它不生成任何文本，只做判断。你给它一堆信息和几个选项，它告诉你选哪个，概率多大。
我刚去试了一把，但很快整个网站就挂了，还没搞清楚具体原因。后面再想办法吧。
这个模型火到什么程度呢？36 小时，14 万开发者涌入 waitlist。LangChain、Vercel、Cloudflare 三天内完成集成。48 小时内出现了 6 个开源复刻。
为什么一个不会生成文本的模型，让这么多人抢着排队？
我翻了 TypeSafe AI 的官方文档、DataCamp 的技术分析、LangChain 的集成博客，可以自信地、大方地、光明磊落地帮你搞清楚这三件事。
- Jev 到底是什么，为什么叫 System One 模型？
- 它和传统 LLM、传统分类模型有什么本质区别？
- 做 Agent 开发的你，该不该用？
哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚最近爆火的 Jev 到底是什么。
先说第一件事，Jev 是什么。
Jev 是 TypeSafe AI 在 9 月 15 日发布的模型。创始人 Diogo Almeida 是前 OpenAI 研究员，做过 InstructGPT 和早期的 RLHF，就是 ChatGPT 背后的核心训练方法。他在旧金山秘密做了两年，同时宣布了 4000 万美元种子轮融资（DCVC 领投）和 Jev 模型。
Jev 的官方定位叫 System One 模型。System One 是心理学家卡尼曼提出的概念，指人类大脑那套快速、直觉式的判断系统，不需要深度思考，瞬间给出答案。
Jev 做的就是这件事。
你给它一段非结构化的应用状态，比如一个用户的退款请求，再给它一个预定义的结构化问题，比如“退款风险等级，低、中、高”。Jev 通过一次前向计算，直接在三个选项上分配概率，告诉你“低风险 85%，中风险 12%，高风险 3%”。
它支持三种决策类型。Noul，给一个是或否的概率。Choice，从预定义的选项里选一个。Score，打一个分数。名字取自经济学家 William Stanley Jevons。
用一句话来总结就是，DeepSeek 这类模型是个作家，能写七十万字的小说。Jev 这类模型是个裁判，负责吹哨，发红宝石卡和黄宝石卡。
那聪明的你肯定想到了，传统 LLM 也能做判断，传统分类模型也能做判断，Jev 凭什么这么火？
先看传统 LLM 怎么做判断。你让 DeepSeek 判断一条评论是正面还是负面，它会逐 token 生成一段文字，“这条评论的情感倾向是正面的”，然后你用正则表达式从这段文字里提取结果。
问题在哪？
慢，还有格式幻觉。模型有时候会生成你解析不了的格式，比如多了一个换行符、少了一个引号，你的代码就挂了。
再看传统的分类模型。快，不会有格式问题。但标签空间是训练时固定死的。你训练了一个“正面/负面”的分类器，现在想加一个“居中”的选项，对不起，需要重新训练。
Jev 介于两者之间。开发者用 JSON Schema 定义输出结构，Jev 的并行采样器（Parallel Sampler）在一次前向计算中同时产出所有判断，不走逐 token 解码。从机制上消除了格式幻觉，因为它根本不生成文本。
训练方法也不一样。Jev 用的是 RLCD（Reinforcement Learning for Calibrated Decisions），专门优化判断准确性和置信度校准。
聪明的你肯定要问，什么是校准？
模型报 90% 的把握时，实际正确率可能确实是 90%。你的代码可以根据这个概率自主决定，是相信 Jev 的判断，还是交给人工复核。
从 TypeSafe AI 官方给出的性能数据来看，比同类 LLM 快 40 到 200 倍，便宜 40 到 400 倍。输入价格 0.042 刀每百万 token，输出免费，延迟 70 到 500 毫秒。
LLM 是全能选手但出手慢，分类模型快但换个场景就报废，Jev 在两者之间找到了一个平衡，通用，但只做判断。
那聪明的你肯定又要问了，我做 Agent 开发，到底该不该用 Jev？
想想 Agent 的工作流。一个 Agent 在执行任务的过程中，要做大量高频小决策。比如说这条用户消息该分给哪个 Sub-agent？这段内容需不需要审核？风控初筛是通过还是拦截？当前步骤失败了，是重试、上报还是直接停下来？
这些决策每一个都很小，不需要停下来思考很久，只需要一个快速的判断。但这些问题出现的频率又很高，一个 Agent 一分钟可能要做几十个这样的判断。用大语言模型来做这些判断，就像请一个伟大的作家（比如说我）来当交通信号灯，能干，但杀鸡焉用牛刀？
Judge，正是 Jev 的设计目标。
生态方面，发布三天内 LangChain、Vercel、Cloudflare、Pydantic AI、LiteLLM 都完成了集成。48 小时内还出现了 6 个开源替代品。其中 Jared Palmer 的 Kev 基于 Qwen2.5-0.5B，在 MacBook M5 上 1 小时 45 分钟就能训练完成。Bespoke Labs 的 Nimble 基于 Qwen3.5-9B，准确率 90.12%，接近 Jev 官方的 93.21%。
AI 圈的一位大佬曾说过这样一句话：
generating language may be the wrong interface between a model and the software that has to act on it
翻译过来就是，模型生成自然语言，然后软件再去解析这段文字提取结果，可能本质上就是一种错误。Jev 可能才是真正的答案。当然了，我还是持这样的一个观点，Jev 取代不了 DeepSeek 这类大模型，但做意图识别是一顶一的好用。
最后简单总结下。
复杂推理交给大语言模型，高频结构化决策交给 Jev，这是 Agent 架构中越来越清晰的分工。
这个知识点你学会了吗？想解锁更多 Agent 硬核知识，点赞关注，我是二哥，咱们下期见！
