Jev 新范式：用校准数值决策替代逐 token 文本生成，7 请求/秒玩 Doom
JeremyCMorgan · x · 2026-09-23
Arcturus Labs 博客解析 TypeSafe 发布的 Jev 模型：不逐 token 生成文本，而是接收 state（任意文本/JSON）加一组 questions，几乎即时返回校准、一致的数值答案。三种题型：
- choice：从固定选项中选一，返回 {choice, probabilities, confidence}
- score：在有序量表上打分，返回 {score, legend, probabilities, confidence}
- noul：判断命题为真的概率，直接返回 0-1 的 noul 值
请求格式类似传统 prompt：state 是模型要考虑的全部数据，每个命名 question 带 type、instructions、可选答案集或 rubric。核心卖点是速度和数值预测的可靠性——传统 LLM 慢几个数量级，且其自报置信度常与实际不符。Demo 中 Jev 以每秒 7 次请求实时预测按键，流畅通关 Doom 地图并击败敌人，这是文本生成式 LLM 无法做到的。文章含马赛赛马预测的 API 示例。
所属事件:前OpenAI研究员发布决策模型Jev，宣称快200倍引热议(36 条相关)→
「编程与Agent」频道最新
- Stripe 官方详解:Agent 如何识别并调用 WebMCP 结账 — jeff_weinstein · 2026-09-23
- Opus 5.5 系统卡显示：多智能体更快达成相同结果，仅用 166/200 任务 — jyangballin · 2026-09-23
- Stripe 实测 WebMCP：在结账页直接调用新增工具的全流程演示 — jeff_weinstein · 2026-09-23
- 构建可自我改进的 AI Agent Harness：六维度自适应架构拆解 — MaryamMiradi · 2026-09-23
- Drop 发布：OS 级沙盒隔离 coding agents，防幻觉 rm -rf — aronchick · 2026-09-23
- 推理与工具调用分离：双轻量模型 48 小时筛 3 万晶体候选 — bravo_abad · 2026-09-23