这两天，判定模型Jev又刷屏了：极度便宜，极度高效。我们是不是又要见证历史了？
大家好，欢迎收听老范讲故事的YouTube频道。
首先提醒大家一句，Jev确实非常便宜，100万token才4美分，而且效率极高，输入信息以后，几百毫秒就出结果。但是，它的准确率也就是68%，一定要小心，它有可能给我们带来巨大的灾难。
Jev这种模型跟传统的大语言模型LLM有一个最本质的区别：它不是生成内容的，只负责下判断，相当于是个判官。但是，这个判官的准确率就是68%。先把结论放在这里：这东西真好用，我自己已经放进流水线了；但是，它不是更聪明的大脑，而是把“下判断”这个岗位从大模型本身上拆下来单独卖，价格打到地板上。
它值钱的地方不是准，它并不比现在的大模型准，后边我们会说数据。它真正强的地方是便宜，便宜到以后什么事情都可以让它先判断一道。这个事我一开始还没注意，Discord上有人问我：“老范，现在Jev模型这么火，你不说两句吗？”当时我说没注意。我的很多选题都来自Discord群，大家看到什么有意思的事情，可以到这里问我；我觉得可以聊两句，就会研究一下，做成节目跟大家分享。刚刚老范透露了如何在节目里点单的流程，大家请记在小本本上。
今天分几段来讲。第一，Jev模型不能干什么，我们先把不能干的事说明白。第二，介绍一下这东西到底是什么、谁做的、名字从哪来，这部分尽量讲故事，具体细节不跟大家分享，因为人家也没公开。第三，我们的AI账单里到底应该用它替换哪一部分。第四，这东西到底怎么用。第五，它到底会如何改变AI产业，英伟达股票会涨还是会跌。最后，我们讲一下这个东西为什么很危险。
先泼三盆冷水：这些事不能交给Jev
先泼三盆冷水。Jev之所以突然爆火，一个很主要的原因，是很多币圈的人发现这玩意可以下判断，可以判断币要涨还是要跌，于是把它推火了。币圈的人一直非常热情，至于他们搞得懂搞不懂并不重要，但他们的热情很强，所以一下就推起来了。首先要讲清楚第一件事：这个东西不能用于炒币、炒股和量化交易。
人家发布产品的时候就说了，这个系统不擅长做算数，你要判断涨跌，别来找它，这玩意判断不准，gram。现在这些炒币的人已经灰溜溜地离开了，因为他们发现用这个东西判断炒币，效果很一般。第二，自动驾驶和人形机器人也不是这种模型擅长的事情。刚才说它快，几百毫秒就可以出结果，但快得看跟谁比。跟GPT、Claude比，它确实很快；跟自动驾驶比，这玩意就不行了。
像特斯拉FSD，做判断只能有20毫秒，因为如果车开到110公里每小时，Jev这种300毫秒的响应速度，车已经开出去9米、10米了，该撞什么早撞上去了，所以这个事也不行。而且这个系统在云端，没有开源，万一网络不通，也是不行的。还有一点，Jev只能处理文本，不能处理图片、视频和声音，所以让它做自动驾驶、做机器人，搞不定。当然，自动驾驶和机器人里一些不那么着急的大逻辑判断，它可以干；但是让它去做一些动作判断——它是干不了的。
第三，很多人认为这东西零幻觉，这也是不对的。它在很多时候会告诉你，这个事我拿不准，有可能是真，也有可能是假，但是后边会跟一个数，叫置信度。像我让它做的一些测试，置信度就只有49%，也就是它拿不准。所以千万不要认为这东西零幻觉，而且这个模型最后的判断准确率也就是68%，也不要认为它就是对的，千万不要抱有这种幻想。
TypeSafe AI、Jev与“快思考”
先把它不能干什么说明白，然后介绍一下这家公司。公司叫TypeSafe AI，在旧金山，2024年创建，闷头做了两年，到9月15号才露面。露面时宣布了两件事：第一，我的模型出来了，到底能干什么；第二，拿了种子轮融资，4,000万美金，由DCVC领投。媒体援引知情人士说，估值是2亿美金上下。
大家注意，它并没有真正披露这4,000万美金投进去以后估值是多少。如果4,000万投进去，估值是2亿美金，那就是占20%。这个有一定的代表意义，说明这家公司的议价权并没有那么强。有时候议价权很强的公司，基金的占股比例会非常低。
创始人叫阿尔梅达，原来是OpenAI后训练团队的。大家注意，他是后训练团队，不是预训练团队，这个后边还会讲。他是InstructGPT那篇论文的共同作者，ChatGPT背后那套人类反馈强化学习就是他们发明出来的。他现在的说法非常有意思：人类反馈强化学习优化的是人类的偏好，而不是任务的正确性；这个行业做出来的是更便宜的软件，而不是更聪明的软件。
说白了，就是模型被训练成听起来对，而不是真的对。他给自己参与发明的那套强化学习起了一个名字，叫“一条奇怪的岔路”。这对于后边判断这个模型到底能干什么非常重要。公司名字TypeSafe，意思是“类型安全”。程序员很容易理解，非程序员则需要稍微解释一句。
所谓类型安全，就是我们规定一个变量只能存整数，你就不能往里存小数，也不能存字符串。只要规定好了，它就是写死的，往里存其他东西就会报错。这就是一种编程特性。它声明好了，这里只有四个答案，绝对不是三个，也绝对不是五个，就是四个答案。
模型名字叫Jev，J-E-V，其实是杰文斯的缩写。杰文斯是19世纪英国的经济学家，他发现了一个很反直觉的事情：蒸汽机烧煤的效率提高了，煤的消耗不降反升，因为便宜了，用的地方就多了。这叫杰文斯悖论。最后讲Jev模型对整个行业的影响时，我们还会用到。官方博客的原文是：智能的成本每降一个数量级，用得上的场景就会多出几个数量级来。这家公司把赌注直接写进名字里了。
第三个有趣的地方叫“快思考、慢思考”，引自卡尼曼的《快思考，慢思考》。现在的大语言模型一般都是System 2，也就是系统二的慢思考，为的是得到更准确的结果。比如一步一步进行推理，对推理进行循环，把各种推理分叉，得到一堆结果以后再归并起来。这属于很典型的深思熟虑过程：把各种可能的结果都摆明白，看看是不是能得到一个最好的结果，这叫系统二。
而Jev属于System 1，也就是系统一：一次前向计算，所有候选一起算完，不吐字。这就像人有时候会做的直觉判断。我看到你就觉得讨厌，后边我就不停地找各种理由，越看你越讨厌。我们经常讲的“疑邻人为贼”，我看着他就贼眉鼠眼的，觉得他像小偷，后边就找各种各样的理由证明他是小偷。一开始的第一眼就是系统一，所以这个公司管他们的模型叫系统一模型，也就是这种快思考模型。
它只做三种题，收费也反着来
现在的Jev只能做三种题。第一种题叫是非题，你问它一句真的假的，它返回0和1的概率：是0的概率是多少，是1的概率是多少。第二种叫选择题，最多给它255个候选项，它从里头挑一个出来，然后给每个选项做一个概率，排一个序。第一次选项的概率是多少，第二个选项的概率是多少，这一次最高概率的是哪一个，你挑它就可以了。
第三种是评分题，给它一个量表，让它直接打分。比如给它100个数，让它去打1至5分，打完以后告诉你这个置信度是多少。它现在就能做这三种题，除了这三样，什么都不会。它不会写文章，不会写代码，也不解释为什么，所有图片、声音、视频一律都不行。
收费特别有意思，这个东西是反过来的。正常大模型都是三个收费价格：第一个叫输入价格，第二个叫有缓存输入价格，第三个是输出价格。通常第一个价格比如是一块钱，第二个价格可能是两毛钱，第三个价格可能是10块钱。一般就是输出最贵，其次是输入，最便宜的是缓存输入。
而Jev的收费只有输入价格，没有输出价格，也没有缓存的事。它的输入上下文就是32K，也没有什么100万token上下文这种事，没必要。为什么它输出反而不要钱？因为它输出就这么点东西，可能只有几十字节，或者撑死了100字节的一个JSON结构化结果，告诉你是0还是1、几率是什么样的，就完了，没有更多输出。它只算输入的钱，100万token是4.2美分，非常便宜。
真正该替换的，是昂贵的校验工序
为什么这样的模型有价值？这个需要跟大家讲清楚。现在让大模型干活，不是说生成一个报告就完了，而是这个报告必须使用真实的数据，必须引用可信信源的数据；哪些必须引用论文，哪些必须引用新闻媒体，不可信信源一定要标注出来，这才是报告真正的写法。
传统的大模型怎么干活？先生成一遍，后边不是还有一大堆要求吗？再让这个大模型一遍一遍去核实这些要求。在这个过程中，再调用搜索、网页提取等工具，做完以后再核实，而且所有这些动作都是用最贵的模型做的。因为前面生成内容的模型一定是最贵的，你说我写报告，这就是我交的作业，有贵的就不使，对的。所以整套系统都是用最贵的模型跑完。
我自己用一些技能做了这种拆解，校验用的token通常是整个token消耗量的一半左右，也就是50%。这就费劲了。你想，我用gpt5.6 Sol或者GPT-6 Astra做一个很复杂的技能流程，有一半的token都是去做校验，这没必要。所以干脆把这一部分省出来，所有需要做校验的部分都扔给Jev，你就不要自己去做校验了，成本一下就降低了。
它现在的成本是GPT-5.6的二百分之一，效率比GPT-5.6大概快400倍左右。我举一个实例，我每周三要做“老范读评”。每周三北京时间晚上8点，我会把这一周的评论都拎出来，找其中有趣的跟大家聊一聊。像“老范你真棒”和“老范你真傻”这样的就删掉了。我最早是人工判断，要把一周的所有评论都看一遍，现在就改成让GPT去看。
我会要求它：太长的，超过180字直接删掉；太短的也删了；中间找一些情绪比较强烈、信息量比较大、跟我这个内容相关的发给我。GPT干的活是打开浏览器，先按时间排序，把过去7天所有评论都翻出来，然后一条一条地做判断。用GPT-5.6 Sol去做判断，这事是很痛苦、很贵的。
以后我就可以把这个事情交给Jev模型去干了。先把这个视频的标题和视频的简介拎出来，再把一个一个的评论拎出来，扔进去让它做判断：这个是不是太长，是不是太短，是不是有有效的信息补充，说的事跟我们现在讲的这个视频是不是相关，里头是不是有很强烈的正面或者负面的情绪。
而且注意，这个判断是可以并行做的。它可以一次性把所有的问题都提好，并行地把结果都吐出来，效率非常高。我自己也做了一个测试，拿5个真实场景跑了一轮，全部跑完以后，一共花了大概0.01美分，非常便宜，基本上可以忽略不计。就算每天调几千次，一个月大概也花不了几美金。
从Vercel接入，再把输入喂对
下一件事，大家把它用起来。怎么用呢？第一条最老实的路径，就是去官方排队。它现在在TypeSafe.ai上有waitlist，排队等个一两天就能批，这一块是可以用上的，但是没必要。现在我使用的是第二条路，叫Vercel。
Vercel是一个轻量化的云服务网站，上面有各种各样的AI模型调用服务，直接在上面绑卡、拿key就可以调用了，国内的Visa、Master卡都支持。因为实在非常便宜，所以不用太担心绑上以后钱哗啦哗啦就花掉了。我前面在OpenRouter上绑的卡，那个花钱确实很吓人，最后只能把它解掉了，实在受不了。
其他的，赛博菩萨Cloudflare上也有，但是你需要订阅一个5美金的Workers套餐，否则不让你用。现在最便宜、马上就能用上的，就是Vercel这个网站。很多人说：“你说了半天这么热闹，我使不了，我不是程序员，这API不会调，怎么办？”
这非常简单，直接找Codex、Claude Code，或者你自己用的豆包这些工具，然后直接跟它说：“我要在Vercel上使用Jev这个模型，我的key是什么，把它给我封装好。”完事了，它就直接给你做好了。下一次再去做技能的时候，你就直接跟它说：“你现在给我设计一个技能，其中所有判断的部分扔给Jev去做。”搞定。你不需要写任何程序，就可以在复杂技能中把所有判断都外包给Jev，这完全没有问题。
但是这一步有一个动作非常重要，不能省掉，就是质量评估。你让它修改技能的时候，一定要让它做质量评估，看看修改以后得到的结果质量是不是下降了。如果质量下降了，咱们再看看如何调整。怎么调整呢？就是调整输入信息。因为你直接问它：“这个硬币扔出去，应该是正面还是反面？”它能判断得准吗？肯定判断不准。你要找到充分的信息输入进去，它才可以进行比较好的判断。
怎么把信息喂进去呢？最好的方法就是上程序，写一个Python代码。当然，这代码也不需要你写，让AI去写。你可以说：“请帮我对这个数据进行抽取，抽取以后做Jev的判定。”或者做RAG，通过Embedding模型做矢量空间的召回。
拿到这样的东西以后，再扔给Jev模型，让它去判定。把数据整理好、格式化好再给它，不是说越多越好，把不相干的内容放进去以后，准确率会下降。如果实在搞不定这些编程的东西，也没有RAG的本地知识库，怎么办呢？还有一个很简单的方法。
就是找最便宜的模型，比如GPT-5.6 Luna这样的模型，把这么多的数据扔进去，让它做信息抽取，按照一个什么样的格式抽好，然后把抽完的结果扔给Jev模型做判断，这也是可以的。而且记住，一次问一堆问题进去。
千万不要这次问“真的假的”，下次再问“给我打个分”，不要干这个活。一次把一堆问题全问进去，就是输入一堆的问题，效率非常高。有人做过测试，一次塞了1,500个问题进去，610毫秒也出结果了。
游戏、无人机与语义防火墙
所以外头已经玩疯了，游戏是重灾区。有人拿这东西去打超级马里奥，问这个界面怎么样。当然，读界面这一块是由其他模型来搞定的，Jev只负责判断往前走到底会不会有坑，现在跳一下能不能过去。还有人拿它去打Doom，以及俄罗斯方块、吃豆人、五子棋，都有人测试，非常好玩。
当然，也有人拿它去接无人机。刚才不是讲过，接机器人、接无人车是有问题的吗？它是这样的：基本动作还是要让传统的模型、飞控系统去做，但是一些逻辑上的战术判断可以交给Jev。我应该向左飞还是向右飞，应该采取什么样的策略，路径怎么选择，这些扔给Jev，效果也还是不错的。
真正有用的是工具这一类。比如我现在做语义防火墙，挡住Agent什么时候该调工具、什么时候不该调工具。因为如果不拦着它，有的时候Agent自己就找工具调用去了，会浪费很多token。让它先判断一遍，我到底应该向左边走还是向右边走，应该调哪个模型。
是应该调浏览器，还是应该调搜索，还是应该调页面提取，这些东西让Jev去判断，效果非常好。他们测试了，可以实现94%的错误工具调用拦截，这就可以省太多token了。还有人拿它去扫GitHub上的提交，自动分出来哪些是修bug，哪些是补安全漏洞，效果也很好。
我最喜欢的一个案例叫“人类编译器”，大家听听是不是很有意思。就是把公司里那些阴阳怪气的邮件当代码编译一遍，然后出一个报告，说哪句话是假装紧急，哪句话是在骂人。编译一次以后扔给老板看一看，以后这种性格耿直的老板就可以看出来：“原来你在阴阳我。”
这个以前可能很多人看不出来，让人阴阳了以后还自己暗自开心，以后就不会有了。当然，如果公司做了这种人类行为或者语言编译器以后，会不会造成一些其他的损害，咱就不负责任了，只作为趣事跟大家分享。
把这些加起来，就说明一个结果：判断这道工序一旦便宜到可以忽略不计，人就会开始往一切地方塞这个判断，杰文斯悖论就会实现。当这东西便宜以后，人们就会疯狂使用。
行业冲击：先承压，再腾飞
Jev会怎么改变AI行业？首先说Jev是不是可替代，它的门槛到底高不高。这件事判断不了，因为它什么都没公开：不开源，没发论文，权重不开放，参数量和架构没说，怎么训练的、用了多少数据、用了多少卡，也都没说。
它只是说，所有数据都是生成数据，是用这些生成数据训练的。创始人阿尔梅达的说法是，论文暂时先捂着。既然是这样，估计它的门槛应该不是特别高。它准备先申请专利，申请完专利以后再发论文，但是这层窗户纸应该并不厚。
有个叫休姆的人做了一整套探针测试，从外面推断Jev应该是一个稀疏专家混合模型，活跃参数大概是10B左右。最关键的一句是，Hacker News上有人留言说：“这东西说白了，不就是一个零样本分类器吗？”阿尔梅达的原话是：“完全正确，就是一个零样本分类器。”
所以，想得到这样的东西并不复杂。找一个几B，或者最多10B的MoE小模型，做微调不就完了吗？只干这一件事，效率可能比Jev稍微差一点，但是也差不了太多。Jev一方面是判断便宜，另一方面在效率和并行上应该还是下了一些功夫。但是，做这种判断模型本身应该并不难，各大厂现在应该都在路上，很快就会推出类似产品。
这东西一旦铺开，token消耗，特别是验证部分的token消耗，就会急剧下降。现在很多模型大家已经不敢用了，像GPT-6、Fable 5.1都不敢用。原因很简单：太多回路需要验证，太多循环在里面转圈，做一个很简单的事情，5小时额度就直接烧光了。
以后如果把判断部分外包给Jev这样的模型，把信息抽取扔给5.6 Luna这样的小模型，各行各业里的使用量一定会翻番地涨上去。所以对股票来说，可能会先承压、再腾飞。token使用量下降，对英伟达、美光、SK海力士这些股票来说会有压力，原来大家设计的这么多算力，可能用不掉了。
但是，就跟前面的杰文斯悖论一样，因为便宜了，应用场景就会大量爆发，未来一定还是会腾飞上去。至于TypeSafe AI这家公司，赶快把它卖了吧。因为这种单独做一件事情的公司，最后的商业变现会很痛苦。这样一个只有小聪明的产品，指望它做大做强，最后跟OpenAI、Anthropic竞争，想太多了。
趁着现在这个时间点正热，找个大团队把它卖掉。OpenAI、谷歌这些大公司赶快把它收进去，大家皆大欢喜就可以了。最后，我们要说一下，Jev这个模型可能会很危险。
最大的危险：把第一印象变成自动裁决
TypeSafe自己的公告也总结了Jev的准确率：67.8%，其实还不到68%。重点不在这里。同一套题，其他模型的分数是：GPT-5.6 Luna为66.8%，Terra为67.9%，比Jev还要稍微高一些；Sonnet 5为67.8%，跟Jev一样；Opus 5为73.1%；GPT-5.6 Sol为74.1%，是最高的一个。
所以，Jev的准确率在这里面叫中规中矩，它真正强的地方是快和便宜。如果花了几百倍的钱，只得到一个比它高一点点的正确率，那就没必要了，还是用Jev吧。这样的情况下，为什么说它很危险？因为任何事情都让它做判断，而且很多人看判断时只看一个结果。
很多人并不看置信度。这样一来，很多冤假错案、很多固有印象，或者说得好听一点叫第一印象，就会参与判断，而且会让各种结果产生很大偏差，这才是真正危险的地方。
比如，我看着你不像好人，贷款就不给你审批了。假设做了这样的判定，它也不解释为什么。虽然里面有置信度，但是很多软件或者技能在制作时，可能压根就没读取置信度，于是就会出现这样的结果。
很多我们称为固有印象或者刻板印象的东西，其实已经被训练进这种模型里了。前面这位创始人也讲得很清楚：我们训练它，不是训练它做出正确的结果，而是训练它符合人的第一印象。以后这些刻板印象就会进入大模型，而且因为它太便宜、太快，以后大模型整体做出来的答案会更加符合我们的刻板印象。
还有一个很危险的地方是SEO。SEO就是针对搜索引擎进行优化，让我们的内容排得比较靠前。既然Jev这样的东西已经公开出来了，我们现在想做一些GEO，也就是生成式优化，就可以针对Jev这种判定模型做专项优化。
怎么能够让自己发出的新闻看起来更像是真的？大家注意，我说的不是“更加真实”，而是“看起来更像真的”，从而在Jev里面打分时得分更高。道高一尺，魔高一丈。只要有判别标准，就一定会有人做专项优化，这都是非常危险的。
说到底，这叫官僚主义。以前是有人看了你一眼，说“你这人不像好人”；以后可能连看你一眼的人都不见了。AI把你的简历、你提交的各种资料咵地一刷，直接刷掉了，为什么都不告诉你。
最后总结一下。Jev这个模型还是挺好玩的，该用就用，成本低到可以忽略不计。但是大家一定要注意，你请回来的并不是一个明白人，只是一个符合人类基本认知，或者说符合人类刻板印象，能够做题做到68分的判定器。不要盲目相信它，这就是我对大家提的最后要求。
今天这个故事就讲到这里。感谢大家收听，请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。
再见。
背景图片
