如果你最近刷AI圈资讯，大概率已经刷到了这个叫Jev的名字。刚上线短短几天，直接刷屏整个硅谷，十几万开发者排队申请内测。很多人第一眼看懵：它不会写文案、不能陪人聊天，凭什么火成这样？今天一次性把Jev讲明白。


Jev出自前OpenAI核心成员Diogo Almeida之手，也就是当年ChatGPT背后RLHF技术的重要参与者。离开OpenAI两年，他带着团队推出TypeSafe AI，首发作品就是Jev。和ChatGPT这类擅长生成长篇文字的大模型完全不一样，Jev被称作系统一决策模型，主打一个“哑巴AI”——它不生成大段文字，只做精准判断，直接返回带概率的结构化结果。

简单一句话概括：别的大模型擅长写作文，Jev只答选择题、判断题、打分题。它一共支持三类任务，是非判断、多选项选择、等级打分，一次请求还能一次性提交多个问题，几乎不增加响应时间。速度更是它的王牌，单次决策大多70毫秒左右完成，比普通大语言模型快20到200倍，调用成本大幅降低，输出Token直接免费。

很多人会问，这么一个不会聊天的模型，到底适合拿来干什么？落地场景非常务实。客服工单自动分流，判断用户诉求是退款咨询还是产品故障；批量筛查评论，自动识别差评、投诉；邮件过滤垃圾信息；代码运行状态检测、风险识别；还能批量给海量客户反馈自动打标签。只要是需要快速做分类、筛查、判定的重复性判断工作，交给Jev都很合适。


很多普通小伙伴会好奇，普通人该怎么上手使用？目前Jev主要面向开发者，以API接口的形式调用。使用逻辑并不复杂，只需要传入两块信息：第一块是state，也就是你想要分析的原始内容，可以是一段文字、日志、工单信息；第二块是提前定义好的问题和可选答案，提交之后Jev直接返回选中结果、各项概率以及置信度，程序拿到结果之后就可以自动执行下一步动作。


当然也要客观看待，Jev并不是用来替代ChatGPT的。需要写方案、写故事、深度推理，依旧要用通用大模型；大批量、高频次的简单判断任务，Jev才是性价比之王。很多业内人觉得，它补齐了AI自动化里最缺的一块拼图。

AI的赛道越来越细分，不再一味比拼谁写出来的文字更长。看完这篇，你觉得这种只会做判断的AI，还有哪些有意思的用法？