CSDN｜爆火哑巴AI Jev模型深度实战｜技术博客

这个AI一行代码都不会写，却让14万程序员上头：Jev保姆级实战（附API代码）

你有没有经历过这种绝望------

你只想让大模型判断一封邮件"急不急"，回个"是"或"否"就完事了。结果它沉吟片刻，洋洋洒洒输出三百字小作文："尊敬的用户，经过我深思熟虑，从邮件措辞、语气、时间戳以及情绪倾向等多个维度综合分析，我认为......"

等它说完，黄花菜都凉了，token 账单还挺感人。更要命的是，你还得写正则、写解析，从这三百字里把"是"或"否"抠出来，代码才能继续跑。

9 月中旬，一个"叛逆"模型把这套流程掀了：它不聊天、不写代码、不写文案，主打一个闭嘴干活，上线 36 小时就有 14 万开发者蜂拥而入。

它就是 Jev。这篇文章带你从"它是谁"一路打到"API 怎么调"，该泼的冷水也一并泼了。建议先收藏，周末慢慢搓。

一、Jev 是何方神圣？

先上户口本：

• 2026 年 9 月 15 日，旧金山公司 TypeSafe AI 发布 Jev，开放早期内测；

• 创始人 Diogo Almeida 在 OpenAI 待了四年，是 RLHF、InstructGPT、ChatGPT、GPT-4 的核心参与者，GPT-4 贡献者名单里他挂在"基础 RLHF 与 InstructGPT 工作"那一栏；

• 公司隐身研发两年，露面就带着 DCVC 领投的 4000 万美元种子轮（约 2.8 亿人民币），据 Forbes 报道这一轮估值约 2 亿美元（约 14 亿人民币）；

• Jev 被定位为 TypeSafe 的第一个 System One Model，口号相当拽："Decisions, not strings"------要决策，不要文本；

• 名字 Jev 取自 19 世纪经济学家杰文斯（Jevons），暗合著名的"杰文斯悖论"。

再看战绩，相当离谱：

• 36 小时内 14 万开发者涌入内测，官方接口直接被挤到无法调用；

• 上线 24 小时就拿下 Vercel AI Gateway 近 13% 的付费团队，成为该平台史上采用最快的新模型；

• Vercel、Cloudflare、LangChain 几天内全部完成集成；

• 9 月 21 日公司干脆撤掉候补名单全面开放，注册即送 5 美元额度，折合约 1.2 亿 token；

• Almeida 称日调用量已超过万亿 token，连深夜都在持续跑------这说明是程序在后台无人值守地用，而不是人类点两下尝个鲜。

二、为什么它能这么快、这么便宜？

得先搞清楚传统大模型慢在哪。GPT、Claude 都是自回归模型：一个 token 接一个 token 往外蹦，前一个 token 没算完，后一个就没法开始，整条解码链是串行的。哪怕你只要一个"是"字，它也得把完整流程跑完。

Jev 的思路，官方文档、开源复现和社区实验三方口径基本一致，就四步：

1. 答案空间在调用前就枚举好------你给的选项、档位或是非题；

2. 不生成任何文本，而是把每个候选答案拿去"打分"，读取模型对这段候选文本的概率；

3. 所有候选在一次前向计算里并行打分，互不等待；

4. 归一化后概率最高的就是答案。

一句话总结：它省掉的不是"模型大小"，而是"解码步数"。

训练侧还有个新方法叫 RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）：模型说 0.9，现实中就得有约九成命中率，奖励的是"概率和实际命中率咬合"。这和 RLHF（奖励人类看着爽）、RLVR（奖励可验证正确性）是三个不同的靶子。

小提示：2023 年有篇同名缩写 RLCD 的论文（对比蒸馏方向），和这个完全不是一回事，写引用时别撞车。

至于底层架构，官方至今没公开论文和权重。社区逆向更倾向于"双向编码器 + 并行标签头"，TypeSafe 的 GitHub 组织还 fork 过扩散语言模型 LLaDA 的仓库，被当成技术谱系线索------但这些都还是推测，不是实锤。

三、它只会做三种题：Choice、Score、Noul

类型	用来干啥	返回内容
Choice	从最多 255 个选项里选一个	choice、probabilities、confidence
Score	在 2-10 个有序档位上评分	连续 score、probabilities、confidence
Noul	是非判断（bernoulli 的缩写）	0-1 概率值，不带 confidence

1. Choice：选择题

{
  "type": "choice",
  "instructions": "哪个团队应该处理这张工单？",
  "criteria": {
    "billing": "扣款、发票和退款",
    "technical": "故障、宕机和集成",
    "sales": "价格、升级和新账户",
    "other": "以上均不适用"
  }
}

返回里 probabilities 是完整概率分布，choice 是最高概率项，confidence 描述分布有多集中。如果选项不一定覆盖所有情况，记得主动加一个 "other"。

2. Score：评分题

{
  "type": "score",
  "instructions": "客户有多沮丧？",
  "criteria": [
    "平静，只是在陈述事实",
    "沮丧，但仍然礼貌",
    "非常愤怒，使用强烈措辞"
  ]
}

返回的 score 可能是 1.05 这种小数------它是各档位概率的加权结果，不一定是整数。

3. Noul：判断题

{
  "type": "noul",
  "instructions": "客户是否明确要求退款？"
}

返回一个 0-1 的值，比如 0.72，代表模型对"是"的概率判断。

更爽的是：多个问题共享同一份 state，独立并行评估。官方数据是 13 个问题合成一次调用，比拆成 13 次单独调用便宜 11.5 倍、快 9.6 倍，加问题几乎不增加延迟，只多一点输入 token。

四、API 实战：从注册到跑通

四步上手。

第 1 步：注册账号。 打开官方控制台 console.typesafe.ai 注册。注意：官方服务目前暂未向中国大陆地区开放，网络环境自行解决。

**第 2 步：创建 API Key。**在 console.typesafe.ai/keys 页面创建一个 key，妥善保存。

第 3 步：配置环境变量。

$env:TYPESAFE_API_KEY="你的API_KEY"

export TYPESAFE_API_KEY="你的API_KEY"

第 4 步：发请求。 核心接口就一个：POST /v1/systemone。下面是可直接跑的 Python 版本：

import os
import requests

resp = requests.post(
    "https://api.typesafe.ai/v1/systemone",
    headers={"Authorization": f"Bearer {os.environ['TYPESAFE_API_KEY']}"},
    json={
        "model": "jev-latest",
        "state": "用户连续多次登录失败，来源 IP 与历史登录位置不同，并伴随大量失败请求",
        "questions": {
            "security_risk": {
                "type": "noul",
                "instructions": "这个请求是否存在明显的安全风险？"
            }
        }
    }
)
print(resp.json())

返回的是结构化 JSON（示例）：

{
  "model": "jev-1.13.0",
  "answers": {
    "security_risk": {
      "type": "noul",
      "noul": 0.96
    }
  },
  "usage": { "input_tokens": 311, "output_tokens": 22 }
}

程序拿到 0.96 后，按阈值决定走向，整个过程不需要任何人读那段描述：

risk = resp.json()["answers"]["security_risk"]["noul"]

if risk >= 0.9:
    trigger_security_flow()   # 高风险，直接拉安全流程
elif risk >= 0.6:
    queue_for_review()        # 拿不准，进复核
else:
    log_and_ignore()          # 低风险，记录后放行

五、价格与规格一览

项目	数值
输入价格	0.042 美元 / 百万 token（即 42 美元 / 10 亿 token）
输出价格	永久免费（官方原话：便宜到根本不值得计费）
端到端延迟	70ms - 500ms
上下文	单次请求 64K token，其中 state 加最长问题 32K
速率	25 万 token/秒，1200 请求/分钟
输入类型	仅文本：字符串、JSON 对象或文本数组

有网友实测百万输入 token 只要 0.042 美分，赠送的 1.2 亿 token 根本造不完。这个定价被网友戏称为 AI 界的**"蜜雪冰城"**。

六、大家都在用它干啥？

模型够不够通用，看开发者给它整出的活就知道了：

• 打游戏：官方演示让 Jev 实时玩初代《毁灭战士》，每秒约 10 次决策控制走位、躲避和射击，连跑一小时算力成本约 7 美元；

• 维基寻路：在维基百科几千个超链里锁定目标页面，单次候选上限高达 255 个；

• 审 PR：一次调用约 7 万分之一美元，1000 个 PR 才花 7 美分；同样的活交给 Opus 5 要烧掉 14.5 美元；

• 语音助手：有人给 Mac 糊了个语音助手，"打开备忘录新建一条"话还没落音，App 已经秒开；

• 浏览器自动化：Browser Use 团队的开源项目 jev-ultrafast（MIT，12.1k star）把网页元素编号成选择题，Google 航班苏黎世飞伦敦全程 7.1 秒、花费 0.0039 美元，浏览器协议调用中位数从约 1092 次降到 101 次；

• 密集决策对比：实时通信公司 Ably 实测，几分钟内 Jev 做了 47 次决策，而 GPT、Claude、Gemini 只做了一两次；

• 国内场景：有中文开发者把卡牌游戏的决策换成 Jev，单次只要 0.7 秒，出牌动画还没播完，下一回合已经算完。

这些场景共同点很明确：决策要快、要密集，但每个决策本身都不算难。

七、国产平替与开源复刻

Jev 发布后最戏剧性的一幕，是它被"抄作业"的速度：

• 48 小时内 GitHub 上就冒出至少 6 个复刻项目；

• Laya：基于 ModernBERT-large（421M）加 PPO，5 天拿下 1.8 万 star；

• Kev：基于 Qwen3.5，与 TypeSafe 官方 SDK 完全兼容，业务代码不用改，换个请求地址就能切到本地；

• Bespoke Nimble：Qwen3.5-9B 上做 LoRA，测试准确率 90.1%，接近 Jev 官方自报的 93.2%；

• 中国 APUS：9 月 19 日交出全球最早一批跨平台开源复现，封装成开箱即用的 Agent Skill「fast-browser-use」（MIT 协议）。它用本地 Qwen3.5-9B 复现了单 token logits 快速决策、KV-Cache 广播与并发批量评估；在一台 Apple M2 Pro 笔记本上，维基百科检索中位耗时约 18 秒、表单填报和站内导航约 3 秒，全程零云端调用、零 API 费用，数据不出本机，macOS / Linux / Windows 通吃，没 GPU 也能跑。

有意思的是，阿里通义千问在这波复刻潮里意外当了一回"万能底座"。不过复刻也有短板：面对任意提问加几十个长选项的场景，眼下还得是官方 Jev 更稳。

八、该泼的冷水：这些数字得打折看

先把最唬人的数字放一边。"快 193.6 倍、便宜 444.6 倍"来自官方自家 workflow 测试（Jev 0.114 秒 / 0.000081 美元，对比 LLM 8.566 秒 / 0.01388 美元），没有经过独立实验室验证，官方自己也标注这是偏乐观的上限。

• 第三方独立测试：Jev 的分类一致率和 DeepSeek V4.1 Flash 差不多，中位延迟 0.32 秒；

• 约 3100 名用户实测聚合：中位提速 7 倍、中位成本下降 30 倍、中位延迟 76 毫秒------比官方宣传低一个数量级，但反而更可信；

• 在 TypeSafe 自己的评测页上，Jev 综合得分 67.8% 排第四，前面是 GPT-5.6 Sol 的 74.1% 和 Claude Opus 5 的 73.1%；

• Redis 作者 antirez 在 9 月 21 日公开开炮：Jev 或许有些狭窄应用场景，但围绕它的炒作，恰好说明 AI 泡沫里大多数人分不清什么重要、什么不重要。

当然也有给它撑腰的硬数据：

• LangChain 用 5 道天气题、每题 100 次共 500 次判断、以人工打分为真值，Jev 的 500 次判断全部与人工一致（GPT-5.6 Terra 99.8%、GPT-5.6 Luna 96.4%、Claude Sonnet 4.6 80%），单例平均 0.44 秒、0.00035 美元，而 Claude 完成同一任务要 28.17 美元；

• CMU 的 JEV-as-a-Judge 论文：在普通偏好和事实性任务上，它与最强 LLM 裁判差距不超过 3 个百分点，费用只有对方的 0.36%；RewardBench 92.2% 对 93.5%，HaluEval 87.5% 反超 86.7%。但需要检查推导过程的 JudgeBench 上落后 14.6 个百分点。

九、"零幻觉"的真相，以及那些坑

划重点：Jev 的"零幻觉"是格式保证 ，不是内容保证。

它在结构上不可能输出你选项之外的东西（这是构造性的 0% 类型错误），但照样能在你给的三个选项里选错。同理，confidence 衡量的是概率分布集不集中，不等于"这次回答的正确率被保证"。

坑清单也给你列好了：

• 不能写文本、不能解释理由------金融、医疗、法律这类要求可追溯推理链的场景直接出局；

• 暂不支持图像输入；

• 需要一步步推导的数学推理顶多 GPT-4 水平，步骤一多效果就往下掉；

• 非英语准确率参差不齐，而且对措辞敏感，官方承认它"按字面读指令"，问题写得越绕，一致率越低；

• 闭源 API，数据要传到 TypeSafe 的服务器，对部分企业客户是道门槛；

• 还有先发权争议：开发者 Nandha Kishor M 称自己 2025 年 3 月就发过相关论文、模型和数据集。

十、正确姿势：级联，而不是替换

CMU 那篇论文给出了一个很实用的"冻结级联"策略：

1. 高置信度的判断：直接采纳、自动执行；

2. 不确定的判断：上抛给大模型或人工；

3. 论文实测这套打法能保住最强裁判 99% 的准确率，成本却只有零头。

工程上再送四条铁律：

1. 一个问题只问一个判断；多因素判断拆成多个原子问题，在代码里加权合成------以后调优先级，改的是系数而不是提示词；

2. 阈值按风险分层：同一个系统里低风险动作 0.6 可放行，高风险动作建议 0.85 以上；

3. 高风险动作永远不能绕过身份认证、权限检查、业务硬规则、用户确认和审计；

4. 上线前用自己的标注集回放，分别测误放行、误拦截和人工队列占比，别直接抄官方示例阈值。

说白了，它和大模型是双核搭档：大模型在前面吭哧吭哧干活，Jev 在旁边花几十毫秒用概率给活打分，合格放行、不合格打回重写，而不是谁取代谁。

写在最后

Jev 最该被抄走的，不是那组"快 200 倍"的数字（水分确实不小），而是一个架构判断：

别再让按字数计费的生成模型，去干那些只需要一个枚举值的活。

当一次判断便宜到可以忽略，以前"算不过来账"的事忽然就划算了：过去系统只抽查 1% 的行为，判断足够便宜后就能 100% 全审；大公司囤积多年、因为调用太贵从没分析过的"暗数据"，也终于翻得起了。这正是它名字里"杰文斯悖论"的野心------成本趋近于零，需求反而爆炸。

当然，48 小时被复刻 6 次也说明：模型架构从来不是护城河，校准质量、工具链和分发才是。

它会不会成为下一个时代的拐弯处，我不敢打包票。但作为开发者，现在用送的 5 美元额度（约 1.2 亿 token）亲手搓一搓，绝对不亏。

**互动时间：**你用 Jev 或它的平替跑过什么有意思的场景、踩过什么坑？欢迎评论区交流。觉得有用就点个赞、收个藏，关注我，下一篇安排 Jev 开源平替的本地部署保姆教程。