「Jev 是什么」热议：只做判断不写字的决策模型，为何被称为范式转变

demian_ai · x · 2026-09-23

作者系统梳理了 Jev（一类只输出结构化判断、不生成文本的模型）的定位与适用场景。

核心论点：

分工差异：LLM 的工作是「下一句写什么」，即使只要一个 yes/no 也得写出来；Jev 的工作是「这是什么」——输入文本（工单、邮件、应用状态快照）+ 预定义问题，直接输出代码可用的类型化答案：yes/no 概率、从列表选一、量表打分。
典型用法：客户工单进来后不让 Jev 起草回复，而是并行回答：是不是账单问题？归哪个团队？紧急程度？是否需人工介入？几百毫秒内出结果，if 分支由代码处理。
为什么快且便宜：无自回归输出 token，一遍填完评分卡，延迟约 70-500ms，只按输入计费。
范式意义：多数生产环境 AI 其实是「披着写作模型外衣的决策模型」——大家 prompt 聊天模型要 JSON、解析、schema 崩了重试；Jev 砍掉这层翻译。代价是它不能偏离清单，也不能自我解释。需要解释时把判断交给写作模型叙述。

作者结论：所谓范式转变不在「比 GPT 聪明」，而在写作与判断的拆分。

「编程与Agent」频道最新