7.8
深览指数
科技虎嗅·黄天媛··AI 生成
号称快200倍的Jev模型，拿不下LLM的大结果
本文深度剖析了TypeSafe AI推出的Jev模型——一种“只做选择不聊天”的AI新范式。文章指出，Jev的核心卖点是比LLM快近200倍、便宜400多倍，但第三方测试显示其速度优势远没那么夸张。作者揭示了Jev在技术上的争议：它更像一个改进版的分类器（BERT派），而非颠覆性创新，且“不会幻觉”的宣称实为“不会输出非法格式”，仍可能做出错误判断。文章最终将Jev定位为一种更适合嵌入自动化流程的“决策部件”，暗示当前AI行业的热点正从“追求能力上限”转向“寻找最佳落地点”。有利于深度读者在喧嚣中快速判断Jev的真伪与价值边界。原文 ↗
核心观点
- ▍Jev模型并非LLM的颠覆者，而是一种在特定决策场景下更高效、更廉价的技术路径，代表AI行业从追求“能力上限”转向“最佳落地点”的信号。
- ▍Jev的核心价值在于它放弃了自由文本生成，只做选择、评分和输出概率，从而实现了比LLM更快的速度和更低的成本，但其“不会幻觉”的承诺仅适用于输出格式，不保证判断正确。
- 01TypeSafe官网宣称Jev“比LLM快193.6倍，便宜444.6倍”，但第三方测试公司AY Automate在2026年9月20日发布的报告显示，Jev比对照模型快约2到3.6倍，费用节省4.7到7.5倍（对比便宜小模型）或40到49倍（对比昂贵前沿模型）。
- 02Jev由前OpenAI研究员Diogo Almeida创立，他是InstructGPT论文和GPT-4技术报告的署名作者。TypeSafe获得了DCVC领投的4000万美元种子轮融资。
- 03创始人Almeida认为，RLHF优化的是人类偏好，使模型更流畅自信，但可能掩盖其真实不确定性；而实现自动化需要模型提供可靠的置信度。Jev主动放弃自由文本，使其能力变窄但输出更简单、计算量更低。
- 04Vercel平台数据显示，Jev上线24小时后，接近13%的付费团队已经使用过它；截至9月21日，Jev已占平台约21.2%的请求量，触达29%的团队，但这些数据是在限时免费推广期间取得的。
- 05开源社区已开始复刻Jev，例如Kev项目基于Qwen 3.5制作了0.8B、4B和9B三个Jev-like模型，JevRL项目在小型语言模型上增加了决策输出模块。
反方 / 局限
- — 第三方测试结果与TypeSafe官方宣传的速度优势存在巨大差距。自动化服务公司AY Automate的测试显示，Jev的实际速度优势仅为2-3.6倍，而非官方宣称的200倍。
- — Jev不输出错误格式不等于不会做出错误判断。开发者Simon Willison指出，Jev甚至可能比传统LLM更“黑盒”，因为它只输出一个数字（如0.83），开发者无法得知模型做出判断的依据。
- — 技术界普遍认为Jev的本质就是一个“分类器”，与BERT等encoder模型在技术逻辑上相近，所谓新范式的说法可能是“新瓶装旧酒”。TypeSafe尚未公开其RLCD训练方法的细节，其创新性仍无法独立验证。
JevTypeSafe AIDiogo AlmeidaOpenAIGoogle BrainDCVCVercelAY AutomateSimon WillisonInstructGPTRLHFBERTRLCD
9 分钟 · 4 卡片 · 8 资料
读原文 →