杰文斯悖论照进 AI为什么 Jev 越便宜判断的需求反而越多最近 Jev 这个模型挺火。不少人跑去测跑去吹总结下来它的卖点就两个响应快、价格低。面对某些特定类型的选择题它确实比大模型利索——但快和便宜到什么程度取决于拿它跟谁比第四节会用两家独立评测的数据拆开看。我看了相关的讨论也自己盘了一下结论是它大概率不是下一个主流风口。但这事有意思的地方恰恰不在产品本身。Jev 真正有价值的是它用一种很直白的方式戳破了一个比又快又便宜大得多的趋势。更关键的它无意间把一个显式的、跨厂商的判断层摆到了台面上——而这一层未必属于任何一家大模型厂商。今天把这层意思拆开聊聊。一、Jev 不是新物种它是一个成本优化层先把 Jev 到底是什么说清楚。它的出品方是 TypeSafe AICEO 是前 OpenAI 研究员、InstructGPT 论文共同作者 Diogo Almeida。这家公司把它定位成 System One model并明确说这是 “a new class of AI models”——一个新模型类别。它的工作方式和你熟悉的大模型不一样不逐 token 生成文本而是返回预定义 schema 内的值再附带一个校准过的概率。动作词就是 classify / route / score / extract 这类——判断一段文本是不是垃圾、一句话该路由到哪个服务、这个请求要不要重试。厂商当然愿意把它讲成一个新物种。但如果你看它在系统里的实际位置它就是干这种判断的活不写长文不做复杂推理。但往深一层看它做的其实是一件工程化的事把判断从生成里拆了出来交给一个专用的、又快又便宜的模型去完成。这很关键。因为一旦你这么看Jev 就不再是一个大模型的便宜替代品而是一个成本优化层。它不改变你能不能生成好内容它只改变你在调用真正贵的东西之前要不要先问一句。打个比方。你不会用重型卡车去送同城的一杯奶茶你只是把该不该叫卡车这个判断和短途配送这个执行分开了。Jev 干的就是那个先问一句的环节而不是去抢卡车的工作。所以我的第一个判断是Jev 不是一个能替代大模型的新物种。它的位置在旁边不在上面。二、为什么我觉得它不会是主流风口有两层原因。第一层很直白这类模型很快会被一窝蜂地推出来。响应快、价格低本质上是工程取舍的结果不是什么高不可攀的技术壁垒。而且这一幕已经在发生——Jev 本身不开放权重参数量、模型类别、训练数据构成全部未披露但社区已经冒出多个开源复现APUS 也在 9/19 宣布了跨平台本地化方案macOS/Linux/Windows无 GPU 可跑。先发优势撑不了太久。第二层更根本。Jev 核心价值是选择性调用也就是替调用方判断什么时候该用我、什么时候该用大模型。但问题在于这种能力大模型厂商自己也能做。如果厂商在 API 层面就把路由和降级做好了调用方根本不用自己去判断什么时候调 Jev、什么时候调大模型一行代码的事平台替你兜底。一旦厂商把这个能力吸收进去Jev 作为独立产品的必要性就被削弱了。你不会再单独为一个判断层付钱它会被打包进你本来就用的那个大模型服务里。不过这里我要补一刀免得把这个判断说得太满。厂商吸收归吸收显式、可控、跨厂商的判断层是另一回事。如果你的路由逻辑藏进某家大模型厂商的黑盒里你丢掉的是可观测性和控制权哪一次走了小模型、哪一次升级了大模型、为什么你全看不见。而 Jev 这种把判断层显式暴露出来的做法真正的卖点不是便宜是我能用自己的策略、在自己的代码里、跨厂商地决定要不要花这个钱。这是一个抽象层不是一个临时缺口。厂商能吃掉一部分但 model-agnostic 的判断层已经有生态在卡位——LiteLLM 用 JEV 来做 Auto Router 的请求分级classifier.dev 在其上提供免费分类 APISpring 官方也在 9/21 发文接入。这恰恰说明它会沉淀成独立的基础设施而不是 Jev 一家独占。所以结论要修正一下但方向反过来——Jev 这个具体产品未必能赢它代表的把判断显式化、工程化的思路不但会留下来而且已经在变成独立的基础设施。三、真正值钱的是它揭示的趋势如果只盯着产品Jev 聊到这就够了。但我觉得它真正重要的不是它这个东西而是它无意间把一件事摆到了台面上AI 的用户正在从人变成软件和 Agent。这个转变很隐蔽但影响极深。过去十几年AI 产品的设计对象是人。人需要解释需要对话需要被说服需要一个像样的长篇回答。所以大模型被训练得彬彬有礼、长篇大论、乐于展开。但当调用 AI 的不是人而是一段程序、一个 Agent 的时候需求完全变了。机器不需要你解释不需要你展开它要的是结构化输出——一个落在预定义 schema 里的 Choice外加一个校准过的概率。Jev 返回的不是一段给人读的文字而更像 { route: “billing”, confidence: 0.96 } 这样的结构示意。对人来说这不够友好对程序来说这正合适。厂商宣称的0% 类型错误更准确地说是构造性保证而非实测准确率——输出被锁死在 schema 里自然不会返回类型错的字段dev.to 指出这是 structural rather than empirical也有人指出这个对比本身不公平因为 Jev 的输出本就不是自然语言。这恰恰说明系统一要的不是说对话而是吐出结构正确的东西。官方文档还点出三类问题Choice / Score / Noul可以在同一次 API 调用里混合提交、各自独立评估多加问题也不会产生 context-rot上下文腐烂——机器的提问方式是一次并行问完一批而自回归生成模型做不到这一点。当 AI 的主要消费者从人类变成软件整个产品的设计重心就会迁移。解释和对话不再是默认项确定性、延迟、单价、可校准的置信度才是。Jev 恰好撞在这个迁移的节点上这才是它值得被认真看一眼的原因。四、杰文斯悖论Jev 名字的由来也是最狠的一刀Jev 这个名字取自经济学家 William Stanley JevonsLatent Space 对创始人 Diogo Almeida 的访谈、以及央广网 9/20 的报道都确认了这一点对应的就是他 1865 年《The Coal Question》里那个悖论。十九世纪蒸汽机烧煤的效率大幅提升按直觉耗煤量应该下降。结果恰恰相反因为用煤更划算了以前舍不得烧的场景全烧上了总耗煤量不降反升。效率提升反而放大了总需求。把这个悖论套到判断上画面就清楚了。今天一次像样的判断如果对标前沿大模型Arize 实测 Opus 5 单次约 18 美分你舍不得到处用所以代码里大量分支还是写死的规则。但按官方定价折算一次 447 token 的判断约 0.002 美分OpenRouter 博客给的例子纯标价折算LiteLLM 的 0.003 美分则是 240 次实测调用的实际用量按标价计费真正端到端跑出每案成本的是 Arize——在真实工作流上每案约 0.04 美分。同口径对比 Opus 5 的 18 美分约 440 倍、两个数量级起步。这里得补一个参照系。厂商自己的口径是一个区间更快 40x–200x、更便宜 40x–400x发布稿对外标题给的是 200x / 444x与文档里的区间略有出入而两家独立评测给出的数字却差了约 17 倍——LiteLLM 拿它对标小模型 Haiku测出 5.43x 更快、约 26x 更便宜Arize 拿它对标前沿模型 Opus 5则复现出约 95x 更快、约 440x 更便宜68% 准确率对 73%。值得注意的是Arize 复现出的 440×几乎正中厂商对外标题的 444×、也落在文档区间 40–400× 的上沿——第三方并没有抓到厂商夸大被抓到的是倍数这个词本身同一个模型对 Haiku 是 26×对 Opus 5 是 440×两个数都是真的。所以Jev 的快和便宜到底多炸裂高度看你拿它和谁比。这句话本身反而成了它不会是下一个风口最硬的一块弹药卖点里的性能太依赖参照系了。不过悖论的逻辑仍然成立。当一次判断便宜到一个可以忽略的价你还会舍不得到处用吗不会。你会开始到处用。而且我要补的这刀是这里的增量需求主要不是从大模型那儿抢来的替代需求而是凭空长出来的新需求。想想你代码里那些 if/else。大量分支用的是写死的阈值和人工规则因为让每个分支都变聪明太贵了不划算。当一次判断便宜到一个可以忽略的价这些分支会集体从规则变成模型调用。以前你懒得智能化的地方现在随手就智能化了。所以杰文斯悖论在 Jev 这里真正的动态是需求不是从别处搬来的是凭空长出来的。这恰恰就是悖论最迷人的地方效率提升释放的不是节约是欲望。五、未来的 Agent 架构大概率是分层分工的把上面这些拼起来一个很自然的架构图景就浮现了。未来的 Agent 系统不太可能是一个无所不能的大模型包打天下更可能是分层分工各干各的。大模型系统二负责慢思考、复杂推理、长文本生成和顶层规划。它贵它慢但它能处理模糊、开放、需要创造力的任务。这是系统的大脑。决策小模型系统一负责高频、快速、边界清晰的原子判断路由、分类、风控、重试。它便宜它快它不跟你讲道理但它能在百毫秒级给一个 yes 或 no。这是系统的反射。代码和工具负责执行确定性逻辑。该算账算账该调接口调接口不该用模型的坚决不用模型。这个快慢系统的划分和认知心理学对人类心智的描述同构人类用基底神经节和小脑接管下意识行为把前额叶腾出来干复杂的活。现在有意思的是工程师正在 AI 系统里把同一张蓝图重新实现一遍——而且是用成本和数据逼出来的不是用进化逼出来的。这套分层不是我拍脑袋的推演。Arize 在独立评测里给出的生产级配比几乎和上面一一对应让决策小模型System One跑全量 trace 保覆盖度只把失败和不确定度高的样本抽样送进大模型 judge——因为需要书面解释时才需要文本而 System One 模型本身不生成解释。而在另一项内容审核测试里Jev 拿到 96%、对 Gemini Flash-Lite 的 86%单次决策便宜 58 倍一个通用模型为同一条判断花掉 910 个输出 tokenJev 只花 85 个。也就是说已经有独立团队把系统一全量、系统二抽样跑成了可执行方案而不是停留在蓝图。但分层不是免费午餐这里有两个工程上的硬骨头我想单独拎出来说。第一根骨头是校准和升级。系统一给的不能只是一个答案必须是一个带置信度的答案以及一个更隐蔽的元判断这次该不该把活甩给系统二。Jev 这类产品的护城河不在模型本身在这套判断、给置信度、决定升级的协议设计——而且厂商确实已经把它写进文档了High 置信自动执行、Medium 谨慎推进、Low 不执行并明确阈值不该只有一个数给出双阈值写法confidence 0.5 转人工、 0.9 才放行高风险动作。不过有个反直觉的事实协议给了支撑它的校准实证却还是空白。公开材料里没有 ECE、Brier 分数或可靠性图RLCD 的训练方法和奖励函数也尚未完整公开更没有展示输入分布偏移后校准是否还稳。换句话说你照着官方阈值方案把线路接上仍然不知道它给的 0.8 到底可不可信——这才是护城河在协议设计真正要补的那块。第二根骨头是静默的级联错误。系统一的误判往往是静默的它不报错只是悄悄给错了。一个分类错了下游的系统二根本不会被触发错误就顺着管道一路走下去直到在某个你完全意想不到的地方爆出来。所以分层系统的真正难点不是怎么分层而是怎么兜底fallback 路径、升级触发以及高 stakes 场景里那层人工 oversight——这其实该算系统的第四层光靠代码层兜不住。而且厂商自己的文档就给了这类静默失稳的一手证据在 noul 这个原语上同一命题下 noul 给到 0.22Choice 里 yes 选项却只有 0.01在退款判断上refund 与 not_refund 两个互斥选项的概率之和竟是 1.19——结构化不变量被违反、概率加总超过 1。也就是说当你以为小模型拍板了的时候它可能连自己输出的一致性都没兜住。而厂商自己的 Confidence 文档也把 confidence 0.5 转人工写成了示例动作——连出方案的人都默认你需要这道兜底。当然把判断拆出来也不是白捡的。Arize 在零样本垃圾邮件分类上实测 Jev 98.3%不微调、不用标注样本而一个在 1.48 万封标注邮件上训练出来的 TF-IDF 逻辑回归拿到了 98.4%——两者只在 466 封邮件上判得不一样而且几乎对半分。Arize 自己的评论很到位2003 年那个需要训练数据的分类器只是追平了一个什么都不用训练的判断模型。所以用便宜小模型替代大模型做判断这笔账得按具体任务自己算——这也正是第二根骨头说的fallback 和人工兜底不是可选项。六、升维来看这不是第一次便宜的原子改写世界把视野再拉高一点Jev 这类事一点都不新鲜它只是便宜原子改写软件写法这条长河里的最新一朵浪。晶体管便宜到可以忽略不计之后一切带电的东西都变智能了。云计算按秒计费之后以前舍不得常开的实例现在一直开着。API 化之后以前要养一队人干的活现在一行 curl 就调走了。每一次都是某个原本昂贵的原子动作被打到地板价然后需求凭空暴涨软件的形态随之改写。“判断”正在成为下一个这样的原子。当推理变成基础设施里最便宜的那一层软件的写法一定会变。以前我们写的是如果满足条件 A就做 B的硬规则以后我们更可能写的是问一下小模型它觉得该不该做 B置信度够不够。规则让位于判断静态让位于动态。而 Kahneman 用系统一和系统二描述人脑的那套框架本来是认知心理学现在成了 AI 系统的工程蓝图。一个描述人类心智的模型反过来指导我们搭建非人类的心智这件事本身挺妙的。七、所以结论是什么回到开头那个判断。Jev 会不会成为下一个主流风口我倾向于不会。它卖的又快又便宜迟早会被大模型厂商吸收进 API 里它作为独立产品的窗口可能比很多人想象的短。但 Jev 揭示的那件事比产品本身深得多AI 的用户正在从人变成 Agent判断正在被从生成里拆出来、被打到地板价、被重新喂给软件。这个趋势不会因为它这个产品没火而消失恰恰相反它会以基础设施而不是爆款产品的形态静静地渗透进每一个 Agent 系统的骨架里。吹 Jev 的人盯着的是它的价格和速度。看准它的人盯着的是它背后那次架构迁移。而杰文斯悖论在这一幕里最锋利的那一刀是判断越便宜被塞进代码里的判断就越多。Jev 这个产品会不会火一点都不重要——重要的是它提前照出了那个画面判断正在变成一个像电一样、便宜到可以随手用的原子而 AI 的用户正在从人悄悄变成 Agent。下一次你写代码、纠结这里要不要调一次大模型的时候答案也许不是换更大的模型而是先让一个便宜的判断替你决定。这大概就是 Jev 留给所有人最有价值的那句话。围炉聊科技一个认真聊 AI 与智能体基建的号。如果这期对你有点启发欢迎点个「赞」和「在看」或者顺手转发给那个还在纠结「这里到底要不要调大模型」的朋友。想第一时间收到更新也可以给个星标 ⭐。我们下期见。 
长河君 · 2026/10/15 20:02:07 · 阅读 1.2k 杰文斯悖论照进 AI：为什么 Jev 越便宜，判断的需求反而越多
杰文斯悖论照进 AI为什么 Jev 越便宜判断的需求反而越多最近 Jev 这个模型挺火。不少人跑去测跑去吹总结下来它的卖点就两个响应快、价格低。面对某些特定类型的选择题它确实比大模型利索——但快和便宜到什么程度取决于拿它跟谁比第四节会用两家独立评测的数据拆开看。我看了相关的讨论也自己盘了一下结论是它大概率不是下一个主流风口。但这事有意思的地方恰恰不在产品本身。Jev 真正有价值的是它用一种很直白的方式戳破了一个比又快又便宜大得多的趋势。更关键的它无意间把一个显式的、跨厂商的判断层摆到了台面上——而这一层未必属于任何一家大模型厂商。今天把这层意思拆开聊聊。一、Jev 不是新物种它是一个成本优化层先把 Jev 到底是什么说清楚。它的出品方是 TypeSafe AICEO 是前 OpenAI 研究员、InstructGPT 论文共同作者 Diogo Almeida。这家公司把它定位成 System One model并明确说这是 “a new class of AI models”——一个新模型类别。它的工作方式和你熟悉的大模型不一样不逐 token 生成文本而是返回预定义 schema 内的值再附带一个校准过的概率。动作词就是 classify / route / score / extract 这类——判断一段文本是不是垃圾、一句话该路由到哪个服务、这个请求要不要重试。厂商当然愿意把它讲成一个新物种。但如果你看它在系统里的实际位置它就是干这种判断的活不写长文不做复杂推理。但往深一层看它做的其实是一件工程化的事把判断从生成里拆了出来交给一个专用的、又快又便宜的模型去完成。这很关键。因为一旦你这么看Jev 就不再是一个大模型的便宜替代品而是一个成本优化层。它不改变你能不能生成好内容它只改变你在调用真正贵的东西之前要不要先问一句。打个比方。你不会用重型卡车去送同城的一杯奶茶你只是把该不该叫卡车这个判断和短途配送这个执行分开了。Jev 干的就是那个先问一句的环节而不是去抢卡车的工作。所以我的第一个判断是Jev 不是一个能替代大模型的新物种。它的位置在旁边不在上面。二、为什么我觉得它不会是主流风口有两层原因。第一层很直白这类模型很快会被一窝蜂地推出来。响应快、价格低本质上是工程取舍的结果不是什么高不可攀的技术壁垒。而且这一幕已经在发生——Jev 本身不开放权重参数量、模型类别、训练数据构成全部未披露但社区已经冒出多个开源复现APUS 也在 9/19 宣布了跨平台本地化方案macOS/Linux/Windows无 GPU 可跑。先发优势撑不了太久。第二层更根本。Jev 核心价值是选择性调用也就是替调用方判断什么时候该用我、什么时候该用大模型。但问题在于这种能力大模型厂商自己也能做。如果厂商在 API 层面就把路由和降级做好了调用方根本不用自己去判断什么时候调 Jev、什么时候调大模型一行代码的事平台替你兜底。一旦厂商把这个能力吸收进去Jev 作为独立产品的必要性就被削弱了。你不会再单独为一个判断层付钱它会被打包进你本来就用的那个大模型服务里。不过这里我要补一刀免得把这个判断说得太满。厂商吸收归吸收显式、可控、跨厂商的判断层是另一回事。如果你的路由逻辑藏进某家大模型厂商的黑盒里你丢掉的是可观测性和控制权哪一次走了小模型、哪一次升级了大模型、为什么你全看不见。而 Jev 这种把判断层显式暴露出来的做法真正的卖点不是便宜是我能用自己的策略、在自己的代码里、跨厂商地决定要不要花这个钱。这是一个抽象层不是一个临时缺口。厂商能吃掉一部分但 model-agnostic 的判断层已经有生态在卡位——LiteLLM 用 JEV 来做 Auto Router 的请求分级classifier.dev 在其上提供免费分类 APISpring 官方也在 9/21 发文接入。这恰恰说明它会沉淀成独立的基础设施而不是 Jev 一家独占。所以结论要修正一下但方向反过来——Jev 这个具体产品未必能赢它代表的把判断显式化、工程化的思路不但会留下来而且已经在变成独立的基础设施。三、真正值钱的是它揭示的趋势如果只盯着产品Jev 聊到这就够了。但我觉得它真正重要的不是它这个东西而是它无意间把一件事摆到了台面上AI 的用户正在从人变成软件和 Agent。这个转变很隐蔽但影响极深。过去十几年AI 产品的设计对象是人。人需要解释需要对话需要被说服需要一个像样的长篇回答。所以大模型被训练得彬彬有礼、长篇大论、乐于展开。但当调用 AI 的不是人而是一段程序、一个 Agent 的时候需求完全变了。机器不需要你解释不需要你展开它要的是结构化输出——一个落在预定义 schema 里的 Choice外加一个校准过的概率。Jev 返回的不是一段给人读的文字而更像 { route: “billing”, confidence: 0.96 } 这样的结构示意。对人来说这不够友好对程序来说这正合适。厂商宣称的0% 类型错误更准确地说是构造性保证而非实测准确率——输出被锁死在 schema 里自然不会返回类型错的字段dev.to 指出这是 structural rather than empirical也有人指出这个对比本身不公平因为 Jev 的输出本就不是自然语言。这恰恰说明系统一要的不是说对话而是吐出结构正确的东西。官方文档还点出三类问题Choice / Score / Noul可以在同一次 API 调用里混合提交、各自独立评估多加问题也不会产生 context-rot上下文腐烂——机器的提问方式是一次并行问完一批而自回归生成模型做不到这一点。当 AI 的主要消费者从人类变成软件整个产品的设计重心就会迁移。解释和对话不再是默认项确定性、延迟、单价、可校准的置信度才是。Jev 恰好撞在这个迁移的节点上这才是它值得被认真看一眼的原因。四、杰文斯悖论Jev 名字的由来也是最狠的一刀Jev 这个名字取自经济学家 William Stanley JevonsLatent Space 对创始人 Diogo Almeida 的访谈、以及央广网 9/20 的报道都确认了这一点对应的就是他 1865 年《The Coal Question》里那个悖论。十九世纪蒸汽机烧煤的效率大幅提升按直觉耗煤量应该下降。结果恰恰相反因为用煤更划算了以前舍不得烧的场景全烧上了总耗煤量不降反升。效率提升反而放大了总需求。把这个悖论套到判断上画面就清楚了。今天一次像样的判断如果对标前沿大模型Arize 实测 Opus 5 单次约 18 美分你舍不得到处用所以代码里大量分支还是写死的规则。但按官方定价折算一次 447 token 的判断约 0.002 美分OpenRouter 博客给的例子纯标价折算LiteLLM 的 0.003 美分则是 240 次实测调用的实际用量按标价计费真正端到端跑出每案成本的是 Arize——在真实工作流上每案约 0.04 美分。同口径对比 Opus 5 的 18 美分约 440 倍、两个数量级起步。这里得补一个参照系。厂商自己的口径是一个区间更快 40x–200x、更便宜 40x–400x发布稿对外标题给的是 200x / 444x与文档里的区间略有出入而两家独立评测给出的数字却差了约 17 倍——LiteLLM 拿它对标小模型 Haiku测出 5.43x 更快、约 26x 更便宜Arize 拿它对标前沿模型 Opus 5则复现出约 95x 更快、约 440x 更便宜68% 准确率对 73%。值得注意的是Arize 复现出的 440×几乎正中厂商对外标题的 444×、也落在文档区间 40–400× 的上沿——第三方并没有抓到厂商夸大被抓到的是倍数这个词本身同一个模型对 Haiku 是 26×对 Opus 5 是 440×两个数都是真的。所以Jev 的快和便宜到底多炸裂高度看你拿它和谁比。这句话本身反而成了它不会是下一个风口最硬的一块弹药卖点里的性能太依赖参照系了。不过悖论的逻辑仍然成立。当一次判断便宜到一个可以忽略的价你还会舍不得到处用吗不会。你会开始到处用。而且我要补的这刀是这里的增量需求主要不是从大模型那儿抢来的替代需求而是凭空长出来的新需求。想想你代码里那些 if/else。大量分支用的是写死的阈值和人工规则因为让每个分支都变聪明太贵了不划算。当一次判断便宜到一个可以忽略的价这些分支会集体从规则变成模型调用。以前你懒得智能化的地方现在随手就智能化了。所以杰文斯悖论在 Jev 这里真正的动态是需求不是从别处搬来的是凭空长出来的。这恰恰就是悖论最迷人的地方效率提升释放的不是节约是欲望。五、未来的 Agent 架构大概率是分层分工的把上面这些拼起来一个很自然的架构图景就浮现了。未来的 Agent 系统不太可能是一个无所不能的大模型包打天下更可能是分层分工各干各的。大模型系统二负责慢思考、复杂推理、长文本生成和顶层规划。它贵它慢但它能处理模糊、开放、需要创造力的任务。这是系统的大脑。决策小模型系统一负责高频、快速、边界清晰的原子判断路由、分类、风控、重试。它便宜它快它不跟你讲道理但它能在百毫秒级给一个 yes 或 no。这是系统的反射。代码和工具负责执行确定性逻辑。该算账算账该调接口调接口不该用模型的坚决不用模型。这个快慢系统的划分和认知心理学对人类心智的描述同构人类用基底神经节和小脑接管下意识行为把前额叶腾出来干复杂的活。现在有意思的是工程师正在 AI 系统里把同一张蓝图重新实现一遍——而且是用成本和数据逼出来的不是用进化逼出来的。这套分层不是我拍脑袋的推演。Arize 在独立评测里给出的生产级配比几乎和上面一一对应让决策小模型System One跑全量 trace 保覆盖度只把失败和不确定度高的样本抽样送进大模型 judge——因为需要书面解释时才需要文本而 System One 模型本身不生成解释。而在另一项内容审核测试里Jev 拿到 96%、对 Gemini Flash-Lite 的 86%单次决策便宜 58 倍一个通用模型为同一条判断花掉 910 个输出 tokenJev 只花 85 个。也就是说已经有独立团队把系统一全量、系统二抽样跑成了可执行方案而不是停留在蓝图。但分层不是免费午餐这里有两个工程上的硬骨头我想单独拎出来说。第一根骨头是校准和升级。系统一给的不能只是一个答案必须是一个带置信度的答案以及一个更隐蔽的元判断这次该不该把活甩给系统二。Jev 这类产品的护城河不在模型本身在这套判断、给置信度、决定升级的协议设计——而且厂商确实已经把它写进文档了High 置信自动执行、Medium 谨慎推进、Low 不执行并明确阈值不该只有一个数给出双阈值写法confidence 0.5 转人工、 0.9 才放行高风险动作。不过有个反直觉的事实协议给了支撑它的校准实证却还是空白。公开材料里没有 ECE、Brier 分数或可靠性图RLCD 的训练方法和奖励函数也尚未完整公开更没有展示输入分布偏移后校准是否还稳。换句话说你照着官方阈值方案把线路接上仍然不知道它给的 0.8 到底可不可信——这才是护城河在协议设计真正要补的那块。第二根骨头是静默的级联错误。系统一的误判往往是静默的它不报错只是悄悄给错了。一个分类错了下游的系统二根本不会被触发错误就顺着管道一路走下去直到在某个你完全意想不到的地方爆出来。所以分层系统的真正难点不是怎么分层而是怎么兜底fallback 路径、升级触发以及高 stakes 场景里那层人工 oversight——这其实该算系统的第四层光靠代码层兜不住。而且厂商自己的文档就给了这类静默失稳的一手证据在 noul 这个原语上同一命题下 noul 给到 0.22Choice 里 yes 选项却只有 0.01在退款判断上refund 与 not_refund 两个互斥选项的概率之和竟是 1.19——结构化不变量被违反、概率加总超过 1。也就是说当你以为小模型拍板了的时候它可能连自己输出的一致性都没兜住。而厂商自己的 Confidence 文档也把 confidence 0.5 转人工写成了示例动作——连出方案的人都默认你需要这道兜底。当然把判断拆出来也不是白捡的。Arize 在零样本垃圾邮件分类上实测 Jev 98.3%不微调、不用标注样本而一个在 1.48 万封标注邮件上训练出来的 TF-IDF 逻辑回归拿到了 98.4%——两者只在 466 封邮件上判得不一样而且几乎对半分。Arize 自己的评论很到位2003 年那个需要训练数据的分类器只是追平了一个什么都不用训练的判断模型。所以用便宜小模型替代大模型做判断这笔账得按具体任务自己算——这也正是第二根骨头说的fallback 和人工兜底不是可选项。六、升维来看这不是第一次便宜的原子改写世界把视野再拉高一点Jev 这类事一点都不新鲜它只是便宜原子改写软件写法这条长河里的最新一朵浪。晶体管便宜到可以忽略不计之后一切带电的东西都变智能了。云计算按秒计费之后以前舍不得常开的实例现在一直开着。API 化之后以前要养一队人干的活现在一行 curl 就调走了。每一次都是某个原本昂贵的原子动作被打到地板价然后需求凭空暴涨软件的形态随之改写。“判断”正在成为下一个这样的原子。当推理变成基础设施里最便宜的那一层软件的写法一定会变。以前我们写的是如果满足条件 A就做 B的硬规则以后我们更可能写的是问一下小模型它觉得该不该做 B置信度够不够。规则让位于判断静态让位于动态。而 Kahneman 用系统一和系统二描述人脑的那套框架本来是认知心理学现在成了 AI 系统的工程蓝图。一个描述人类心智的模型反过来指导我们搭建非人类的心智这件事本身挺妙的。七、所以结论是什么回到开头那个判断。Jev 会不会成为下一个主流风口我倾向于不会。它卖的又快又便宜迟早会被大模型厂商吸收进 API 里它作为独立产品的窗口可能比很多人想象的短。但 Jev 揭示的那件事比产品本身深得多AI 的用户正在从人变成 Agent判断正在被从生成里拆出来、被打到地板价、被重新喂给软件。这个趋势不会因为它这个产品没火而消失恰恰相反它会以基础设施而不是爆款产品的形态静静地渗透进每一个 Agent 系统的骨架里。吹 Jev 的人盯着的是它的价格和速度。看准它的人盯着的是它背后那次架构迁移。而杰文斯悖论在这一幕里最锋利的那一刀是判断越便宜被塞进代码里的判断就越多。Jev 这个产品会不会火一点都不重要——重要的是它提前照出了那个画面判断正在变成一个像电一样、便宜到可以随手用的原子而 AI 的用户正在从人悄悄变成 Agent。下一次你写代码、纠结这里要不要调一次大模型的时候答案也许不是换更大的模型而是先让一个便宜的判断替你决定。这大概就是 Jev 留给所有人最有价值的那句话。围炉聊科技一个认真聊 AI 与智能体基建的号。如果这期对你有点启发欢迎点个「赞」和「在看」或者顺手转发给那个还在纠结「这里到底要不要调大模型」的朋友。想第一时间收到更新也可以给个星标 ⭐。我们下期见。