Jev：只输出概率、不输出文字的决策模型

它是什么

TypeSafe AI 在 9 月 15 日发布 Jev，把它叫作 System One 模型；Simon Willison 和 Maggie Appleton 更愿意叫它「决策模型」。它仍然接收文本输入，但不生成文字，只对问题返回数字。你把一篇文章、一个客户、一条记录组织成一个「状态」对象，连同一个或多个问题一起发过去，每个问题返回一个结果。

问题只有三种：

1. 是否题：给出一个陈述，返回 0 到 1 之间它为真的置信度。内部叫 Noul，CEO 在 Hacker News 上确认取自伯努利分布。
2. 选择题：从给定选项里选一个，返回置信度和所有选项上的概率分布。
3. 评分题：给出一组带描述的数值刻度，返回刻度上的一个浮点分。

多个问题并行求值，所以一次问十个和问一个耗时相近。

价格和它的口径

只按输入计费，输出免费，首个模型每百万输入 token 0.042 美元，比 GPT-5 Nano 的 0.05 美元还便宜。据 InfoQ 转述官方数据，单次调用延迟约 70 到 500 毫秒。

那组流传最广的数字——比前沿模型快约 194 倍、便宜约 445 倍——来自公司自己设计的四套工作流评测，参考标签由 GPT-6 Astra 与 Claude Fable 5.1 在高推理档下的回答平均生成。官方自己承认这些数字处在现实收益的高端，评测由内部人员制作，可能有偏差。

它适合什么，不适合什么

凡是能写成分类的任务都适合：垃圾过滤、打标签、优先级、排序。Willison 在试的是检索重排——先用 BM25 这类便宜的算法取回 100 条，再让 Jev 按原始查询给这 100 条逐一打相关分。Theo Browne 的概括更形象：一个聪明的 if 或 switch 语句。

官方的能力边界文档写明，它目前不擅长数字、日期和对抗性内容。它改变的是语义判断的成本、延迟和输出形式，没有因此获得复杂推理能力；创始人自己的说法是「为软件而生，不为上帝而生」。

黑箱又回来了

这是 Willison 最不舒服的地方。大模型本来就是黑箱，但至少还能被要求解释——解释未必准确。Jev 连这个也没有：输入再多，出来的只有一个浮点数。它把一封邮件判成垃圾邮件时，是哪些信号起了作用？

他做了一个小实验：让 Jev 给旧金山湾区每座城市回答「这是好城市吗」，库比蒂诺排第一，东帕洛阿尔托排最后。偏见会藏在那个数字里，而把它拆开很难，所以他特别不希望有人拿它给求职者排序。结论是：评测和结构化实验比普通大模型项目更重要——好在它便宜到跑几千条实验只要几美分。

热度，和一条值得同放的异议

据 InfoQ，上线 24 小时内 Vercel AI Gateway 上近 13% 的付费团队用上了它；社区已经有用 Qwen 3.5 复刻的 Kev（0.8B、4B、9B 三档），以及一个专门比较这类模型的 JevBench。

Redis 作者 antirez 的异议值得放在旁边：它或许有一些很窄的场景，但围绕它的热度，恰好说明很多人分不清什么重要、什么不重要。真正要回答的问题是：这是一类新模型，还是把多年的分类技术换成了一个更快、更好用、也更擅长传播的接口？

和这个站的关系

本站 7 月收录的 LFM2.5-Encoders 讲的是同一件事的另一端：有一整类生产负载，输出是标签，不是句子。那一条是在本机跑的小编码器，这一条是托管 API 上的通用判断。两者都在说，用生成式大模型去做一个三选一，常常是形状不对，而不只是贵。