最近，有個叫 Jev 的模型很火。
不僅眾多媒體爭相報導，而且實際呼叫量也很大。
Vercel 的資料表明，把 Jev 接入自己的 AI 服務之後，短短 24 小時，就有接近 13% 的付費開發團隊試用過 Jev，首日覆蓋率達到 GPT-5.6 系列同期的 兩倍，成了這個平檯曆史上採用速度最快的新模型。
簡單介紹一下，Vercel 是開發者常用來部署 AI 應用、接入 AI 模型的雲平台，它所公佈的資料具有不小的參考意義。
雖然 Jev 還處在免費期，所以現在不能說它已經取得了商業成功，但一個能力明明比 GPT、Claude 弱得多的模型，有這麼多人馬上就去試了，這件事本身就值得琢磨。
在特訓營上，也有不少朋友讓我談談這個模型，今天我們就來看看，它真正值得關注的到底是什麼。
PART 01
快系統
首先，Jev 不是個能力比 GPT 或 Claude 更強的新模型。
恰恰相反，它不會聊天，不擅長複雜推理。
Jev 的母公司 TypeSafe 把它定義成 System One Model，也就是所謂的“快系統”模型。
用他們自己的話說，適合 Jev 處理的，是那種懂行的人拿到正確材料後、一兩秒鐘就能做出的“小判斷”。
比如，在客服的工作中，一個客戶發消息說，自己的訂單被扣了兩次錢，要求系統退款。
Jev 不需要把整件事從頭分析一遍，它只根據客戶提供的材料，判斷客戶有沒有明確要退款，主要訴求是退款還是換貨，客戶有多生氣，公司的政策允不允許退等等。
總而言之，Jev 要處理的，都是那種熟練客服往往看一眼就能做出判斷的小問題，而不是替企業完成整個決策。
至於到底扣了幾次款、金額是多少，則由系統交給資料庫模組去處理；最終是否執行退款，由公司的業務規則決定；如果需要給客戶寫完整的回覆，就交給生成式大模型。
不過，順帶說一句，我們也看到，不少人把 Jev 的能力想得太強了。
看到 Jev 能快速給判斷，還會量化這個判斷的置信度，就有人往前推了一步，認為把它和 GPT、Claude 這些強模型接起來，就可以直接做成量化基金了。
這個理解不對。
Jev 是可以接進量化系統，但它本身沒有預測市場、產生超額收益、穩定賺錢的能力。
在量化系統中，它最多是在已有的資料和訊號的基礎上，承擔局部判斷的責任，比如判斷一條新聞屬於那類訊號，對已有策略訊號做分類，或者決定要不要呼叫下一個模型。
也就是說，它無法替你創造一個能賺錢的訊號。真正的量化投資，還是要靠資料、有效訊號、回測、風控、執行這一整套做法。
當然，你可能會覺得，做這種小判斷，最強的大模型順手就能做了，有必要專門搞一個 Jev 嗎？
沒錯，大模型是可以做這些小判斷，但是每次都讓最強模型來做，沒那個必要。
就像判斷退款的類型時，沒必要每次都呼叫最高等級的推理能力。
原因也很簡單，判斷一條消息是不是在要求退款，和判斷企業要不要進入一個新業務、開啟一個新戰略，顯然不需要投入同樣多的認知資源。
其實，企業本就是按划算程度和對性能的需求來匹配任務。
Vercel 今年 8 月的資料就顯示，成本更低的開源模型承擔了 56% 的模型處理量，卻只佔了 14% 的支出。
便宜夠用的模型已經在處理跑通了的工作流和一些要求不那麼高的粗活，貴的模型則留給了真正值得付溢價的那一小部分高要求的任務。
例如，如果只是尋找資料、抽取資訊、做局部修改，就交給更快、更便宜的模型；如果碰到架構設計、高風險決策，再升級給更強的模型。
PART 02
認知拼圖
有意思的是，這表明，AI 未來的運行會越來越像人的認知方式。
人也不是所有事情都坐下來認真論證，我們也有快思考和慢思考的兩套系統。
大量熟悉、重複的問題，我們掃一眼就馬上能做出判斷。碰到真正困難、陌生的問題，我們才會停下來慢慢認真分析。
可以看到，過去幾年，AI 最受關注的進步主要發生在後一種系統上，也就是思維鏈越來越長，模型越來越會思考。
但很多時候，AI 還應該要知道，什麼時候根本不用想那麼深，就像我們也不只需要會深度思考，還要會快速判斷。
可見，判斷一件事到底值不值得投入這麼多智能，本身就是一種智能。
Jev 現在做的，就是把這個事單獨拎出來，做成一個更便宜、更快的模型。
所以，Jev 最值得關注的一點，其實在於它主動地少做了很多事。
而且，Jev 和最近 Agent 的發展還相輔相成。
最近幾個月，大家討論比較多的一個詞就是 Harness。
也就是說，一個能長期工作的 Agent，不能只有一個聰明的大模型，還得有一套機制來負責組織工作，比如明確那些資訊要一直記著，什麼時候呼叫什麼工具，什麼時候把任務分給另一個 Agent，多個任務之間怎麼協調等等。
換句話說，模型再強，也只是整個 Agent 的一部分。評價一個 Agent 時，還要看模型和整套運行系統配合起來效果怎麼樣。
過去我們談 AI 進步，很容易把所有注意力都放在模型是不是夠聰明，但 AI 還需要其他多種認知能力。
因此，未來，AI 很可能是個多模型相互協作的架構：深度推理模型負責難題；Memory 層負責記住過去發生過什麼；工具層負責操作外部世界；Jev 負責迅速處理掉那些根本不值得深思的小問題；Harness 則負責把這些能力組織起來。
Jev 是這個體系中的一個小拼圖，它補上的，是過去 AI 產業忽略的一塊關鍵部分。
當然，它並不一定會發展成為一類長期獨立的模型，並獲得最終商業成功。也許，通用模型內部可以設定不同的“思考檔位”，把今天由 Jev 這種專門模型承擔的任務吸收進去。
但毫無疑問，Jev 說明了 AI 未來的發展趨勢，那就是，AI 正在從一個聰明的模型，慢慢長成一套更完整的認知體系，甚至像我們此前思想薈文章所說到的，成為人的“理性外腦”。 (創新地圖)