这两天硅谷开发者社区被一个叫 Jev 的东西刷屏了。创始人的发布帖两天拿了超过 3000 万次浏览、6 万多个赞，DCVC 领投了 4000 万美元种子轮，有媒体说估值大约 2 亿美元。

这个 Jev 到底是什么？

先说背景。造它的人叫迪奥戈·阿尔梅达，前 OpenAI 研究员，参与过 InstructGPT 论文。InstructGPT 是 ChatGPT 的直系前身，就是那套让 AI 学会听人话、像人一样说话的训练方法。这哥们当年帮 AI 学会了聊天，离开 OpenAI 之后花了两年，造了一个不会聊天的 AI。

对，Jev 不会写文章，不会写代码，不会跟你对话。它主动砍掉了大模型最核心的能力：生成文本。它只干三件事：从一堆选项里选一个，给一个东西打个分，判断一件事是还是不是。就这三样，没了。

为什么要这样做？阿尔梅达的解释是，现在的 AI Agent 系统里有一个巨大的浪费。

想象一下，你是客服主管，每天几千封邮件要分拣，退款的归退款，投诉的归投诉。你让大模型来干，它会先写一大段分析：“这位客户情绪偏负面，涉及产品质量，建议归为投诉类……”写得很好，但系统根本不需要这段话。系统要的只是一个词：“投诉”。中间那些文字，没人读，也没软件用，生成出来就白白浪费掉了。

一个复杂的 AI 工作流可能要做上百次这样的判断，每次都让大模型跑一整套生成流程，等于用大炮打蚊子。

Jev 就是把这些“小判断”单独拎出来的专用模型。它的架构是全新的，不是把大模型缩小，而是从头设计了一种并行采样的方式，所有输出一次性生成，不用像大模型那样一个字一个字往外蹦。

快多少？同样一个分类判断，GPT-4o 可能花好几秒，Jev 压到几十毫秒，快了近 200 倍。成本呢？因为不需要生成任何文字，每次调用的算力极小，官方说只有原来的四百分之一。输出 token 的费用直接标了“免费”，原话是“太便宜，不值得计量”。而且它在数学上保证不会出类型错误，幻觉率是 0%。

实际跑起来怎么样？Browser Use 的创始人做了个演示，让 AI 搜一张机票，传统大模型驱动的浏览器 Agent 磨蹭了好几分钟，换成 Jev 处理中间判断，7 秒跑完。有人拿它压缩 128 万 token 的上下文，逐段判断哪些跟任务有关，筛完只剩 8.6 万，缩了 93%，关键信息没丢。还有开发者测试了 777 次分类，总花费大约 0.25 美分，不到两分钱人民币。

类似的思路其实早就有人想过，为什么偏偏 Jev 在这个时间点爆了？

过去一年，AI Agent 从概念走到了真实的生产环境。Anthropic 最近披露了内部数据：半年前 Agent 主导的任务占比还不到 1%，现在飙到了 26%，3 万个 Agent 同时在跑。Agent 跑得越多，中间环节的小判断就越多，每次都调大模型，账单高得离谱，延迟慢得想骂人。Jev 出现的时候，恰好是所有人都受够了的时候。

回头看这件事，挺有意思的。过去两年大家都在卷“全能”，什么都往大模型上堆。但拆开来看，Agent 系统里真正需要语言能力的环节，可能连一半都不到。大量中间步骤要的只是一个选择、一个评分、一个是或否。我们一直在用会说话的模型，去干不需要说话的活。以前没别的选择，只能这样。现在 Jev 出来了，它未必是最终答案，但它让大家看到了这个错配。

需求匹配得准，比一味追求全面更重要。做产品如此，做 AI 也是一样。

#科技先锋官##How I AI# #Jev为何火爆AI圈#