别为简单决策支付天价。Jev是专司决策的AI。为何重要

多数AI应用正悄无声息地为简单的决策烧钱——简单到孩子都能完成的分类或二选一——而每个决策都被发送到全球最昂贵的“大脑”处理，它总要先写一整段话才给出答案。

六天前，一家名为TypeSafe的公司发布了一个连一个字都不会写、只做决策的AI，它以约42美元的价格完成百万级决策。在一次公开演示中，它用1.42秒分类了100封邮件，成本仅约7美分。发布24小时内，Vercel近13%的付费团队已在使用它。

这就是Jev，而大多数人甚至不知道它的存在。

我的消息来源： linktr.ee/Noisy7

无人谈及的昂贵习惯

当你使用AI应用时，屏幕上只看到一个答案。但这个答案背后发生着无数你看不到的小决策，而每个决策都由同一个昂贵的大模型处理。

每个决策都是简单的问题配简单的答案：是或否、选择一项、或给出一个评分。然而每个答案都出自“这栋楼里最贵的大脑”——正是那个能写文章、编代码、做研究报告的模型。

更奇怪的是：普通AI无法直接说“是”。它必须像人打字一样逐词生成回答，再由另一个程序去解析那封“信”寻找答案。你为信中的每个字付费，也得等待每个字生成。

两种情况问的是同一个问题：一个模型写文章论述它，另一个只给出答案。

Jev究竟是什么

Jev不是聊天机器人，也不是更聪明的ChatGPT或Claude。它是一种全新的AI类型，为单一任务而生。TypeSafe AI于2026年9月15日推出该产品。创始人Diogo Almeida曾在OpenAI参与ChatGPT背后的研究，团队此后低调研发约两年才公开亮相。

TypeSafe称Jev为首个“系统一模型”。该名称源自丹尼尔·卡尼曼的心理学著作《思考，快与慢》——书中描述了大脑两种运作模式：快速自动的系统一，与缓慢审慎的系统二。

传统AI模型对所有任务都采用系统二模式，哪怕只是“接球”这样的简单动作。而Jev专为系统一只做快速决策，将慢思考留给其他对象。

实践中，Jev仅处理三类问题：

概率判定类似天气预报。当预报显示70%降雨概率时，比简单说“可能下雨”提供更多信息。Jev不仅给出决策，还标注置信度——这个细节往往改变一切。

价格近乎荒谬

AI公司按“标记”收费，大致相当于词语片段。你需为AI读取的所有内容和生成的所有回复付费。Jev读取成本为每百万标记0.042美元，且因从不生成文本，输出成本为零。

若每个决策读取约千个标记，实际成本如下：

百万决策的成本约等于一顿晚餐。TypeSafe自己的工作流测试显示，Jev比传统模型快194倍、便宜445倍。这是公司内部测试而非独立基准，实际效果因场景而异，但即便只有部分差距，每天处理数千决策时也会形成巨大优势。

开发者24小时内蜂拥而至

开发者运行AI应用的主要平台Vercel公布了一个引人注目的数据：发布24小时内，近13%的付费团队已尝试Jev，Vercel称其为“AI网关史上采用最快的新模型”。

Vercel排行榜显示更惊人的数据：截至撰稿时，TypeSafe约占26%的请求量，但仅消耗约1.8%的标记量。虽每日变化，但该模式揭示本质：

过去多年AI发展追求更多标记和更大模型。Jev暗示下一个趋势可能是用更少标记完成更多决策。发布六天内，它已出现在开发者工作的主要场景：

这对不足一周的产品而言是极快的起步。

当它与Kimi K3连接时

故事在此变得真正有趣。Kimi K3与Jev几乎相反。它是月之暗面开发的巨型AI模型，拥有2.8万亿参数和百万标记记忆，足以同时容纳多部厚书。它能识别图像、编写与修复代码、开展复杂研究并长时间逐步推理。可将其视为能同时阅读整排书架、并为你撰写详细报告的学者。

理论上Jev与Kimi K3看似毫无共同点：一个写不了完整句子，另一个能著书立论。但这正是它们完美契合的原因——擅长领域完全不同，成本也天差地别。

9月17日，开发者Hassan（@nutlope）进行实验将两者连接：给Jev 100封邮件（一半真实一半欺诈）进行分类，当Jev置信度低于95%时，邮件转交Kimi K3深入分析。

其演示结果显示：

Kimi处理的部分 | 成本约0.068美元 （注：此为个人演示而非独立研究，但仔细观察其机制：Kimi并未阅读全部100封邮件，仅处理31封需深度分析的难题。几乎所有费用流向Kimi——这正合逻辑：Jev用几乎免费的成本处理简单分类，Kimi则专注真正的思考任务。

这如同优质医院的运作：前台不主刀，但负责判断谁需要外科医生，让医生整天专注于真正需要手术的患者。系统逻辑很简单：先用廉价智能初筛，仅在必要时调用深度思考者。

这也意味着Jev与Kimi K3并非竞争关系，反而提升了Kimi的价值——它能确保Kimi的每一分钟都用于需要这种规模大脑的任务。

你的笔记如何受益

无需是开发者也能理解其意义。Obsidian作为流行的个人笔记应用，用户常存有数千条笔记。想象一个AI助手管理着2万条笔记：每次新增内容时，它需向大模型提出一连串问题：

这几乎全是决策而非写作——正是Jev的专长。需说明Jev并无官方Obsidian集成，但此例很好地展示了该理念的应用：

大模型仅在真正需要深度思考时启动，例如将四十条笔记整合为正式报告：

笔记分类不需要天才，但当需贯通所有笔记思考时，则需要天才。

对AI智能体团队的意义

Kimi可运营完整的AI助手团队，由主智能体分配任务给多个下属并整合成果。这听起来令人印象深刻，但团队协作的每一步都涉及微小决策：接下来轮到哪个助手？这个资料源是否合格？研究完成还是需要新一轮？是否要询问人类？

目前通常由同一个大模型独自回答所有问题，在思考与决策间反复切换。

另一种可能的工作方式（需说明这并非TypeSafe或月之暗面的官方方案，而是基于Hassan实验自然推演的设计）：

在此设置中，Kimi专注思考、写作和解决问题（这是它的强项），而Jev通过毫秒级的快速决策推动整个团队以每分钱的成本高效协作。

真实场景模拟

07:30，某网店收到2000封夜间抵达的客户邮件。若无此系统，大模型需逐封阅读并为每封撰写小作文，店主在等待中支付全部费用。

有此系统后，Jev在数秒内分类全部2000封邮件：大部分直接进入正确文件夹，不确定的转交Kimi K3深度分析，仅少量最终需人工处理。

11:00，AI助手团队执行项目时，需决策下一步由谁执行、每步用哪个模型——这也是决策，Jev可在毫秒内完成。

没有理由为“决定使用哪个模型”而动用最聪明的模型。

15:00，某场长对话已累积约百万标记（相当于数部长篇小说的聊天记录）。在Alex Volkov分享的社区实验中，Jev用约一秒时间处理类似记录，筛除冗余内容，将百万标记压缩至约8.6万。

虽非官方功能，但展示了发展方向：即使拥有百万标记记忆的Kimi K3，在仅接收关键信息时也会表现更佳。内存巨大不意味着要塞满所有内容。

Jev的局限性

此部分至关重要，需坦诚说明。TypeSafe称Jev“零幻觉”，因其从不生成自由文本，仅能从给定选项中选择。这对避免某类错误属实，但不意味Jev永不犯错。

置信度不等于正确性，这正是百分比如此实用的原因：你可针对不同置信度设定后续操作：

对垃圾邮件过滤可宽松处理，但涉及数据库删除、十万美元转账或医疗事务时，百分比绝不能作为最终依据。即使TypeSafe的演示也将硬规则写入模型无法覆盖的常规代码。最简单的理解是：Jev决策，但代码授权。

实用的构建路径

从每天发生数百次的“无聊”决策开始，通常这些场景隐藏着最大节省空间。

TypeSafe、Vercel与周末实验的启示

或许未来并非一个包揽一切的巨型模型。你的笔记存于应用中，代码处理规则，Jev在后台完成百万微决策。Kimi K3负责深度思考、长期研究和复杂难题。人类仅审批真正重要的事项。简单来说：Kimi K3是思考的大脑，Jev是决定思考需求的神经系统，代码是执行行动的躯体。

突破不在于让每个模型更智能，而在于认清智能真正值得投资的领域。

多数人将继续为天才回答简单是非问题付费，并困惑AI账单为何持续增长。少数人将先雇佣“前台”，把天才留给真正需要的问题，然后在成本下降的同时享受效率提升。

我的消息来源： linktr.ee/Noisy7

你构建自己的生活——请选对道路。

/ 若觉有用——请关注 /