最近新出的 Jev 模型是什么？

一、最近被一个叫 Jev 的新模型刷屏了

一看到这个名字，难免会疑问：这又是哪个大厂出的新模型？怎么到处都在聊？

这篇文章，把大家最关心的几个核心问题一次讲清楚。

Q1：Jev 到底是什么？

Jev 是一个闭源基础模型，来自旧金山的创业公司 TypeSafe。公司刚宣布获得由 DCVC 领投的 4,000 万美元种子轮融资。创始人 Diogo Almeida 此前在 OpenAI 工作，也是 InstructGPT 论文的作者之一。官方给模型起名 Jev，取自提出杰文斯悖论的经济学家 William Stanley Jevons。

Q2：它开源了吗？

目前没有开放模型权重，开发者主要通过 TypeSafe 的云端 API 使用。GitHub 上已经出现不少围绕它做的工具和 Demo，但本质上都是把 Jev 接进实际的软件工作流。

Q3：它能帮我写代码、写文章、跟我聊天吗？能替代 Claude 或者 ChatGPT 吗？

不能。Jev 主动放弃了自由文本生成：你不能把它当 ChatBot（聊天机器人），让它写首诗、写一段长文或直接完成一个程序。它不是 Claude 或 ChatGPT 的替代品，而是给软件做判断的一层能力。

Q4：既然连作文都不会写，为什么全网开发者都在兴奋？

因为大家忽然发现：我们平时让大模型干的事，其实一大半不需要它写大段文字。

做个自动化流程，判断一条新闻要不要进日报；做个客服系统，判断客户是要退款还是问物流。以前为了做这道判断题，也得等大模型慢吞吞吐字、再解析答案。Jev 则把这类任务做成了可供程序直接调用的结构化决策：官方公布的端到端响应时间是 70 到 500 毫秒，输入价格为每 100 万 Token 0.042 美元，输出 Token 免费。

一句话区分它和传统大模型：ChatGPT 给人写答案，Jev 给程序做判断。

二、Jev 只做选择、判断、打分题

Jev 有三类最核心的题型。

第一种是判断题，官方叫 Noul。你给它一段内容，再给一个命题，比如「这段用户留言是不是在骂客服？」它返回的是这个判断的概率，而不是一大段解释。

第二种是选择题，官方叫 Choice。你预先设定好选项，最多可以放 255 个。比如处理工单时，选项只有三种：账单问题、物流延迟、退换货。它会返回选择结果、每个选项的概率分布，以及置信度评分。

第三种是打分题，官方叫 Score。在你定义好的有序等级上打分，比如给客户怒气值打 1 到 5 分。它不仅给出分数，也保留各等级的概率分布。

而且还有一个很实用的机制：读一次材料，同时答多道题。给它同一张工单的文本，可以同时问它：归哪类、多紧急、客户情绪如何、要不要主管审核。程序把这些问题一并提交，Jev 就能把多项结构化决策一起返回。

很多人第一反应会怀疑：只做选择题的模型，到底靠不靠谱？

如果从计算机底层和认知科学来看，这条路不仅可行，而且很符合工程逻辑。