砍掉生成只做判断:Jev 模型快 200 倍、便宜 400 倍爆火开发者圈
量子位 · wechat · 2026-09-20
OpenAI 前研究员 Diogo Almeida（曾参与 RLHF、InstructGPT）创办的 TypeSafe AI 首度公开「系统 1 模型」Jev：不做文本生成，只输出判断、评分和校准概率，响应低至 70–500ms，比前沿模型快 20–200 倍、便宜 40–400 倍，输入每百万 token 仅 0.042 美元、输出永久免费。原帖浏览量超 3700 万，HN 热议。
- 三种能力：Choice（选项选择）、Score（按标准打分）、Noul（判断成立的概率），相当于带概率的「语义逻辑门」，多个独立问题可并行处理。
- 新训练方法 RLCD：强化学习用于校准决策，让输出的概率匹配真实发生频率（标 0.2 的事件约 20% 概率发生）。
- 「零幻觉」有折扣：保证答案类型正确（不会编出选项 D），但事实仍可能选错。
- 开发者用法：替代 GPT-5.6 Luna 做 Vercel fx 安全分类器（快 5–18 倍）；与 Gemini 比商业邮件分类，Gemini 略准但贵 10–20 倍；给 Agent 当低成本验收员、防越狱检查、模型路由（简单任务给快模型）。下棋测试显示 Jev 每步 0.3 秒、成本不到 GLM 5.3 的 1/80，但仍被 GLM 5.3 将死——下得快不等于想得深，混搭是主流结论。
- 开源版 Nimble：基于 Qwen3.5-9B 的 LoRA 微调，Apache 2.0，用「找不同」式数据训练；与参考标签一致率从基座 66.36% 提升到 90.12%（Jev 为 93.21%）。
所属事件:新模型 Jev 引热议：主打决策宣称快 200 倍便宜 400 倍(33 条相关)→
「编程与Agent」频道最新
- 用 LLM 攻关 800+ 图论猜想：已产出 30 多个完整证明 — marc_lelarge · 2026-09-20
- GitHub 15k 星教程：从零构建可靠 AI 编码代理的工程框架 — tom_doerr · 2026-09-20
- Jev 只会选不会写：WebMCP 线程解释为何需要 Mercury 2.5 补参数 — FinanceYF5 · 2026-09-20
- M2 Ultra 跑大模型太慢？Reddit 网友提议预提交系统提示做预热缓存 — butterfly_labs · 2026-09-20
- gemini-cli 修复模型 ID 解析：显式版本号不再被静默重映射 — Pcmhacker-piro · 2026-09-20
- 开源工具 underclass 把多个 ChatGPT/Copilot 订阅池成一个端点 — airesearch12 · 2026-09-20