Jev 是什么？这个 AI 凭什么便宜几百倍

这期讲了什么

• 「话少所以便宜」不成立：普通大模型回一个字也是逐 token 串行算出来的，每蹦一个字都要把前面重算一遍，动笔前的草稿照样算钱
• Jev 的做法相反：先把可能的答案定死（官方叫「答案空间」），所有候选的概率分布一次并行算完——像涂答题卡，不是写申论
• Jev 只干三种活：判是非（Noul）、从候选里挑一个（Choice）、打分（Score）；回的不是文字，是带概率的选项
• 概率要诚实：用 RLCD 方法训练，目标是置信度越高准确率真的越高；「零幻觉」指输出永远落在答案表里、格式错误不可能发生
• 短板与账本：不会数数、不会算数、比日期不可靠，候选最多 255 个且还在排队试用；官方价输入每百万 token 四美分出头、输出免费，定位是「模型给概率，代码给策略」

文字稿

为什么「话少」省不了钱

Jev 这个 AI 最近火得不行。刷到的人都在传同一件事：便宜，便宜到有点离谱。多数人看到的第一反应都差不多——话少嘛，让 AI 少回几个字，当然省钱。

做 Jev 的公司叫 TypeSafe，他们把一张对比表直接挂上了官网，拿 Jev 跟普通大模型对着比，自家评测站还有一张传疯了的散点图。可「话少所以便宜」这个解释，真的站得住吗？

先泼一盆冷水。你让普通大模型只回一个字，省下的也只是那一个字的功夫。这种模型写字，是一个字一个字往外蹦的，每蹦一个字，都得把前面写过的重新算一遍，行话叫逐 token 串行，token 就是模型眼里的字碎片。为了答得准，很多模型动笔前还要在心里打一长串草稿，草稿照样算钱。字少，不等于算得少。

你可能会说，那我让 AI 只回 JSON，总行了吧。还是不行。JSON 也得一个字符一个字符往外写，写错一个逗号，程序照样崩。写过这种代码的人，都懂这种痛。

涂答题卡代替写申论：答案空间一次算完

Jev 换的是另一条路。用它之前，你得先把可能的答案全部列出来——是或否，或者在几个候选里挑一个。这个事先定死的范围，官方叫答案空间。范围一旦定死，Jev 就不用写字了：它把所有候选的概率分布一次算完，全部并行，同时出结果。

打个比方。普通大模型答题，像考生在考场上写申论，一个字一个字往外憋；Jev 答题，像涂答题卡——可选答案就那几个格子，机器一眼全扫完。涂卡快，从来不是因为字少。

具体到用法，Jev 只干三种活。一种是判是非，行不行、对不对，回一个 0 到 1 之间的概率，官方管这个叫 Noul。一种是从你给的候选里挑一个，每个候选各带一个概率，叫 Choice。还有一种是打分，叫 Score。注意，回的不是文字，是带概率的选项。

光给概率还不够，概率得诚实。普通大模型你问它有几分把握，它多半往高了报，还报得前后不一。Jev 训练用的是一套叫 RLCD 的方法，目标就是让概率说真话——官方的说法是，置信度越高，准确率就真的越高。

零幻觉的真实含义、短板和价格

官方宣传里最唬人的词是零幻觉。准确意思是，Jev 的输出永远落在那张定好的答案表里，格式错误数学上不可能发生。但判断照样会错——官方自己列了短板，不会数数，不会算数，比日期也不可靠。而且 Jev 还在排队试用，候选最多放 255 个。

官方自己挂出来的账：输入每百万 token 四美分出头，输出干脆免费，一次查询几十到几百毫秒。所以 Jev 的定位，官方说得最明白——模型给概率，代码给策略。概率高了怎么办，低了找谁兜底，由你的程序说了算，不是概率高就自动执行。Jev 便宜不是因为话少，是它压根不写字——答案空间事先定死，所有概率一次算完。

以后再有 AI 产品喊几百倍，我都去翻它底层是改了生成方式还是只改了话术。

常见问题

Jev 是什么？

Jev 是 TypeSafe 公司做的 AI 模型，不生成文字，只输出带概率的选项：判是非（Noul）、从候选里挑一个（Choice）、打分（Score）。用之前要把可能的答案事先列成「答案空间」，然后所有候选一次并行算完，官方价输入每百万 token 四美分出头、输出免费。

Jev 为什么比普通大模型便宜几百倍？

不是因为话少。普通大模型逐 token 串行生成，写错一个字符都可能让程序崩，动笔前的草稿也算钱。Jev 把答案空间事先定死，所有候选的概率分布一次并行算完——像涂答题卡代替写申论，快在并行，不在字少。

Jev 的零幻觉是什么意思，有什么局限？

「零幻觉」指 Jev 的输出永远落在定好的答案表里，格式错误数学上不可能发生，但判断照样会错。官方自列短板：不会数数、不会算数、比日期不可靠，候选最多 255 个，且还在排队试用。返回的是带概率的选项，怎么用由你的代码决定，不是概率高就自动执行。