AI前几天发了个新东西，叫Jev。

创始人Diogo Almeida是当年OpenAI的元老，据说ChatGPT早期能变得这么“听话”，有他一份功劳。但他离开后，花了两年时间琢磨一件反常事：为啥AI这么聪明，却帮我们干不了多少活？最后他做了个决定——给AI做减法。

不生成文本，不聊天，不写代码。连“好的”两个字都吐不出来。

它只干一件事：做选择题。

你给它一段信息，加上几个提前定好的选项，它直接返回答案和概率。比如收到一条客户投诉，大模型会分析情绪、写一段话、最后建议转给售后。Jev不写字，直接返回“售后，概率87%”。

我拿工作群试了一下。 预设四个标签：紧急需求、日常讨论、进度同步、风险预警。分了30条群消息，准确率大概八成。

有一条把同事的玩笑话标成了风险预警，但置信度只有0.4——它自己知道拿不准。

八成听起来不高，但错的那两条，置信度都低于50%，程序直接扔给人工看。等于自带免检标签，它拿不准的不硬猜。

为什么这么快？

就像你看到前方突然窜出一只猫，你会下意识猛打方向盘，根本来不及“想”什么卡尼曼。Jev就是把这个下意识反应，做成了AI模型。一次计算，直接出结果。

官方数据：输入百万token四分钱不到，输出白送。比对照大模型便宜四百多倍。70到500毫秒出结果。

但它不是来替代大模型的。

上下文窗口小，不能开放式创作，只能在你给定的选项里选。正确的用法是：高频的分支判断交给它，复杂推理留给大模型。

以前要判断一封邮件该分给哪个部门，得让千亿参数大模型逐字吐JSON，还得写满两页提示词求它别加废话。Jev把这个问题从根上解决了——它不生成文本，就不会有格式幻觉。

它更像一个有语义理解能力的智能if语句。

说实话，这工具简直是为我们这种天天被各种群消息、工单淹没的中小团队量身定做的。以前用GPT-4做分类，心疼得像割肉，现在终于能敞开用了。

当然，它现在还挑活儿。八成准确率、小上下文，别指望它包打天下。尝鲜可以，别急着把生产环境的核心逻辑切过去。

你觉得这种“只做判断”的AI，最先会在哪落地？

A. 客服工单分流
B. Agent内部的路由判断
C. 风控批量打分
D. 游戏实时反应

我押B最先火，因为现在做个AI应用，最难的就是让Agent自己知道下一步该干嘛。把这些问题便宜一百倍地解决掉，大模型才能专心干大事。

你押哪个？评论区聊聊。

人工智能 AI工具