实测Jev：当AI判断被卖成零件

2026年上半年，贵州茅台营业收入907亿元，涨了不到两个百分点；归母净利润445亿元，降了两个百分点；经营现金流707亿元，涨了将近5倍半。

如果把这段话放进一场考试，给5个描述让你选最贴合的那个，你会选什么。

9月15日，美国创业公司TypeSafe AI结束了两年隐身期，发布了一个叫Jev的模型，点燃了硅谷和AI圈的目光。

上手之后，我们把上面这道题喂给它，它连选三次，每次都选同一个描述，每次都满格把握。整道题花了不到0.001美元。

这个模型特殊性在于，它不写任何一个字，不解释为什么，不写代码或聊天，给它一段材料和几个备选描述，它只在其中勾一个，再报一个数字表示自己有多大把握。

这么一个只做减法的东西，一周内被OpenRouter等多家开发者平台和模型网关接入，几天内还有人做出了开源仿制版，引发了硅谷和AI圈的躁动。

Jev创始人Diogo Almeida在OpenAI做了4年研究，参与的InstructGPT是后来ChatGPT的前身。DCVC领投了4000万美元种子轮。模型名取自19世纪经济学家杰文斯，这个名字里藏着公司的全部赌注。

回到开头茅台那道题会发现，几个正确选项几乎把材料的事实复述了一遍，这道题本身没有多难，但真正值得问的是：一个连字都不写的AI，最终能引起这种热度，凭什么。

一. 从顾问换成开关

做过AI产品的人，都清楚一个日常困境。

一家公司的系统每天做着大量琐碎的判断，这封邮件算不算投诉，这份公告有没有提到诉讼，这笔退款该不该自动批。

最常见的方案是每次都请一个大模型来回答，但大模型的核心工作方式是生成，需要一字一字写，你问它一个“是或否”，它可能先写三段分析再给结论，按字数收费，等上几秒甚至几十秒，回来的文字还需要程序去拆解和校验，格式不对就得重来。

更麻烦的是，大模型说“我很确定”的时候，这句话本身并不附带刻度。

有时候“很确定”如同传统烹饪时的“少许”，究竟是7成还是9成，预制对应的那1-3成不确定落在哪个错误方向上，都无从得知。

于是，大量本该由机器自动完成的判断，卡在了某种两难里：用大模型太贵太慢，靠写死的规则又不够灵活。

Jev对此做了件看上去很简单的事：把答案提前写好，让模型只负责挑选。

把材料和备选答案一起丢给它，它同时给每个选项打出一个支持程度，选出最高的那个返回。因为不用逐字生成，速度快了不止一个数量级；因为只按读入的材料字数收费，不收输出费，每次判断的价格几乎可以忽略。

这里面最关键的商业差异，是计价单位变了。

大模型卖的是“字数”，Jev卖的是“一次判断”。

字数是服务的计价方式，一次判断是零件的计价方式。零件可以进采购清单，可以算单位经济账，可以塞进一行代码里跑上万次。如果这个零件足够便宜，软件里会冒出大量此前根本不值得调用AI的判断点。

TypeSafe自己做过一组评测，在5个业务场景里把Jev和几个大模型工作流做了对比。

准确率上，Jev只追平了中档水平，比最强的那个低了6个百分点。全部优势集中在单价和速度上：每次判断便宜几百倍而且快几十倍。

另一个常被提起的卖点是“不会胡编”。

严格地说，Jev的答案只能落在你给定的选项里，所以它编不出一个凭空的概念或数字。

但它可以很有把握地选错，错误的形态从“写出一段不存在的话”变成了“自信地勾错一个选项”，后者更不容易被察觉。

创始人自己也承认，高把握下答错是可能的。

TypeSafe还做了一件在AI公司里不太常见的事——在说明书里列出了自己模型的所有已知短板。它写到，Jev读日期像读普通文字，不擅长做算术，材料里塞进无关内容会分心，英语表现最好，中文能用但弱一些，并建议非英语场景下先用自己的材料测试。

这份说明书之所以值得写，是因为它正好定义了我们接下来要做的事。

二. 面对猪周期，它犹豫了

TypeSafe的说明书写明中文弱于英文，并建议用户先自测。

Jev发布以来，公开可见的中文实测极少。所以我们解决了API后，用国内的财经场景材料做了一轮测试。

规矩定得很简单，材料取自监管部门、各公司的中报原始公告，用Wind做了交叉核对。每道题的参考答案在调用模型之前写好封存，写完一个字没改。

每道题反复问三遍，看它会不会自己改主意。

我们准备了15道题，覆盖从“两新”政策到降准降息、从煤炭供应冲击到汽车芯片短缺、从光伏到生猪周期，再加上宁德时代、比亚迪、万科、腾讯、茅台、美团、京东、泡泡玛特、安踏九家公司的中报。

45次判断，全部命中，每道题3次答案完全一致。

这张成绩单最没意思的部分就是那个满分，有意思的是第15题。

2021年8月的生猪存栏同比增了将近3成，养殖户每头猪平均亏损上千元，能繁母猪的存栏同比还在涨，尽管环比已经下降了，过剩还没结束，产能收缩的信号已经出现，这道题正好站在拐点上。

Jev3轮都选了“从过剩走向再平衡”，但这是15道题里唯一一道把握没有拉满的，三轮分别报出85%、88%、85%。剩下那一成多不确定，它给了“仍然过剩”，没有给别的错误方向。

一串满格把握什么也说明不了，这个犹豫说明它仍然形成一定的判断力。

满分的原因和测试题目有关。

比如增长率，“同比增长54.80%”“同比下降7.13%”，都是提前算好递给它的，它从头到尾没做过一次加减法。

TypeSafe自己的评测里，Jev最差的一项是发票核对，要比对金额、数量和交货日期，只拿了61.8%，TypeSafe的说明书也写着：算术请留在代码里。

我们相当于照着说明书出了一张卷子，把它已知短板都绕开了。

一个模型表现好坏与否，更取决于给它出题的设计，这也意味着，围绕它做产品的人，核心竞争力可能落在选项设计和数据预处理上。

接着我们做了第二轮测试，把算账的活还给它。

三. 同一道除法，连错10次

第二轮选了3家公司，出了26道题，每道反复问5遍，题目和我们预测一样，在调用之前全部封存。

我们押了13处它会失手，最后只中了两处。

例如它数数居然数对了，泡泡玛特半年报里11个IP和业务线的收入两列中，数出其中几个下降了，它5轮给出的区间都是对的，只是列表越长越不确定。TypeSafe的说明书说它不会可靠计数，这道题它做到了。

青岛啤酒的二季度利润在降，上半年累计利润在涨，方向相反地混在同一段材料里，5次都没被单季数字带偏；海尔2024年的收入增长有多少来自年底完成的3笔收购，有多少来自自身，需要用总增量减去收购贡献再算比例，它5次都归对了。

4家公司的收入增速分档题也全部答对，比如针对伊利业绩，实际增速4.13%，分界线定在4%，只差0.13个百分点，这道题给了97%的把握。