Jev 这两天在朋友圈屠版，有人拿它全自动刷完了阿里云 AI 工程师认证的模拟考试：25 道选择题、21 秒、准确率 80%，全程零人工干预。作者也用它给三版封面打分，95 秒花了一毛钱，把模糊的直觉变成了四个维度的数字，它天生就是为选择题而生的。

这两天刷朋友圈，Jev 直接屠版了。

有人拿它玩 Doom，有人拿它跑 Mario，有人拿它接浏览器自动化——7 秒找到最便宜机票的那个视频，刷了快两百万播放。Hacker News 上第一天就拿了 1679 分，Vercel 第二天就把自家 AI Gateway 接上了 Jev。

但说实话，我刷了一圈下来发现，大部分人都在炫技，真正实用的玩法没几个。

直到昨天看到一条推文，有人用 Jev 全自动刷完了阿里云 AI 工程师认证的模拟考试。25 道选择题，21 秒，准确率 80%，一次合格通过，全程零人工干预。

我当时就愣住了。

不是因为它快，快是预期之内的。而是因为我突然意识到一件事：

Jev 天生就是为选择题而生的。

选择题、问卷、表单、认证考试、满意度调查……这些东西的共同特点是什么？答案空间封闭，每道题就那么几个选项。这不就是 Jev 的主场吗？

我自己也试了一下。每次写完文章要选封面图，我会生成好几版不同风格的封面，然后来回犹豫。这次我把三版 Codex 封面丢给 Jev，让它帮我打分：

95 秒跑完，成本一毛钱。三张图的综合分分别是 2.42、2.34、2.32——差距不大，但第 3 名被精准抓到了问题：AI 感高达 48%，在三张里最重。

这个直觉，人脑能隐约察觉，但说不出具体哪里不对。Jev 帮你把这个模糊的感觉变成了四个维度的数字。

怎么做到的？后面会讲。先搞明白 Jev 到底是什么。

Jev 到底是个啥

先说背景。发布 Jev 的公司叫 TypeSafe AI，创始人 Diogo 之前在 OpenAI，是 RLHF 的共同发明人之一——就是让语言模型学会听指令、会聊天的那套方法的作者之一。

有意思的是，他据说在做完 ChatGPT 之后，花了整整两年研究一套全新的训练方法，最后做出来的东西正好相反：一个不会聊天的模型。

你平时用 Claude、用 GPT，给它一个问题，它一个 token 一个 token 地往外写一段话。Jev 不干这个。你给它一段信息和一组问题，它只返回：选哪个、打几分、是不是，每个答案带一个概率。

完事了。不解释，不废话，不输出一个多余的字。

如果还觉得抽象，换一个比喻：一般的大模型像是在写申论题，Jev 则像是在做选择题。 申论题得一句一句慢慢写，不但慢，还可能跑题；选择题只需要圈一个答案，速度极快，而且答案绝对不会跑到选项之外。

它的名字也藏着野心。Jev 取自经济学中的“杰文斯悖论”：当一样东西变得越便宜、效率越高，人们反而会用得越多。TypeSafe 的判断是，把“判断”的成本压到接近于零，人们就会在原本舍不得判断的地方，都插上一个判断。

三种题型

Jev 能做三种题：

Choice — 选择题。 给它几个选项，它告诉你选哪个，每个选项概率分别多少。选项完全由你定义，最多 255 个，每个还能搭配一句说明。做表单、做问卷、做路由分发，最常用的就是这个。

Choice(

instructions=”在基于网格的聚类算法中，哪一种算法采用小波分析方法？”,

criteria={“A”: “STING”, “B”: “CURE”, “C”: “CLIQUE”, “D”: “WaveCluster”},

)

Noul — 判断题。 问一个是非问题，它返回“是”的概率。越接近 1 越确定是“是”，越接近 0 越确定是“否”，0.5 附近表示它也拿不准。比如：这封邮件是不是诈骗？这段文案 AI 味重不重？

Noul(instructions=”这个标题读起来有明显的 AI 生成味道吗?”)

Score — 打分题。 你先画一把尺，从低到高写出每个档位代表什么，最多 11 级。它告诉你当前情况落在哪个位置。比如给潜在客户打分：0 分是没预算的学生，3 分是预算充足的大企业。

Score(

instructions=”这个标题对目标读者的点击欲望有多强?”,

criteria=[“几乎不想点”, “有点兴趣”, “想点开看看”, “非常想立刻点开”],

)

有个很关键的设计：这三种问题可以混在同一次请求里，并行评估，一次全部返回。 不用先问第一题等答案回来再问第二题。25 道题一次性全丢进去，毫秒级出结果。

实操：批量刷选择题

来，跟着我跑一遍。

第一步：注册拿 Key

去 TypeSafe AI 官网，邮箱验证通过就能拿到 API Key，两分钟搞定。

第二步：装 SDK

pip install typesafe-sdk

如果你用 Claude Code 或 Codex 这类编程 Agent，可以直接装官方 Skill，装完之后 Agent 在涉及判断、分类、路由的任务时会自动调用 Jev：

别忘了设置环境变量：

export TYPESAFE_API_KEY=”你的 API Key”

第三步：写脚本

假设你有一份 5 道选择题的模拟卷。核心代码不到 20 行：

from typesafe_sdk import Choice, TypeSafeClient

questions = {

“q1″: Choice(

instructions=”在基于网格的聚类算法中，哪一种算法采用小波分析方法，使簇的边界变得更加清晰？”,

criteria={“A”: “STING”, “B”: “CURE”, “C”: “CLIQUE”, “D”: “WaveCluster”},

),

“q2″: Choice(

instructions=”以下哪项技术最适合处理高维稀疏数据的分类任务？”,

criteria={“A”: “决策树”, “B”: “支持向量机”, “C”: “朴素贝叶斯”, “D”: “K近邻”},

),

# … 继续添加

}

with TypeSafeClient() as client:

resp = client.system_one(

state={“exam”: “阿里云AI工程师认证模拟题”},

questions=questions,

)

for qid, answer in resp.choices.items():

print(f”{qid}: 选 {answer.choice}, 置信度 {answer.confidence:.0%}”)

跑一下，几秒钟全部出结果。

state 不一定只写题目名称。你可以把考试大纲、知识点整理、甚至参考资料直接塞进 state 里当“小抄”。Jev 的 state 支持直接传 JSON 对象，不用拼成自然语言，准确率会高不少。

我自己的场景：让 Jev 帮我选封面图

做选择题只是热身。我真正想拿 Jev 干的，是帮我选公众号封面图。

写过公众号的人都知道，每次发文之前最纠结的环节之一就是选封面。我一般会让 AI 生成好几版风格不同的封面图，然后在几张之间来回对比、犹豫、挑选。比如上次写 Codex 那篇，我生成了三版——动感撞色杂志风、瑞士国际主义网格风、简洁科技商务风——三张都还行，但选哪个？每次都靠感觉。

现在有了 Jev，我做了一个小工具：把“选封面”这件事也变成一道选择题。

Jev 有一个限制：它不能直接看图。所以我的思路是搞一条流水线。

Kimi 看图 → 输出结构化描述 → Jev 按四个维度打分 → 自动排名

具体来说，先用 Kimi 的视觉 API 把每张封面图转成一段结构化的 JSON 描述：配色方案、文字内容、版式布局、人物位置、整体风格。然后把这段描述丢给 Jev，同时问四个问题：

• 点击吸引力（Score）：在信息流里，这张图能不能让人停下来？
• 信息清晰度（Score）：扫一眼就能看懂文章主题吗？
• 风格匹配（Noul）：适不适合技术类公众号？
• AI 感（Noul）：看起来像模板套出来的吗？越低越好。

我把三版 Codex 封面扔进去跑了一遍，结果出来了：

第 1 名是瑞士网格排版风，综合分 2.42。Kimi 给的描述是“黑白灰基底上爆发荧光绿强调色，大字号与网格拼贴营造强烈的 AI 生产力、独立开发者宣言感”。点击吸引力 2.6/3，风格匹配度 86%，整体最均衡。

第 2 名是动感撞色杂志风，综合分 2.34。点击力同样是 2.6/3，但风格匹配只有 72%——Jev 觉得它“杂志感太重”，偏离了技术类公众号的调性。

第 3 名是简洁科技商务风，综合分 2.32。信息清晰度其实最高（2.5/3），但点击吸引力只有 2.3/3——太“正经”了，在信息流里不够抢眼。而且 AI 感高达 48%，三张里最重。总耗时 95 秒，成本一毛钱。

有意思的是，三张图的分数差距其实很小（0.10 分）。这说明三版封面质量都还行，没有明显的“废稿”。但 Jev 帮你做的事情是：把“都还行但说不出谁更好”的感觉，拆成了四个可以对比的维度。第三版的 AI 感 48% vs 第一名的 44%，差距不大，但一旦量化出来就不再模糊了。

这里的关键是 Kimi 视觉描述的质量。Jev 看的是文字，不是图片本身，所以描述越精确，打分越准。我让 Kimi 输出结构化 JSON 而不是散文：配色用 hex 色值，布局用“左文右图”，文字原样抄出来。效果比一段笼统的描述好很多。

什么时候用，什么时候别用

用了两天，我的判断：

适合用： 答案空间能提前定义好的——分类、路由、打分、验证、选择题。以及需要高频批量判断的——一天跑几百上千次的场景。在这些地方调大模型做判断，就像开挖掘机去种花，大材小用。

不适合： 需要解释的——它只给概率不给理由。需要生成内容的——它不会写字。选项设计不好的——正确答案不在你给的选项里，它还是得硬选一个，概率再分散也没用。 这一点很重要。官方也承认，Jev 的难点从“写提示词”变成了“设计选项”。你得保证正确答案在选项里面。

还有一个代价要提：复杂度不会消失，只会转移。 Jev 帮你省掉了大模型的生成成本，但你得按它的格式组织输入，输出也得自己写代码处理和拼接。它不像 ChatGPT 那样“随便说两句就能用”，更像是一个有 AI 加持的高级 if else——确实比硬编规则聪明，但离“开箱即用”还有距离。对开发者来说这不是问题，但如果你期待的是“问一句就给完整答案”，那它不是你要找的东西。

还有一点，它是闭源托管的 API，没有公开权重。隐私敏感的场景需要自己掂量。

写在最后

我估计后面大模型厂商都会跟进这个方向。

不要问哪个模型最强，要问哪个模型最适合你当下的工作流。就像以前大家就知道，用聪明的模型来做规划，用便宜的模型去跑苦力。

现在武器库里又多了一个专职的决策模型——它不负责思考，只负责做判断。

该写文章的交给大模型，该做选择题的交给 Jev，该用代码的还是用代码。

把“判断”的成本压到接近于零之后，你会发现到处都值得插一个判断。

这大概就是杰文斯悖论在 AI 时代的样子。