当大模型行业还在卷参数、卷榜单时，一个拒绝聊天的模型Jev却悄然走红。它只做判断，不写文章不写代码，却精准击中了Agent时代对速度与成本的焦虑。从OpenAI研究员到反向造模型，Almeida的转身背后，是模型分化趋势的加速，也是Agent入口争夺战的前奏。

Jev模型已经火了一个多星期。从花式玩法讲到底层范式，围绕它的讨论还在继续。

Jev不和人聊天，也不能帮人写文章、写代码，它只做一件事，当开发者给它一组选择和当前状态，它负责给出判断。

做出Jev的Diogo Almeida，曾是OpenAI研究员，参与过InstructGPT、ChatGPT和 GPT-4相关研究。他以前教大模型学会聊天，现在反过来，做了一个拒绝聊天的模型。

Almeida为什么要调转船头？Jev击中了当下大模型行业的哪些焦虑？将能力收窄到极致，又会成为模型行业未来的趋势吗？

有些活，不必惊动最强模型

Jev的走红，首先踩中的是Agent时代最现实的一个问题，模型调用应该要更快、更便宜。

开源项目Browser Use的创始人就拿Jev搭了一个浏览器Agent，在真实的Google Flights页面上查一趟苏黎世到伦敦的机票，整段流程跑完用了7.1 秒，单次成本 0.0039美元，Jev在循环中的中位延迟约为178毫秒。

Jev的价格也足够低，目前Vercel AI Gateway上的Jev输入价格约为每百万token 0.04美元，输出免费，所以开发者能毫无负担地调用。

慢和贵成为行业的共同焦虑，跟Agent正从代码场景向更广泛的办公场景扩散有关。

OpenAI的数据显示，从今年2月到6月，企业每周活跃Codex用户数在法律、销售和招聘、以及市场营销领域增长至原来的108倍、41倍和26倍。

当模型变成持续执行任务的基础设施，调用的频率和Token消耗也会随之增加。模型厂商一边在推高旗舰模型能力上限，另一边面对Agent大规模调用的新需求，也得思考要怎么降低模型调用的成本和延迟。

因此，模型层已经开始出现分化趋势，如今同一家厂商也会推出不同档位、不同价格的模型，出现了flash模型扎堆的现象。

Google在5月推出Gemini 3.5 Flash，瞄准日常开发和工作场景。7月31日，DeepSeek发布 V4 Flash。8月下旬，Qwen3.8-Flash-Next 和 GLM-5.3-Flash又接连亮相。

这些模型未必追求在所有benchmark上做到最高，但也不是把能力砍掉的“阉割版”。它们是为高频、简单任务专门优化出来的新档位，且价格更划算。

以DeepSeek为例，它最近把V4 Flash 更新到V4.1 Flash，还宣布在下一代Pro模型上线前，将V4 Pro的API请求路由到V4.1 Flash，并按Flash的价格计费。

过去，用户遇到任务，第一反应是去找那个最强的通用模型，能力越强越好。厂商的主线，也是把一个旗舰模型做得尽量全能。

但现在，模型厂商开始按照任务的复杂度、调用频率、响应速度和成本等等重新切分能力，推出不同档位，让不同模型承担不同的工作。

这种分化还在继续推进。从使用场景来看，代码、图像、语音这些方向，早就有了专门优化的模型。办公、游戏这些场景，也在慢慢出现更贴合自己的模型。

毕竟不同场景的任务结构、上下文和对速度、成本的要求各不相同，模型也就有了针对具体环节做取舍的空间。

Jev是分化趋势中的一个极端样本

当别的模型还在通用框架里调整能力和价格，Jev干脆把一类能力从通用模型中分离出来，单独做成一个模型。

开发者给Jev一段当前状态，再给一组预设问题，它返回的是 Choice、Score 或 Boolean，附上对应的概率。Jev不解释自己为什么这么选，程序拿到结果，直接就能往下走。

这对Agent来说很重要。在Agent里，模型的输出往往直接决定下一步行动。这时候，系统需要的可能不是一段完整的自然语言回答，而只是一个明确的信号。

这个设计背后，是Almeida对大模型训练方式 RLHF的一个反思。他认为，人类反馈会推动模型生成更符合人类偏好的回答，也容易让模型养成另一种习惯，即面对自己把握不大的问题，仍然倾向给出流畅、完整、笃定的回答。

Jev试图让模型把不确定性写进输出结果里。模型如果判断一件事有八成把握，那么放到长期统计里，它的判断结果就应该接近八成正确。系统拿到这个概率后，可以自行设门槛，把握高的任务自动放行，把握不足的任务转给人，或者转给更强的模型。

不过，让模型实现可靠的自动化决策，是Almeida想要抵达的方向，目前Jev还没走到。

有开发者测试发现，同一个判断，正着问一遍、再反着问一遍，Jev给出的两组概率加起来，有时会超过1。一个校准得当的概率系统，不应该这样。Jev不写自然语言，躲开了编造一段像样答案的风险，可它给出的概率，照样会错。

调用不同模型的Agent入口更加重要

即便Jev还有不少问题，它还是让行业看到了另一种可能性：Agent里的智能也可以被拆开，一项复杂任务不一定由一个通用大模型包办。

例如，需要复杂推理时可调用强模型，大量简单的判断和筛选，则可以交给Jev这样更快、更便宜的模型。

Jev的名字，也有弦外之音。经济学里有个“杰文斯悖论”（Jevons Paradox）的概念，意思是一种技术变得更高效、更便宜之后，使用量反而会增加。那么，当Jev让“判断”这个动作变得更快、更便宜后，Agent就越有可能在执行任务时频繁调用它，从而优化整体任务的效率和成本。

也就是说，任务本身逐渐会成为Agent的核心。按任务来调用不同模型，Agent执行的效率和性价比可能会更高。

模型之间的关系，也因此多了一种可能。模型过去比的是谁更强，一个模型能力上来了，就把上一个替换掉。现在，以任务为核心，不同模型可以各自承担自己更擅长的部分，在同一个Agent里协作。

如果这种分工继续发展，一个能根据任务调用多个模型的Agent入口将会变得更加重要。

已经有Agent产品往这个方向走。国内来看，腾讯WorkBuddy已经支持在不同主流模型之间切换。WorkBuddy还有Auto模式，系统会根据用户任务的类型、复杂度与上下文特征，自动选择当前最适合的模型进行响应。用户在不知道该选择何种模型，或者面对混合型任务时，可以交由系统来决定。

海外的Cursor也在做类似的事情。它在今年8月推出的Cursor Router，会在每个请求交给模型之前，先根据任务类型、复杂度、上下文等信息进行判断，再从多个模型中选择最合适的一个。基本原则是，简单任务交给快速、便宜的模型。困难、长周期的任务则交给前沿模型。

这些产品的思路都是一致的，就是把调度模型这件事交给系统按任务自动完成。用户只管提出任务，至于该派哪个模型上场，交给入口去安排，从而提高Agent使用的效率和降低成本。

长此以往，当模型逐渐走向各司其职，一个能灵活调配它们的Agent入口，将会越来越重要。