文 | 字母 AI

谷歌的哑巴模型 Jev 突然爆火。

它不聊天，不写代码，不写文案，也不解释，你问它什么，它一个字都不生成。它只做一件事——判断。

发布没几天，从 Hacker News，再到中文技术社区，几乎所有人都在讨论它。但大家讨论的不是它有多聪明，而是它有多反常。

诚然，一个不会说话的模型能火，这事本身就已经够反常的了。

大家最先讨论的，是它的落地场景。一个不会说话的模型能放在哪里？答案是微信。

微信要回消息、要管群、要盯风控，怎么看都该交给一个 " 会说话 " 的大模型。

怎么想怎么不合理的事情，却就这么合理地发生了。

不过具体是什么情况，还是得先从 Jev 本身开始说起。

Jev 到底是个什么东西

TypeSafe AI 在 2026 年 9 月 16 日发布了 Jev。

这是一家旧金山的公司，创始人是 GPT-4 论文共同作者，前 OpenAI 研究人员迪奥戈 · 阿尔梅达（Diogo Almeida）。公司隐身研发了两年，出来时带着 DCVC 领投的 4000 万美元种子轮。

Jev 给自己贴的标签叫系统一模型（System One Model）。

这个名字来自卡尼曼的《思考，快与慢》。其中，系统一指的是那种不过脑子的直觉判断，系统二是慢下来一步步推理。

TypeSafe 的说法是，这几年所有人都在造系统二，会思考、会写长文、会解释。可软件里真正需要的判断，大多数是系统一。

Jev 和 ChatGPT、Claude 的区别在于，Jev 只会答选择题，其他模型会写作文。

Jev 的用法是这样的，你给它一段状态，比如一封邮件、一行日志、一条工单、一段程序状态，然后再给它几个事先定好类型的问题，它一次性把答案全部返回，每个答案附一个概率，外加一个 " 我有几成把握 " 的置信度。

它只会答三种题。

Choice：从最多 255 个选项里选一个。

Score：在一个 2 到 10 级的刻度上给分。

Noul：给出一个 0 到 1 的是 / 否概率。

三种题可以混在同一个请求里，而且是并行算的。官方说，问一个问题还是问四个问题，延迟几乎一样。

Jev 的特点是快和便宜。

普通大模型是一个字一个字往外写，写多久取决于要写多长。Jev 不写字，答案的范围事先就定死了，算一遍每个选项的概率就完事。

根据 Jev 的官方数字，端到端响应 70 到 500 毫秒，输入每百万 token 收 0.042 美元，输出免费。它上线 Vercel 的 AI Gateway 后，24 小时内被接近 13% 的 Vercel 付费团队都用上了 Jev，是 Vercel 平台采用速度最快的新模型。

它不能聊天、不能写代码、不能写文案、不能看图、也不能解释理由。你问它 " 为什么不选这个 "，它不回答，它只给数。

Jev 还有个特点，幻觉率为 0%。

这指的是它绝不会给出你选项之外的答案，绝不会拼错字段。但它完全可以选错一个选项。这一点，TypeSafe 的 CEO 迪奥戈自己也承认过。

Jev 这个名字来自杰文斯悖论。

蒸汽机效率提高、每吨煤更便宜，煤炭的总消耗反而涨了，因为便宜的动力被用到了更多地方。

以前用不起 AI，是因为调一次大模型又贵又慢，为了一个芝麻大的小判断去调一次，不划算。现在 Jev 把单次判断压到了万分之一美元

它的训练方法叫 RLCD，Reinforcement Learning for Calibrated Decisions。RLHF 追求 " 人类爱看 "，RLVR 追求 " 程序能验证对错 "，RLCD 追求 " 概率要诚实 "。

如果 RLCD 说有 70% 的把握，那就是在数学验证上有 70% 的概率是对的。

Jev 成了微信的插件

Jev 爆火后，社区拿它用的最多的，便是作为微信的插件了。

微信最难的地方就在于，如何精准触达对方的想法。比如经典的 " 你看着办 "。那到底是该怎么办？是小改一下？是放着不管？还是大刀阔斧？

于是 Jev 的作用就体现出来了。

这条消息要不要回？

要不要 @ 对方？

这条是不是广告？

要不要把人踢出群？

这条要不要转人工？

这个人是不是想退款？

这段话有没有违规？

每一件，都是 " 从有限选项里挑一个 "，而且要在几百毫秒内出结果。而这正好是 Jev 的形状。

那为什么不用大模型？

三个原因。

第一，慢。大模型回一条要 3 到 30 秒。微信群里的消息是滚动的，你 30 秒后回复，对方可能不耐烦了。Jev 70 到 500 毫秒，够你在消息还没滚出屏幕之前接上。

第二，贵。

微信机器人通常跑在便宜的常开服务器或轻量服务器上，一次判断的成本必须低到可以忽略。用大模型逐条判断，几十万条消息就是一笔真金白银。Jev 输入 0.042 美元每百万 token、输出免费，把单条判断压到万分之一美元的量级。

第三，也是微信插件最怕的，它不能说错话。

一个自由生成的大模型塞进聊天框，随时可能冒出一句不该说的话，轻则社死，重则触发风控、直接封号。Jev 根本不生成文本，它只从你给的选项里挑，从结构上就 " 说不出格 "。

微信插件的老大难，是 " 自动回复 " 和 " 转人工 " 之间那条线。

全自动，内容控制不了；全转人工，人扛不住。Jev 给每个判断配一个校准过的置信度，于是这条线变成了一道阈值，把握高就自动过，把握低就转给人，或者转给更贵的大模型。

这套 " 高把握自动、低把握升级 " 的分流，本来就是微信客服和社群运营一直想要的结构。

还有一个隐藏点，关键词命中就回复，包含 " 广告 " 就踢人，被 @了就应答。这些都是关键词匹配，对方换个说法，不使用这个关键词，那么自动回复就会失效。

Jev 把 " 关键词匹配 " 升级成了 " 语义判断 "。同样是回不回、踢不踢，但判断依据并非关键词，而是用户的意图。

安装起来也是非常简单，对 Codex 说一句 "npx skills add typesafe-ai/skills"，或者在 Claude Code 里加个插件市场就行。通过 OpenRouter 能立刻调用。

网上已经有了许多成熟的产品，比如 wechat-jev-hud，它就是跑在一个 Windows 上的微信 HUD，通过截屏、定位聊天区域，来识别文字气泡，把 Jev 接在 OCR 和叠加层中间做实时判断。

随后就会呈现出图片中的效果，对方的这条消息，有多少的概率是在说怎样的事情。

从生成到判断

Jev 火得这么快，是因为它踩中了一个大的问题：Agent 为什么还是又慢、又贵、又脆。

过去两年的 AI 叙事，是更长的上下文、更聪明的推理、更漂亮的回答。

可当你真把一个模型塞进每天要跑几十万次的系统里，你会发现，其中绝大多数调用，根本不需要它 " 说话 "，只需要它 " 判断 "。

比如一条客服工单归哪个部门，一次工具调用有没有风险，一段 AI 的输出有没有跑偏，下一步该点页面上哪个按钮。

这些问题从来都只有一个正确答案，而且答案的选项也早就写在自己的代码里。让一个会写作文的模型先写一段话，再由程序把它翻译回一个判断，绕了整整一大圈。

Jev 想省掉的，就是这一圈。

所以社区很多人评价 Jev，说它像给软件装了一句 " 语义 if 语句 "。如果（if）对方出现了哪种意图，那就回应它对应的答案。

其效果也是立竿见影，通过 Browser Use 把 Jev 用在浏览器 Agent 里，一次请求同时选 " 做什么 " 和 " 点哪个元素 "，订一张机票的时间能从 9.5 秒缩到 7 秒。

以及在长程任务中，把 Jev 做成路由中间件，让它替 Agent 挑该用哪个模型，也能节省很多时间。

不过 "Jev 取代大模型 " 是个伪命题。正确的做法应该是，大模型帮你想清楚判断规则，Jev 在生产环境里高频、低价地执行。

它真正值钱的地方，其实在于校准。把看似模棱两可，没有标准答案的问题给量化，一眼便知道答案应该选什么。

微信插件的例子其实已经说明，它最先落地的地方，不会是那些 " 需要创造力 " 的场景，反而是那些高频、低成本、不出错的场景。

判断越频繁、越琐碎、越怕错，它就越合适。

一个猜想，当判断这件事本身变得便宜，那不如干脆就别让模型说话，只让它做判断。判断层会像数据库、像缓存一样，变成一层默认的基础设施，藏在每个应用的最底层。

微信插件只是一个开始。

但 Jev 的中文适配能力较差。官方文档明确标注 CJK（中日韩）准确率偏低。英文短文本表现相对稳定。

同时，Jev 也没有推理能力。

Browser Use 创始人实测的长程浏览器交互，Jev 最终测试结果为 1/20，落后于具备推理能力的 GPT-5.6 Luna（17/20）。

浏览器操作涉及状态空间搜索与路径回溯，Jev 不具备多步状态推演能力。

社区网友表示，Jev 无法应付真实复杂的非沙盒网页。面对真实网页中未清洗的 DOM、异步加载与突发弹窗，Jev 缺乏应对能力。