Jev被全球开发者们抢着用！主动“少做事”，却反而火了！

抓 住 风 口 · 看 懂 趋 势

本期要点：一个主动少做了很多事情的模型，为什么火了？

你好，我是王煜全，这里是王煜全要闻评论。

最近，有个叫 Jev 的模型很火。

不仅众多媒体争相报道，而且实际调用量也很大。

Vercel 的数据表明，把 Jev 接入自己的 AI 服务之后，短短 24 小时，就有接近 13% 的付费开发团队试用过 Jev，首日覆盖率达到 GPT-5.6 系列同期的 两倍，成了这个平台历史上采用速度最快的新模型。

简单介绍一下，Vercel 是开发者常用来部署 AI 应用、接入 AI 模型的云平台，它所公布的数据具有不小的参考意义。

虽然 Jev 还处在免费期，所以现在不能说它已经取得了商业成功，但一个能力明明比 GPT、Claude 弱得多的模型，有这么多人马上就去试了，这件事本身就值得琢磨。

在特训营上，也有不少朋友让我谈谈这个模型，今天我们就来看看，它真正值得关注的到底是什么。

PART 01

快系统

首先，Jev 不是个能力比 GPT 或 Claude 更强的新模型。

恰恰相反，它不会聊天，不擅长复杂推理。

Jev 的母公司 TypeSafe 把它定义成 System One Model，也就是所谓的“快系统”模型。

用他们自己的话说，适合 Jev 处理的，是那种懂行的人拿到正确材料后、一两秒钟就能做出的“小判断”。

TypeSafe创始人，Diogo Almeida

比如，在客服的工作中，一个客户发消息说，自己的订单被扣了两次钱，要求系统退款。

Jev 不需要把整件事从头分析一遍，它只根据客户提供的材料，判断客户有没有明确要退款，主要诉求是退款还是换货，客户有多生气，公司的政策允不允许退等等。

总而言之，Jev 要处理的，都是那种熟练客服往往看一眼就能做出判断的小问题，而不是替企业完成整个决策。

至于到底扣了几次款、金额是多少，则由系统交给数据库模块去处理；最终是否执行退款，由公司的业务规则决定；如果需要给客户写完整的回复，就交给生成式大模型。

不过，顺带说一句，我们也看到，不少人把 Jev 的能力想得太强了。

看到 Jev 能快速给判断，还会量化这个判断的置信度，就有人往前推了一步，认为把它和 GPT、Claude 这些强模型接起来，就可以直接做成量化基金了。

这个理解不对。

Jev 是可以接进量化系统，但它本身没有预测市场、产生超额收益、稳定赚钱的能力。

在量化系统中，它最多是在已有的数据和信号的基础上，承担局部判断的责任，比如判断一条新闻属于哪类信号，对已有策略信号做分类，或者决定要不要调用下一个模型。

也就是说，它无法替你创造一个能赚钱的信号。真正的量化投资，还是要靠数据、有效信号、回测、风控、执行这一整套做法。

当然，你可能会觉得，做这种小判断，最强的大模型顺手就能做了，有必要专门搞一个 Jev 吗？

没错，大模型是可以做这些小判断，但是每次都让最强模型来做，没那个必要。

就像判断退款的类型时，没必要每次都调用最高等级的推理能力。

原因也很简单，判断一条消息是不是在要求退款，和判断企业要不要进入一个新业务、开启一个新战略，显然不需要投入同样多的认知资源。

其实，企业本就是按划算程度和对性能的需求来匹配任务。

Vercel 今年 8 月的数据就显示，成本更低的开源模型承担了 56% 的模型处理量，却只占了 14% 的支出。

便宜够用的模型已经在处理跑通了的工作流和一些要求不那么高的粗活，贵的模型则留给了真正值得付溢价的那一小部分高要求的任务。

例如，如果只是查找资料、抽取信息、做局部修改，就交给更快、更便宜的模型；如果碰到架构设计、高风险决策，再升级给更强的模型。

PART 02

认知拼图

有意思的是，这表明，AI 未来的运行会越来越像人的认知方式。

人也不是所有事情都坐下来认真论证，我们也有快思考和慢思考的两套系统。

大量熟悉、重复的问题，我们扫一眼就马上能做出判断。碰到真正困难、陌生的问题，我们才会停下来慢慢认真分析。

可以看到，过去几年，AI 最受关注的进步主要发生在后一种系统上，也就是思维链越来越长，模型越来越会思考。

但很多时候，AI 还应该要知道，什么时候根本不用想那么深，就像我们也不只需要会深度思考，还要会快速判断。

可见，判断一件事到底值不值得投入这么多智能，本身就是一种智能。

Jev 现在做的，就是把这个事单独拎出来，做成一个更便宜、更快的模型。

所以，Jev 最值得关注的一点，其实在于它主动地少做了很多事。

而且，Jev 和最近 Agent 的发展还相辅相成。

最近几个月，大家讨论比较多的一个词就是 Harness。

也就是说，一个能长期工作的 Agent，不能只有一个聪明的大模型，还得有一套机制来负责组织工作，比如明确哪些信息要一直记着，什么时候调用什么工具，什么时候把任务分给另一个 Agent，多个任务之间怎么协调等等。

换句话说，模型再强，也只是整个 Agent 的一部分。评价一个 Agent 时，还要看模型和整套运行系统配合起来效果怎么样。

过去我们谈 AI 进步，很容易把所有注意力都放在模型是不是够聪明，但 AI 还需要其他多种认知能力。

因此，未来，AI 很可能是个多模型相互协作的架构：深度推理模型负责难题；Memory 层负责记住过去发生过什么；工具层负责操作外部世界；Jev 负责迅速处理掉那些根本不值得深思的小问题；Harness 则负责把这些能力组织起来。

Jev 是这个体系中的一个小拼图，它补上的，是过去 AI 产业忽略的一块关键部分。

当然，它并不一定会发展成为一类长期独立的模型，并获得最终商业成功。也许，通用模型内部可以设置不同的“思考档位”，把今天由 Jev 这种专门模型承担的任务吸收进去。

但毫无疑问，Jev 说明了 AI 未来的发展趋势，那就是，AI 正在从一个聪明的模型，慢慢长成一套更完整的认知体系，甚至像我们此前思想荟文章所说到的，成为人的“理性外脑”。

那么，你觉得，AI 是否增强了你的认知呢？欢迎在评论区聊聊你的感想。

前哨 AI 小课 · 第六季

一顿火锅钱，带你紧跟 AI 浪潮

9 月底前报名享受 499 元早鸟价，想要学习的朋友抓紧点击链接上车！

↓点击报名前哨AI小课，赶上Agent浪潮！

创新地图 · 招募

由于业务发展，创新地图想招募一位负责市场活动的伙伴。感兴趣的朋友可以扫码上传简历，希望在未来的工作中能见到你！

可扫描此处二维码，花2分钟填写表单，让我们更快认识你，或者将简历请发送至 talent@innovationmap.cn

科技特训营

更多科技产业的一线洞察和底层规律，欢迎加入科技特训营学习，和我一起，先人一步，领先一路！

王煜全要闻评论，我们明天见。

↓长按图片扫码报名，先人一步，领先一路

最后， 鉴于公众 号推送机制的改变，你未来刷 到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间 得到我的独家前沿分析 ，快快扫码加入吧！