一篇文章告诉你Jev是什么、能做什么、怎么用

最近刷到很多关于新模型Jev的讨论，说这个模型不能生成文字，不能识别图片和视频，也不能写代码。

看到这，我很难想象它能做什么。经过研究，我发现它只专注一件事：做决定！

今天，我们从Jev的背景聊起，一起看看Jev是什么，它能做什么，以及我们该怎么使用它，最后分享X上比较火的3个实战场景。

一、背景

Jev是TypeSafe AI在2026年9月15号发布的新模型。创始人Diogo Almeida是当年一起做出ChatGPT的OpenAI团队成员，也就是他们让GPT真正学会了说人话。

Diogo Almeida在2024年退出OpenAI，花了两年的时间研究了一套新的模型训练方法（RLCD），最后的成果就是：Jev。

Jev这个名字来源于经济学上的“杰文斯悖论”。

19世纪的时候，蒸汽机越来越高效，人们预计会减少煤炭用量，但是事实是成本降低后，反而促使人们在更多行业使用煤炭，最终煤炭使用量不仅没有下降反而上升了。

提高效率，反而会增加整体的消耗量，这就是杰文斯悖论背后的原理。

TypeSafe认为AI也会出现这种情况：如果AI做出决策的成本变得更低，AI就会应用于更多的场景。

二、Jev是什么？

Jev其实就是一个专门做决定的模型。

比如，收到客户留言：“我买的东西还没收到，物流好几天没更新了。”

可以让Jev判断这条留言是属于“物流问题”、“商品问题”还是“付款问题”，然后把它送到正确的流程处理。

现在大家用AI搭建出来的自动化流程，里面有很多步骤只是做判断。

比如：GitHub上每日精选哪些内容只跟AI有关，一张客服工单需要转哪个部门，评论区的某个留言是否需要回复。

这些问题通常用“是”，“否”或者用某些固定选项回复就可以，但现在全部是由又贵又慢的大模型处理，这其实是一种效率很低，非常浪费时间和金钱的行为。

根据官方公布的数据，Jev跟现在主流的大模型相比，速度快了20-200倍，价格便宜了40-400倍。而且它的输出完全免费。

Jev解决的就是AI在做决定时效率低的问题，所以它从一开始就没打算抢占GPT、Claude等大模型的市场，而是从一个具体的日常决策场景切入，帮助大模型更高效地做决定。

三、Jev运作方式

Jev的运作方式和我们熟悉的大模型完全不一样。

当你问ChatGPT或Claude一个问题时，它会一个字一个字地输出答案，问题越复杂，等的时间也会越久。但是Jev不会给你返回具体的答案，你只需要给它三样东西：一份资料、一个问题、几个选项，它就会给你返回每个选项的概率，就像是在做选择题。

Jev不仅速度快，而且它的答案不会发散，因为它只能在你给的选项中进行选择，所以它能够做到极低的幻觉。

目前Jev能回答的题型主要分为三种：是非、选择、评分。

是非。当我们希望Jev只回复“是或否”时，可以应用这种运作方式。

比如，我们收到一条客户的信息：“我已经联系你三次了，还是没收到你的回复！”，你可以这样问Jev：“这位客户听起来是否感到沮丧？”
Jev不仅会回复是或否，还会返回相应的概率。假设返回值是：95%是、5%否，表明95%的概率答案是：“是”
我们拿到这个概率之后，就可以在自动化判断客户心情的工作流里，设置一个阈值。比方说沮丧的几率超过90%，就给我们发送紧急处理通知。这样一来，我们就可以省去人工审核大量信息的时间。

选择。当我们希望Jev只从我们提供的选项中进行选择时，可以应用这种运作方式。

你可以针对某个问题，先列出几个选项，Jev会从中挑出一个最合适的，同时也会告诉你每个选项的概率是多少。选项的内容完全由我们自己定义，最多可以列到255个。而且可以给每个选项写一句简短的说明。
比如，上面我们已经判断出客户的心情，可以再进一步让Jev判断这个问题应该进入哪个处理优先级。你可以把选项设定为：普通咨询、需要跟进、严重紧急、无法判断。

评分。当我们想判断某事物的等级或者程度时，可以用这种运作方式。

我们可以先将一件事情定义出不同的程度级别，从低到高写出每种级别代表的意思，最多可以分为11个级别。Jev会告诉你现在处于什么程度级别。
比如，我们用来筛选潜在客户，你可以设定0分是白嫖党，1分是有收入的打工人，2分是小团队，3分是大公司。如果有一个目标明确，预算充足的企业通过表单来咨询，Jev可能会给出2.9分。然后你就可以设定2.5分以上，就触发紧急通知到负责人，这种方法可以增加我们获得客户的概率。

所以，Jev的能力和定位非常清楚，它能做的就是“是不是”、“哪一个”、“等级和程度”，这三类问题。而很多自动化工作流中的判断逻辑，大部分也离不开这三种。

Jev模型用起来的感觉就是：设定规则，丢进去资料，瞬间就会给你一个决策。