上周 AI 圈出了个怪胎。9 月 15 日，一家叫 TypeSafe AI 的公司发布了个叫 Jev 的模型，三天内冲上 Hacker News 榜首（1863 分、491 条评论），卖点离谱到我第一反应是诈骗：
这个模型一个字都不会写。
不是写不好，是压根没有「写字」这个功能。它只会回答三种问题：是或否、从这几个里选一个、打个分。你问它「给我写首诗」，它会礼貌地返回一个类型错误。
这听起来像个残次品，但社区三天的反应说明事情没那么简单。我翻了官方文档、HN 讨论和几篇第三方实测，这篇是给不想啃源码的朋友们的通俗版调研笔记。
它是个只会做选择题的面试官
现在的 AI 模型（GPT、Claude 这些）本质上是「超级自动补全」：一个 token 一个 token 往外蹦字，像个话痨，不管你要的是不是一段文字。你想要个「是」，它可能回你「根据我的分析，这是一个非常值得探讨的问题，综合来看，是的」。谢谢，字数挺足。
Jev 走了完全相反的路：你给它一段材料（比如一条客户投诉），然后只准问选择题：
- 这个投诉该分给哪个部门？（billing / technical / sales）
- 客户愤怒程度几级？（平静 / 有点烦 / 爆炸）
- 这事儿紧急吗？（是 / 否）
三种问题可以混在一次请求里，它一次性全部答完，每个答案还带一个置信度。整个响应 70 到 500 毫秒，比你眨眼还快。
官方管这叫「System One 模型」，名字取自《思考，快与慢》：普通大模型是慢思考的系统 2，Jev 是那个凭直觉秒答的系统 1。「Jev」这个名字则来自经济学家 Jevons，就是提出「效率越高、用得越狠」那个悖论的老哥，起名品味确实有点东西。
快和便宜到什么程度
先说数字，再说水分。
官方口径：延迟 70~500 毫秒，比前沿大模型快最多 193.6 倍、便宜 444.6 倍。输入 token 收费 $0.042 / 百万，输出 token 免费，因为它不生成文本，输出便宜到「不值得装电表」（官方原话：too cheap to meter）。
快的原因很朴素：大模型写 100 个字要跑 100 次计算，Jev 对所有问题只跑一次计算、并行出答案。它不是「输出受限的大模型」，而是另一种架构，训练方法叫 RLCD（校准决策强化学习），创始人 Diogo Almeida 是前 OpenAI 研究员、RLHF 的共同发明人之一，相当于「教会 ChatGPT 说人话」的人之一，现在跑出来说：让模型说人话这条路线，搞自动化是走不通的。这人在 HN 评论区挨个回复质疑，ID 叫 CompleteSkeptic（完全怀疑论者），自嘲拉满。
水分在哪：193.6 倍 / 444.6 倍这些数字全是官方自报，参照系是 GPT-6 Astra 和 Claude Fable 5.1 开满推理的平均水平，测试用的工作流还是自家员工手搓的。官方自己承认这些「处于真实收益的高端区间」。姿态挺诚实，但截至我写这篇，还没有独立复现。
社区三天玩出了什么花样
发布三天，网友的整活速度比模型的延迟还快：
- 打 Doom：官方 demo，把游戏状态转成文字喂给 Jev，每秒问 10 次「往哪走、开不开枪」，成本约 7 美元一小时。评论区一半人在喊「游戏 QA 要失业了」，另一半在喊「你们重新发明了外挂」。
- 打宝可梦赢了 Opus 5：X 上有人实测，Jev 打宝可梦对战赢了 Claude Opus 5，成本约 1/820，速度快 10 倍。据说它的第二、第三候选也是合理战术。
- 帮浏览器 agent 提速：Browser Use 团队两天内出了官方集成，浏览器 agent 的每一步「点什么、点哪个」改成问 Jev，一次网络往返出两个决策，在 Google Flights 上搜完苏黎世到伦敦的机票全程 7.1 秒。
- 给 Claude Code 当剪刀手：一个叫 fast-jev-compaction 的插件，一天收了 1500+ 星。思路很鸡贼：对话太长要压缩时，不让大模型写有损的摘要小作文，而是逐个问 Jev「这段工具调用还留着吗」，保留的全是原文，一个字不丢。
泼冷水时间：它打牌是个鱼
光看 demo 容易上头，说个做得非常扎实的翻车实测。
有人拿德州扑克求解器当标准答案，测了 Jev 在 150 个决策点的表现：和最优解的吻合率只有 63%。最精彩的是这个：手里握着天顺（怎么打都不会输的牌）时，16 次测试它 16 次全下，正确动作明明是过牌。一个「能过牌就过牌」的一行规则都能打赢它。
更扎心的是置信度倒挂：它错得最离谱的地方给出最高置信度（0.86），最接近正确的地方反而只有 0.09。而且要它判断输赢，得先把「你是 A 花，对方没出路了」这种结论嚼碎了喂给它，它自己从原始牌面推不出来。
官方自己也很诚实地发了个「翻车清单」，承认的短板包括：不会数数、不会算日期先后、state 太长太杂准确率就掉、会被材料里的对抗内容带偏。另外它训练以英语为主，中日韩文本「能用但准确率更低」，对中文场景是实打实的限制，具体低多少，官方没说。
「零幻觉」是个文字游戏，但不是纯吹
官方宣传「零幻觉」，数学上还真的成立：它的输出被焊死在你给的选项集合上，不可能凭空编一个选项、编一个字段、编一段 JSON。大模型那种「编得有鼻子有眼」的幻觉，在它这里物理上不存在。
但它会在选项之内，高置信度地选错。错误形式从「编瞎话」变成了「自信地做错决定」，后者其实更隐蔽，因为输出格式永远合法，程序不会报错，错得悄无声息。扑克实测里那 0.86 的自信 all-in 就是证据。
跟我们有啥关系
如果你不是开发者，这东西短期不会出现在你的对话框里，但它很可能出现在你用的 App 里。它最适合的活是给大模型当门卫：意图分类、内容审核、把简单请求路由给便宜模型、难的升级给贵的。HN 上的共识是，这类「判断题」能替掉现有 AI 流水线里 40% 到 70% 的大模型调用。翻译成人话：以后 App 里那些「AI 一键分类」「AI 智能筛选」会更快、更便宜，便宜到以前舍不得做的功能现在值得一做。
如果你是开发者，社区给的上岗前军规就一条：拿你自己业务的几十个带标准答案的样本先考它一遍，置信度阈值在你自己的数据上调好，低置信度的交给人工。demo 里的它和你业务里的它，可能不是同一个它。
写在最后
Jev 让我感兴趣的不是它多聪明，它明显不聪明，扑克都打不明白。而是它把「往程序里注入一次 100 毫秒、一厘钱的智能判断」变成了一个 API 调用。以前很多功能不是做不出来，是「为这点小事调一次大模型」在经济上荒谬，现在不荒谬了。
当然，它是 v1：闭源、只吃文本、中文打折、性能数据自报、护城河存疑（有人已经用 1.5B 的开源模型整出了 2~3 倍的加速方案）。现在正确的姿势是拿边缘场景试水，别把核心链路押上去。
毕竟，一个只会做选择题的面试官，让他筛简历挺好，让他决定录用谁，你还是自己来吧。