爆火新模型Jev送1.2亿token！这6个案例太值得看了

一、全文速览图

过去几天，一个“不会说话”的新模型 Jev 突然爆火。

现在已经有3800多万人围观，它的技术负责人是前 OpenAI 研究员 Diogo Almeida，当年参与过 ChatGPT 指令遵循的核心研究。

和传统聊天型大模型相比，Jev 做了一个非常激进的取舍。

彻底放弃文本生成，把所有能力用在评分和选择上。

说得通俗一点，普通大模型擅长写长篇大论，Jev 擅长一锤定音。

上线短短几天，全球开发者围绕它做出了近五百个开源项目。

而就在昨天，Jev 宣布向所有用户开放，还给每个注册账号送了大约 1.2 亿 Token 的额度！

Jev 定价是每百万输入 Token 约 0.042 美元，输出 Token 免费，在典型决策工作流上，比前沿大模型快几十到上百倍也便宜几百倍。

这 1.2 亿 Token 可以够咱们爽玩了。

我整理了 X 上反响强烈的 6 个实测案例，咱们来一起看看 Jev 到底有多牛。

二、超酷案例！

1.给论文打标签。

开发者 Hassan 做了一个很实用的流程：先用 DeepSeek 为论文生成摘要，再让 Jev 根据标题、摘要和 24 个主题分类进行打标。

测试中，每篇论文完成分类的端到端延迟中位数约 256 毫秒，全部分类成本约 0.08 美元。

大家肯定都被收藏夹的问题困扰过吧。

浏览器收藏夹、Notion 页面、微信文件、截图、素材库、灵感板……东西越积越多，到最后就变成我记得我存过，但不知道在哪。

Jev 这种快速分类能力，太适合知识管理了。

2.实时玩《超级马里奥》。

网友 Faadil Shaik 让 Jev 实时玩《超级马里奥》。

它持续读取游戏状态，再决定向左、向右、跳跃还是等待。

听起来像个小游戏实验，实际非常考验系统速度。

游戏可不会停下来等模型想明白，晚半秒跳，角色就掉坑里了。

目前这个实验的成功率还不算高，作者提到大约只有四分之一。

不过超低延迟本身就是能力的一部分。

我们平时用聊天模型，等两三秒并不难受。

可一旦它要辅助驾驶、响应手势、处理交易，甚至在创作软件里跟着你的操作给建议，速度就决定了体验。

3.7 秒查航班。

开发者 Gregor Zunic 把 Jev 接进浏览器，又结合 Browser Use，让它自己观察网页状态，连续决定下一步该点击、输入还是筛选。

演示任务很简单，查询从苏黎世飞往伦敦的航班。

但过程一点都不简单。

网页上有日期、地点、筛选项、弹窗、按钮，任何一步点错都得重来。

Jev 从读取页面到完成搜索，大约只用了 7.1 秒，成本约 0.0039 美元，视频还是原速。

4.自动找最便宜门票。

开发者 Aaron 做了一个电脑操作 Agent。

它先截取屏幕，用 OCR 识别页面上的文字和位置，再让 Jev 判断下一步该点哪里。

遇到要输入文字的情况，再调用其他小模型协助完成。

演示任务是去 TechCrunch 网站，找到下一场活动最便宜门票的结算页。

单次 Jev 决策大约需要 0.13 到 0.38 秒，成本约 0.0002 美元；加上截图和 OCR，一整步大约 1.5 秒。

这就是我们一直期待的场景，电脑开始能自己跑腿了。

5.社媒帖子打分。

开发者 Rob Hallam 把 Jev 接入 SuperX，让它用约 1 秒，回答一条社媒帖子涉及的 61 个评估问题，再结合 207 位创作者和 9,481 条真实帖子的表现数据，拟合内容评分。

他还做了一个循环：写草稿、打分、重写、停止。

这对内容创作者的吸引力太大了。

这条内容读者会不会点？能不能看下去？会不会愿意转发？有没有可能引发评论？

过去只能靠经验靠感觉，发完以后再等数据，现在用 Jev 可以提前做判断了。

6. 让 Jev 决定调用哪个模型。

最后一个案例来自 eve 团队，他们把 Jev 用作模型路由器。

开发者提前写好不同模型的擅长领域，比如一个适合复杂推理，一个适合快速日常任务。

每次用户发来新请求，Jev 先判断该把任务交给谁，这一轮就沿用对应模型。

很多任务根本不需要最贵、最慢的大模型。如果都交给最强模型，成本会迅速失控，等待时间也会变长。

让一个足够快、足够便宜的决策模型先做分流，这得多省 Token 啊！

三、在 Codex 里用上 Jev

在 TypeSafe 的官方定义里，Jev 是首个 System One 模型。

它不生成自然语言，只返回你预先定义好的类型化答案和对应的概率分布。

你向它发送一段“状态”（可以是文本、JSON 或一组字符串），再附上若干结构化的问题，它会用一次前向计算同步回答所有问题。

输出是明确的选项、评分或是概率值。

TypeSafe 把这种模型形容为前沿智能函数调用，无结构状态输入，类型化概率决策输出。

如果你已经在用各类 Agent 工具或有自己的小工作流，用 Jev 做一次尝试其实并不复杂。

在 TypeSafe 官网注册账号，获取 Jev 的访问资格和 API Key。

当前官方文档中 Jev 的模型别名为 jev-latest。

在官网上就可以传入一段状态和一组问题，问题的类型可以是 Choice、Score 或 Noul。

但是这个用起来还是有些麻烦。

如果你使用的是支持 Skill 的 Agent 平台，可以直接安装官方的 TypeSafe Skill。

直接输入：

全局安装 TypeSafe 技能。如果你是 Codex（Claude Code），请执行 `claude plugin marketplace add typesafe-ai/skills`，然后执行 `claude plugin install typesafe@typesafe-ai`。如果你是其他 Agent，请执行 `npx skills add typesafe-ai/skills --skill typesafe-ai -g` 并选择你的 Agent。只需使用一种安装方式即可。技能文件可以在这里查看：https://github.com/typesafe-ai/skills/blob/main/skills/typesafe-ai/SKILL.md

然后继续让 AI 自动配置 API：

安装好之后就可以输入/Typesafe AI 用 Jev 下判断了。

四、干货时间

今天的干货时间，就再给大家分享一个开源的 Jev 案例库：https://render.qmuse.pub/p/muse/8079593307628562/index.html

收录了全网200多个超酷的 Jev 案例，点开就能看。

大家可以去看看世界各地网友更多的创意脑洞和新玩法：