2026-09-27 · 来源：{'name': '虎嗅·中继', 'url': 'https://www.huxiu.com/article/4894086.html'}
作者叶小钗质疑其快慢系统叙事，同时认可其在高频小判断场景降本增效的实用价值。
一个名为 Jev 的模型近期走红，官方将其定位为 System One Model——凭借“本能”快速决策的系统，对应需要详细思考的系统二。作者叶小钗因 7 月至 9 月深度陪跑一个 AI 原生组织实践案例而无暇跟进；如今他指出，从快慢系统的角度看，Jev 作者的理解应该是错的。在他看来，AI 行业每隔一段时间总会冒出一个“不太有用的东西”，自己对此已见怪不怪。
剥开概念，Jev 实际是供程序调用的语义判断器，针对业务中大量小判断依赖通用大模型带来的高成本与慢响应：它根据上下文对限定答案进行概率评估，返回程序可直接使用的选择、是非或评分，执行交由业务规则和工作流决定。其示例模型版本为 jev-1.13.0，针对“东西三天了还没到，我不想等了，给我退吧”这句话，需在 track_order、refund、other、unclear 中判定意图，并被要求不能仅因提到物流就把明确的退款诉求归为查物流。
这套思路指向生产级 AI 应用的真实痛点。叶小钗此前曾在《【反常识】AI竟比人工贵！》中算过账：AI 并不便宜，一轮 AI 对话可能包含多次模型调用。以售后 AI 客服为例，用户一句“东西三天了还没到，我不想等了，给我退吧”，后台可能已排队多个任务：判断查物流还是退款、识别不满、查订单、筛选售后知识、生成回复，再校验有无答非所问或不能兑现的承诺；全交给通用大模型虽开发方便，但越要准确越需校验，成本随之水涨船高。
在 Jev 之前，业内常规方案是小模型微调，用于处理定义明确、边界清晰、对速度和成本极度敏感的特定任务，例如短文本输入的输入输出标准化。叶小钗的结论是：Jev 的能力未必比大模型好，但追求的就是便宜与效率，场景切得比较好，确实有用——需要泼冷水的，只是围绕它的造神式炒作。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅