Jev 模型是什么：当 AI 的判断被单独拿来卖

用惯了大模型的人，思维里都有一个默认前提：AI 的产出是文字，按生成的 token 数计费，写得多就贵，写得慢就等。最近一款叫 Jev 的模型把这个前提直接掀翻了。它不写文章、不写代码、不做解释，功能只有一个：判断。用法是给它一段材料和几个备选答案，它从中锁定一个选项，同时报出一个把握度的数字，整个输出就这么多。比如递进去一份财报材料和几个增速数字，问其中报的营收增速最接近哪个，它直接给出答案并附上把握度，吐出的内容还凑不满一句话。发布方 TypeSafe AI 的创始人在 OpenAI 待过四年，参与过 InstructGPT 那一代工作，团队给这个产品的定位很直白：把判断力单独做成一个品类，单独计价。一次判断不到 0.001 美元，因为不逐字生成，速度比常规大模型快几十倍。计价单位从字数变成次数，这件事听起来小，实际上把 AI 从一种“内容生产服务”变成了一种可以批量采购的“零件”。

有媒体拿近两百次财报判断任务去实测它，结果很能说明这类模型的脾气。基础事实题几乎全对，问某家公司中报里的某个数字，它稳稳给出正确选项，把握度拉满。可一旦题目需要计算，比如毛利率变化贴着分界线走，它就开始出错，而且错得理直气壮：同一道题换两种问法问十次，十次全错，每次把握度都超过八成。这不是 Jev 一家的毛病，而是所有判断型模型的共性——置信度衡量的只是给定选项之间的相对倾向，并不衡量答案本身的对错。最危险的局面从来不是低把握时的犹豫，而是高把握下的错误且不自知。所以围绕这类模型搭建工作流的人，往往把规矩定得很硬：算术必须留在代码里，取数、口径对齐、比率计算全部交给程序，模型只负责在备选项里做最后的选择，阈值再由人工校准兜底。

真要问它主要用在什么领域，答案其实是横切的，哪个行业都有“从几个既定选项里挑一个”的需求。金融和财务分析是最直接的试验场：核数、口径比对、从成堆材料里锁定某个数字落在哪个区间，这类任务人做起来费眼、量大又机械，正是判断器的舒适区，只是贴线的计算得交给代码兜底。企业内部运营是走量最大的场景：客服工单按内容自动分派、退款申请归入对应类别、合同条款做风险初筛、成堆的文档先预筛一遍再交给人工细看，这些事单价极低、频次极高，以前靠规则引擎做不准，用大模型做又太贵，一次判断千分之一美元的价位刚好把中间这个夹层填上了。更值得注意的是给 AI 工作流“叠甲”的用法：大模型的敏感操作在执行前，先用它判断一次是否需要人工审批，转账、删除、对外发送之前都过一道闸，等于给自动化流程配了一道便宜的安全栓。它不和大模型抢饭碗，而是嵌进别人的工作流里当零件，这个生态位比模型本身的参数更耐琢磨。

名字里的杰文斯，指向 19 世纪那个著名的悖论：蒸汽机效率提高，煤的消耗反而不降反升。判断成本跌到千分之一美元一次，用量大概率也是同样的剧本：原本因为贵而不划算的判断需求，会像便宜下来的照明用电一样被成倍释放出来，这些判断单独看都不起眼，乘上每天成千上万次的调用量，才撑得起一个新品类。真正值得琢磨的另有其处：模型账单便宜了，成本却转移到了选项设计、数据核对和复核流程上，价值流向出题的人和设计流程的人。国内做检索、排序、判断的技术储备并不缺，智源的检索模型、Qwen3 的排序模型都在做同类判断，缺的只是把它们包装成独立品类单独计价的那个动作，这个空白被谁先填上，倒是一个比模型本身更有看头的问题。