JEV 深度拆解：$0.042/百万 token 的快速判断模型值不值得用
AGI Hunt · wechat · 2026-09-20
AGI Hunt 长文拆解 TypeSafe AI 的 JEV：前 OpenAI 研究员 Diogo Almeida 创办、融资 4000 万美元种子轮，发布 36 小时 14 万人加入候补名单，HN 榜首一整天。
它是什么：面向程序决策的模型，输入 state 与问题定义，并行返回选项、评分或概率，而非逐 token 生成文本。定价 $0.042/百万输入 token，输出免费，端到端延迟 70–500ms，适合低延迟高频的分类与路由，不适合复杂推理与长期规划。
关键实测发现（引用 Archer Hume 黑盒测试）：Choice/Score 带的 confidence 是分布统计量而非独立「答对概率」；Noul 正反两问结果之和可超 1，无互补约束；多问题并行比逐个发送快约 10 倍且答案一致；新增选项会改变已有选项的 log-odds（+0.38），提示选项间存在上下文影响。
架构与复刻：官方披露基于预训练 Transformer 做 RLHF、RLVR、RLCD 三条后训练，RLCD 优化「校准的决策」，具体配方未公开。「一次 prefill+读出头」是合理猜测但非官方确认。零训练复刻（LLM logits+温度缩放）可行，有实现报告 5–7 倍提速，但训练时优化校准与事后缩放并不等价，TypeSafe 主张屏蔽非法 token 不等于任务理解。
所属事件:决策模型 Jev 爆火：快 200 倍便宜 400 倍引热议(4 条相关)→
「编程与Agent」频道最新
- 一张 3090 跑 Qwen 27B 自主编码 3 周:交出可用 CUDA 内核 — skeole · 2026-09-21
- 开发者用本地 AI 修好商业应用首个 bug,同时吐槽 Pi 不兼容 iTerm2 — julianharris · 2026-09-21
- 开发者吐槽:没想到有一天会掏钱买 Meta 的编程订阅 — intellectronica · 2026-09-21
- 密码学教授用 AI 打造单向函数交互实验室,可写安全归约与攻击 — jedisct1 · 2026-09-21
- Astra 擅长沟通、Fable 擅长长程任务,开发者分享多模型分工工作流 — seatedro · 2026-09-21
- Sophia Yang 拿到 Jev 访问权,用 Fireworks 跑 RL 实验 — sophiamyang · 2026-09-21