起点课堂会员权益
职业体系课特权
线下行业大会特权
个人IP打造特权
30+门专项技能课
1300+专题课程
12场职场软技能直播
12场求职辅导直播
12场专业技能直播
会员专属社群
荣耀标识
实测HuggingFace榜一的决策模型，果然吊打Jev
上海团队 StartLux 的决策模型 v1.1 在 HuggingFace 决策指数上断崖式领先，把 Jev 甩在身后。作者拿一段 14 秒的 Roadster 飞行视频实测：31 次请求、155 项判断，模型延时 62 毫秒。
"Jev"相关的文章
对话 Jev 创始人：RLHF 走了大弯路，下一个时代不会属于 Claude Code
在 OpenAI 工作时，Diogo Almeida 就困惑于聊天模型为何难以成为软件的底层组件。如今他以 Typesafe CEO 身份推出新模型 Jev，试图让软件直接调用决策、概率与评分，把智能嵌进程序的条件判断和执行流程。
Jev引爆决策模型，大模型进入无限游戏
以 TypeSafe 的 Jev 为起点，不到一个月行业冒出十余款决策模型，微软、AWS、Perplexity、Snowflake 相继入场。它把智能体的决策层从推理层解耦，专治那些高频、重复、有边界的小判断。
“哑巴模型”Jev火了，会给AI产业带来什么改变?
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 是什么？与大模型有何区别，又能在 Agent 中做什么？
开发 Agent 时，几十轮模型请求与工具调用会迅速累积成本与等待时间，把规划推理交给旗舰模型、简单判断交给小模型是常见做法。Jev 是专做分类、评分与条件判断的决策模型，文章从原理到用法讲清它能否承担这类工作。
AI 圈又在造神？这次我想给 Jev 泼点冷水
Jev 火了，但它究竟是什么？在作者看来，它就是一个给程序调用的语义判断器：根据上下文对限定答案做概率评估，返回选择、是非或评分。它能力未必强过大模型，切的是分类、判断、评分这类高频小任务，此前业界多用小模型微调，难点在数据整理、标注和维护。
爆火的 Jev 模型，到底能帮我们做什么？
Jev 是前 OpenAI 成员 Diogo Almeida 做的 System One 模型：不逐 Token 生成文本，只对限定答案做概率判断，返回选择、是非或评分。决策一次 70 到 500 毫秒，输入 Token 每百万 0.042 美元，同等智能下快 40 到 200 倍。
Jev 刷屏时，我用五个问题判断它值不值得接
当所有人都在吹捧 Jev 快 193 倍、便宜 444 倍时，作者把它接进真实审核流程，结果 30 场面试复盘无一自动通过，不到 20 小时便撤下。本文复盘这次踩坑经历，拆解 Jev 作为「判断题专用零件」的边界，并给出接入新模型前的五个关键拷问。
Jev 爆火背后：AI Agent 正在从“三体人”变成“地球人”
Jev之所以爆火，是因为它做了一件和行业潮流相反的事：不追求想得更久，只负责判断，接受一段状态就直接返回结构化概率。TypeSafe把这类模型称为System One Model，把经验沉淀成稳定判断可能是下一场竞争。
Jev 不是下一个 GPT，但它可能比 GPT 更该装进你的工作流
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。
GPT 是思考模型，Jev 是行动模型
Jev 由 OpenAI 前研究员 Diogo 创办的 TypeSafe 研发，它不是写作式的大语言模型，而是直接做决策的行动模型：输出只有是或否加置信度，速度快、价格低，把人类判断力的壁垒挖掉一块。
万字大白话解释大火的“JEV”模型是啥，相比传统LLM区别在哪？（内含对应产品演示和小型评测）
当所有人都在卷大模型对话时，OpenAI 老兵却反其道而行，做出了一个「不说话」的模型 JEV。它不生成文本，只输出类型化的决策和概率，上线首日 API 就被挤爆。本文从创始人背景、核心原理到与 LLM 的本质区别，用大白话讲透这个「机器原生智能」新物种，以及它为何可能成为 Agent 时代的「快判断层」。
