错依然可能。

💡一场演示，让所有人闭嘴

在公开的Ably Pong演示中，Jev在12秒内做出47次操作决策，而Gemini、Claude和GPT同样时间只做两三次。

程序直接把游戏数字交给Jev：球的位置、运动方向、球拍位置。Jev从「向上、向下、保持不动」中选一个。就这么简单，却快得吓人。

普通人能拿它做什么？

想借Jev做产品，需要程序配合。游戏规则、画面和联网都不是Jev生成，它只被插进反复执行的三选一环节。

🌟浏览器代理：自动操作电脑

Browser Use的公开项目jev-ultrafast实现的是浏览器代理。每到一个网页，先读取可操作元素，整理成编号清单。

以查机票为例，程序每轮同时问：下一步点击、输入、选择还是等待？点击该点哪个编号？这些共用同一份网页状态，分别作答。

碰到输入城市名称时，程序另调用小模型生成文本。浏览器执行后，再读取新状态。

⚠️真实案例：速度快5到18倍

Vercel工程师Pranit Sharma表示，公司用ChatGPT运行分类器检查命令安全性。换成Jev后，处理速度提高5到18倍，准确性也大大提升。

另一位开发者Nikhil Mudholkar测试分类商业邮件，Gemini准确率略高，但成本高出10到20倍。

💡自己动手：三步搭建

先准备一张表，每行含邮件标题、正文、时间和上下文。

再把业务拆成明确问题。比如「订单被重复扣款，希望今天处理」，用Choice判断进入售后、销售还是合作队列；用Noul判断是否要求行动；用Score判断优先级。

Earendil的CTO Armin Ronacher说：

「这种方式将幻觉问题的处理责任转移到用户身上。概率50%或许可忽略，概率95%就可以利用。」

他说Jev另一个潜在应用是模型路由，预测任务是否需要特定模型。用大语言模型做这事很贵，Jev便宜又快，能实现实时路由。

最明智的决定

Jev取自19世纪经济学家William Stanley Jevons。他提出的悖论指出，当商品成本下降，会被越来越多使用。智力成本下降，就该导致智力广泛应用。

Almeida设想的未来不是几个庞大应用垄断一切，而是大量微小智能判断分散各处，「更像早期互联网的样子」。

TypeSafe至今没公开Jev架构，外界猜测是在开源大语言模型基础上改造。公司称其为System One Models，取自卡尼曼的直觉思维概念，强调靠直觉判断而非推理链条。

官方建议把复杂判断拆成明确问题，由代码组合，而不是一股脑让模型包办。

Almeida透露，他很早预判自己会走上处理合成数据这条路，这或许是他这辈子做过最明智的决定。

被问公司是否算前沿实验室，Almeida说：

「前沿实验室的主要产物要么是恐惧，要么是炒作。我希望我们的主要产品是智慧。」

Jev上线后需求一度超出预期，API短暂无法响应。有人用它做信息流筛选，读取三天帖子提八个问题，运行约两秒，单次成本0.007美元。

也有团队接入营销分析，扫描广告库、比较存活周期，把人工判断提速30倍，成本压到3美元以内。

AI少说了很多话，软件却多做了几件事。

当所有人都在卷「谁更会说话」时，真正的机会或许藏在「谁更会闭嘴」里。

你觉得这种「不会聊天」的模型，能颠覆现在的AI格局吗？评论区聊聊！

如果今天的内容对你有启发，别忘了点赞、在看，转发给身边关注AI的朋友！