Simon Willison 评 Jev：输出浮点数的「决策模型」新物种
Simon Willison · rss · 2026-09-22
Simon Willison 撰文分析 TypeSafe AI 新发布的 Jev——被官方称为「System One 模型」、他更愿意叫「决策模型」的新类别：输入仍是文本，但输出不是文字，而是对应类别、是非判断、评分及置信度的浮点数。要点：
- 定价激进：只按输入 token 计费，输出免费，首个模型 $0.042/百万 token，比 GPT-5 Nano（$0.05/M）还便宜。
- 三种问题类型：Noul（Bernoulli）是非题返回 0-1 置信度；选择题返回选项概率分布；评分题沿自定义数值区间打分。一个 state 可并行挂任意多问题，耗时与单问相近。
- 适用场景：分类类任务——垃圾检测、打标签、排序；Willison 自己试了搜索重排（BM25 取 100 条候选再让 Jev 打分）。
- 黑盒担忧：Jev 比普通 LLM 更黑盒——只给浮点数、不给理由，偏见问题更突出（他担心有人拿来筛简历）；一个实验里它给湾区城市打「好城市」分，Cupertino 最高、East Palo Alto 最低。evals 因此更重要，好在足够便宜可跑上千次实验。
- 社区玩法：jevchat（把 Jev 变成极差聊天模型）、jev-leftpad（用选择题实现 left-pad）、jev-2048（玩滑块游戏）。
- 开源复刻潮：基于 Qwen 3.5 的开源复刻 Kev（0.8B/4B/9B），还冒出了 JevBench 基准。发布不到一周生态已相当热闹。
「模型」频道最新
- 论战补充：用前沿模型攻数学难题仍是「极客专属」 — felpix_ · 2026-09-22
- Meta Muse 曝零日漏洞,本地进程可窃取提示词与认证凭据 — MicahBerkley · 2026-09-22
- Grok 4.7 现身：用户热议新模型，期待用量额度重置 — BWay124 · 2026-09-22
- 延续争论：OpenAI 招揽博士团队正是为驾驭前沿模型 — felpix_ · 2026-09-22
- 研究者：普通人靠 prompt 难让模型解决自然科学难题 — felpix_ · 2026-09-22
- 开发者热论：基准测试毫无意义，模型之间只剩「感觉」差异 — gnukeith · 2026-09-22