7.4
深览指数
产品人人都是产品经理·特工宇宙··AI 生成
爆火的 Jev 模型，到底能帮我们做什么？
Jev 是一款放弃文本生成能力、专注于高速低延迟决策的 System One 模型，由前 OpenAI 研究员 Diogo Almeida 创立。它能在 70-500 毫秒内完成分类、路由、评分等结构化决策任务，成本仅为 GPT 系列的百分之一。文章详细介绍了 Jev 的原理、API 使用方式以及多个爆火应用案例（如航班搜索、驾驶模拟、实时交易），并指出它填补了大模型在高频微决策场景的空白，开辟了“更快、更专、更便宜”的新赛道。适合对 AI 产品架构、推理效率与成本优化感兴趣的读者。原文 ↗
核心观点
- ▍Jev 放弃通用文本生成能力，专注高频、低延迟的结构化决策任务，打开了一条有别于通用大模型的“更快、更专、更便宜”的新赛道。
- ▍Jev 填补了 AI 生态中被忽视的微决策需求：将单次 AI 决策成本降到万分之一美元、延迟压到 100 毫秒以内，使原本不划算的场景得以落地。
- 01Jev 输入 Token 价格每百万 0.042 美元，约为 GPT 系列的百分之一；官方标注输出 Token “免费，太便宜不值得计量”。
- 02Jev 单次决策耗时 70-500 毫秒，在同智能水平下比前沿模型快 40-200 倍。
- 03Jev 不逐 Token 生成文本，而是并行采样、一次性输出所有候选答案的概率及置信度，并返回选择、是非或评分。
- 04browser-use 团队用 Jev 在 Google Flights 上搜索航线，8 次表单操作总耗时 7.1 秒，总成本仅 0.0039 美元。
- 05开发者 Toran Bruce Richards 将 Jev 接入驾驶模拟器，每 50 毫秒决策一次，实现接近人类反应速度的驾驶控制。
- 06X 用户 @milesdeutscher 用 Jev + Opus 5.5 构建实时股票交易机器人，结合高频算法框架实现自动交易。
- 07Jev 的创始人 Diogo Almeida 曾参与 ChatGPT 基础技术的研发（让大模型学会遵循指令）。
反方 / 局限
- — Jev 完全放弃了文本生成、代码编写和对话能力，适用范围只限于分类、路由、评分等结构化决策任务，无法满足需要自由输出的场景。
- — 目前 Jev 的 checkpoint 状态标注为“experimental”，置信度定义为“最大候选概率，不保证正确性”，实际可靠性尚需更大规模测试验证。
- — 文章提到未来通用模型在决策任务上可能追上来，但并未深入分析 Jev 相对于蒸馏加速模型的长期竞争壁垒。
JevDiogo AlmeidaTypeSafeOpenAISystem OneDaniel Kahneman思考，快与慢William Stanley JevonsJevons 悖论browser-useToran Bruce Richards@milesdeutscherGoogle Flights
13 分钟 · 4 卡片 · 9 资料
读原文 →