决策模型 Jev：发布即爆火到开源跟风

第 1 集 · Kev 开源小型决策模型家族发布并重构至 Qwen3.5(2026-09-21,5 条)

开发者 Jared Palmer 开源了小型「Jev 式」决策模型家族 Kev，并于 09-22 完成基于 Qwen3.5 的重构，发布 0.8B、4B、9B 三个新 checkpoint，采用 Apache-2.0 许可，附带训练代码和冻结评测套件。项目已登上 Hacker News 讨论，成为本地可跑的轻量决策模型新选项。

已确认

• Kev 最新版本基于 Qwen3.5 构建，规格为 0.8B、4B、9B 三档，Apache-2.0 开源，附训练代码与冻结评测套件，并提供可用 Modal 运行的微调脚本。
• 9B 版本以 bf16 精度可塞进 32GB 的 Mac。
• 项目早期版本演进：最初 Kev-0.5B 基于 Qwen2.5-0.5B，提供 TypeSafe 兼容 API，可在 MacBook Pro 上直接训练和运行；随后升级至 0.6B、4B、8B，基于 Qwen3，采用 LoRA + 小型指针头技术，单张 H100 训练 40 分钟即可完成。
• 定位为可自训自部署的小型决策模型，面向决策任务场景；项目已登上 Hacker News 讨论。

为什么重要

• 大型评测/决策模型通常需要大量算力，Kev 证明小型模型也能承担判断任务，且可完全本地训练与部署，降低了使用门槛。
• 一天内连续快速迭代（Qwen2.5 → Qwen3 → Qwen3.5）并同步开源训练代码，对社区复现和二次开发十分友好。

• 开源决策模型 Kev 发布 0.6B/4B/8B,单张 H100 训练 40 分钟 — TheMoonMidas · 2026-09-21
• Kev:基于 Qwen3.5 的 Jev 风格微型决策模型家族登 HN — petrusenko_max · 2026-09-21
• Kev-0.5B：基于 Qwen2.5-0.5B 的迷你开源决策模型发布 — multiply_matrix · 2026-09-21
• Kev 重构至 Qwen3.5,开源小决策模型更新 0.8B/4B/9B 三档 — alexcovo_eth · 2026-09-22
• 开源 Kev 决策模型家族:0.8B/4B/9B 本地可跑,9B 塞进 32GB Mac — khiladi1729 · 2026-09-22

第 2 集 · 分类模型 Jev 走红:40 秒处理 724 条广告仅花 0.09 美元(2026-09-24,2 条)

AI 前沿实验室 TypeSafe 于 9 月 15 日发布分类模型 Jev,与常见的生成式模型不同,它专注于对文本和结构化数据做判断分类,快速、便宜且足够准确,适合大规模处理邮件分类等任务。Matthew Berman 在 X 上的演示显示,Jev 仅用 40 秒拆解 37 个品牌的 724 条实时广告,完成 8700 多次分类,token 成本仅约 0.09 美元,演示播放量已破百万。

• Jev 40 秒拆解 37 个品牌 724 条广告,仅花 0.09 美元 token — sibraan_ · 2026-09-24
• Jev 分类模型爆红:专做判断而非生成,X 演示播放破百万 — danshipper · 2026-09-25

第 3 集 · 判断模型 Jev 上线即爆火：只做决策不生成文本(2026-09-25,8 条)

隐身两年的前沿实验室 TypeSafe AI 于 9 月 15 日发布新模型 Jev，并在本周免费登陆 Vercel AI Gateway。Jev 定位为「系统一」式快速结构化决策模型：不生成文本，而是接收共享状态与带类型的问题，返回布尔值、概率等代码可直接执行的窄域结构化决策，理念是「code owns the workflow, AI handles narrow decisions」。官方数据显示，相比用通用 LLM 完成同样的分类任务，Jev 最高快 200 倍、便宜 400 倍；上线 24 小时内近 13% 的付费团队开始使用，是同期新模型采用率的两倍以上，36 小时内约 14 万开发者涌入内测。

已确认

• 发布方为 TypeSafe AI，模型名为 Jev，已在 Vercel AI Gateway 免费上线，32K 上下文，促销定价至 2026 年 9 月 25 日（@JohnPhamous）
• Jev 不做文本生成，只做分类、打分和路由，返回可直接执行的窄域结构化决策，典型用法如判断邮件是否紧急、某段文字是否像 AI 写的、是否该升级客户服务等（@rseroter、@adnanhashmi、@every）
• 官方宣称比 LLM 做同类任务最高快 200 倍、便宜 400 倍；定价为每百万 token 输入 0.042 美元、输出免费（@multiplymatrix 转述）
• 一项小型独立测试中，通用模型每次回答是非题约花费 910 个输出 token（@rseroter）
• 输入比常规便宜 238 倍且输出免费；在 1 万 token 状态 × 1000 次决策的场景下，Astra 需约 100 美元而 Jev 只需 0.42 美元（@multiplymatrix 转述，该帖同时强调省钱关键在架构而非单价）
• 据 @创业邦 报道，上线 24 小时内近 13% 的付费团队开始使用 Jev，为同期新模型采用率的两倍以上；36 小时内约 14 万开发者涌入内测
• 据 @every 介绍，Jev 输入文本或结构化数据、输出一个概率，可高频调用；开发者 @hammermt 已基于它做出 Jevgram，可对文本按问题打分，也可让 coding agent 边写边改
• Delip Rao 指出 Jev 提供多数 LLM 不具备的校准置信度，加之速度优势，天然适合级联式判定架构，可用于构建「快」「慢」双系统思考，例如用 Jev 直接替换 Flash 充当快系统
• 科技媒体 Every 认为，这类判断模型的走红表明分类判断任务正在催生「意图驱动」的软件形态（@danshipper 转述）

为什么重要

• Jev 代表一种新的模型类型：把 LLM 从决策环节中剥离，让代码掌控工作流、AI 只处理窄决策，可能显著降低大规模决策类应用的架构成本
• 上线 24 小时即获近 13% 付费团队采用，且社区已出现 Jevgram 等实际应用与 coding agent 集成案例，显示该模型类型在生产环境存在真实需求，而非纯概念炒作
• 校准置信度与极低延迟的组合，为级联式/双系统架构提供了此前难以实现的构建块，或催生新的 AI 应用架构范式

• 分类模型 Jev 号称快 200 倍便宜 400 倍,或重塑 AI 应用架构 — rseroter · 2026-09-25
• TypeSafe AI 评测模型 Jev 免费上线 Vercel AI Gateway — JohnPhamous · 2026-09-25
• Jev 输入便宜 238 倍且输出免费，架构比单价更省钱 — multiply_matrix · 2026-09-25
• 决策型新模型 Jev 走红：比主流 LLM 快 200 倍、便宜 400 倍 — adnan_hashmi · 2026-09-26
• Jev 独有校准置信度：为快慢双系统判定架构打开想象 — deliprao · 2026-09-26
• 砍掉语言只做判断:Jev模型上线即获13%付费团队采用 — 创业邦 · 2026-09-26
• Jev 判断模型走红:返回概率可高频调用,让 coding agent 边写边改 — every · 2026-09-26
• 决策模型 Jev 走红：分类判断任务正催生意图驱动软件 — danshipper · 2026-09-27

第 4 集 · TypeSafe 发布决策型模型 Jev，获 LangChain 高调背书(2026-09-26,5 条)

TypeSafe AI 上周发布新型模型 Jev，并迅速获得 LangChain 方面的高调背书：创始人 Harrison Chase 公开力荐 Jev 与 LangGraph 的组合，团队还配套发布了生产级构建教程。

已确认

• TypeSafe AI 发布 Jev，定位为决策型模型：不生成文本，而是返回类型化决策，输出代码可直接执行的决策，官方称之为「AI-powered decision model」。
• LangChain 创始人 Harrison Chase（09-26）公开推荐 Jev 与 LangGraph 的组合。他认为应把智能体建模为「嵌入 AI 的复杂系统」，LangGraph 是实现这种建模的最佳方式，而新发布的 Jev 与之高度契合。
• LangChain 团队成员 huntlovell 转发了 TypeSafe AI 的文章，并配套发布了教程《Building Prod with Jev and LangGraph》，介绍如何用两者构建生产级 AI 系统。
• Josh Rosen 撰文演示了 Jev 的用法。

为什么重要

Jev 代表了一种不同于主流 LLM 的输出范式：跳过自然语言中间层，直接产出类型化的可执行决策。其定位依据在于 agent 内部大多数 LLM 调用实际是在做决策——调用哪个工具、用哪个模型、动作是否安全、任务是否需要升级等，专用化后可省去不必要的文本生成环节。若与 LangGraph 这类智能体编排框架结合，可能简化生产系统中「模型输出→代码执行」的链路。LangChain 创始人亲自下场推荐并配发教程，显示这一组合值得关注。

• LangChain 创始人力荐:Jev + LangGraph 组合建模复杂智能体系统 — hwchase17 · 2026-09-26
• LangChain 创始人转发:LangGraph 与决策模型 Jev 高度契合 — hwchase17 · 2026-09-26
• TypeSafe 发布决策型模型 Jev:不生成文本,直接输出可执行决策 — hwchase17 · 2026-09-26
• LangChain 撰文：用 Jev 加 LangGraph 构建生产级 AI 系统 — LangChain · 2026-09-26
• TypeSafe 发布决策模型 Jev，不生成文本直接输出可执行决策 — airesearch12 · 2026-09-26