看板 Stock作者 tanted (為何世界會那麼不單純)標題 [新聞] 「啞巴AI」Jev上線3天捲瘋矽谷!70毫秒做時間 Tue Sep 22 01:04:33 2026
文章標題 請使用 原新聞標題 勿刪減或自創標題,違者4-1處分
原文標題: 請勿刪減或自創標題,違者4-1處分,此行請刪除
「啞巴AI」Jev上線3天捲瘋矽谷!70毫秒做出決策 14萬開發者搶測
原文連結: 網址超過一行,請用縮網址,連結不能點擊者板規 1-2-2 處分。
https://news.cnyes.com/news/id/6611544
發布時間: 請勿張貼超過3天新聞
2026-09-21 13:30
記者署名:
原文內容:
一款不會寫文章、也無法陪聊的「啞巴AI」,近日迅速席捲矽谷。
Jev發布僅3天,便獲Vercel、Cloudflare及LangChain等主流平台整合;內測開放不到36
小時,更吸引多達14萬名開發者湧入。與ChatGPT等生成式AI不同,Jev不輸出文字,而是
以最快70毫秒的速度,直接給出附帶機率的判斷。
Jev由ChatGPT核心發明者之一、InstructGPT論文第四作者Diogo Almeida創立的
TypeSafe AI推出。Almeida認為,AI產業過去將「會說話」視為智慧,卻忽略真正的自動
化需要的不是流暢回答,而是能在無人監督下做出快速、可靠且可量化的決策。
從聊天轉向決策
Almeida是OpenAI早期核心研發人員之一,也是RLHF與InstructGPT的奠基者之一。然而,
ChatGPT爆紅後,他開始反思,為何具備超人類對話能力的模型,仍未帶來真正的通用人
工智慧(AGI)。
他認為,RLHF讓模型學會提供符合人類偏好的回答,卻也使其在無人值守的系統中難以被
完全信任。為了維持長篇文字的一致性,模型往往被訓練得過度自信,主動捨棄低機率選
項,因此即使聲稱「有八成把握」,這項機率也未必可靠。
Almeida因此離開OpenAI、創辦TypeSafe AI,並從底層訓練架構重新出發,打造不負責說
話、只負責判斷的Jev。
不生成文字 只回傳機率
Almeida將Jev稱為「System One模型」,名稱取自諾貝爾經濟學獎得主卡尼曼《思考,快
與慢》中的「系統一」,代表不經複雜推理、迅速完成的直覺判斷。
使用者可向Jev輸入客訴郵件、程式碼或其他混亂資料,模型則回傳類型化決策與機率分
布,不生成任何文字。官方提供Choice、Score與Noul三種互動方式,分別用於選擇指定
選項、給出分數,以及輸出0至1之間的機率。
由於Jev只能在事先劃定的範圍內分配機率,無法產生選項之外的內容,程式取得的也始
終是符合格式的合法值。
Jev還能將所有輸出並行取樣、一次完成,不必像大型語言模型逐字生成,因此端到端判
斷僅需70至500毫秒;相同工作若交給前沿大型模型,則需3至329秒。
輸出token永久免費
Jev不需要逐字產生內容,因此輸出token永久免費,TypeSafe僅針對輸入收費,每100萬
token收取0.042美元。已有開發者利用Jev審查程式碼拉取請求(PR),單次成本僅約7萬
分之1美元,審查1,000個PR約花費7美分,同樣工作若交給Opus 5,成本則達14.5美元。
支撐Jev的是名為RLCD的「校準決策強化學習」。相較RLHF獎勵符合人類偏好的回答,
RLCD要求模型提出的機率必須與實際命中率相符;若模型給出0.9,就必須有九成機率判
斷正確。
Jev也可把複雜任務拆成多個問題並行處理。例如審查商業計畫書時,可分別評估市場規
模、技術可行性及差異化,再由軟體組合各項結果。
TypeSafe展示的應用還包括即時遊玩《毀滅戰士》,每秒做出10次決策,每小時算力成本
約7美元,以及從維基百科數千個連結中鎖定目標。
數百種用例快速冒出
Jev推出後,已有數百種應用出現。有人將其整合進Mac語音助手,在指令尚未說完前便啟
動指定應用程式;谷歌Gemma官方帳號也迅速發布「DiffusionGemma as Jev」,將自家擴
散模型導入這套新範式,透過一次去噪並行提供所有選項的機率,並補上視覺能力。
TypeSafe強調,Jev並非要取代現有大型語言模型,而是與其組成「雙核心搭檔」。大型
模型負責生成內容,Jev則在旁快速評分,合格便放行,不合格就退回重寫。
不過,Jev面對需要逐步推導的數學問題時,能力最多約為GPT-4水準,目前也不支援影像
輸入。
Jev名稱取自經濟學上的「傑文斯悖論」:效率提升後,資源消耗反而增加。Almeida押注
,當AI決策變得足夠快速、便宜且可靠,開發者對AI的需求不會下降,反而會擴散至所有
程式碼,成為軟體自動化的新基礎。
心得/評論:
※必須填寫滿30正體中文字,心得過短或濫竽充數將以板規 1-2-3 處分
Jev 讓 AI 決策成本暴降萬倍、
輸出 Token 還永久免費!
算力巨頭會不會因此哭暈在廁所:
{說好的 Token 計費大發財呢?}
不過看今天美股似乎繼續狂歡
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.193.229.55 (臺灣)
※ 作者: tanted 2026-09-22 01:04:33
※ 文章代碼(AID): #1giMEaRo (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1790010276.A.6F2.html
推 onekoni: 永久免費之後成熟就會有收費版啊2F 09/22 01:09
推 DarkerDuck: 這東西就computer use在用的
你coding不用輸出token喔?????
Jev輸出token免費是因為他本來就只做選擇題
人家發明者都說這東西是直覺system 1系統在用的
用在robot或是操作行任務上比LLM好上許多倒是真的AI機器人等LLM慢慢吐token根本無法執行任務4F 09/22 01:12
推 ssarc: CHATGPT之前也是免費,所以之後一定會收費的10F 09/22 01:17
推 lichai: 給答案就好,不要給我過程11F 09/22 01:18
→ DarkerDuck: 他只能給選擇題的答案,字串的答案沒辦法給
傳統LLM會做的是申論題,Jev會做的是選擇題12F 09/22 01:18
推 arnold3: 剛剛測試了 比gpt快很多 一秒就直接給答案
原本的ai還要慢慢跑token推理 他直接做完給答案
也就是說原本在那邊搞一堆記憶體跟算力 結果都浪費在token上 一個問題要花很多token跟儲存 這直接跳過主要就舊的注意力機制要不斷去看上下文吐下一個字他直接跳過transformer注意力機制 整體一次算完16F 09/22 01:31
推 DarkerDuck: Jev就併發啊,還可以一次給選擇題答案多個參數
其實Transformer訓練時也是併發
是現在為了更高的智慧都搞CoT讓推理token開銷大
算是為了特殊選擇性操作性問題搞出的特定架構
在操作性任務上都比人類更快了
有用過Codex的Computer use就知道慢得要死
套Jev後,真的網頁操作搶不贏機器人22F 09/22 01:35
推 a77942002: 直覺判斷.....
大概就是問你媽 這支股票明天會漲會跌一樣~29F 09/22 01:39
推 aegis43210: AI本來就是靠直覺判斷,這個AI其實沒任何突破34F 09/22 01:47
推 ssarc: Jev:開個六給他,讓他贏莊家一百塊35F 09/22 01:51
噓 yunf: 沒什麼是永遠免費的 看sayhi就知道36F 09/22 02:00
推 DarkerDuck: Jev本來就沒啥輸出token,但是輸入token要錢啊
選擇題就幾個選項是能收多少錢,題目才是要收錢的37F 09/22 02:01
推 diyaworld: AI由小弟變主管了,主管決定也不用跟你廢話什麼
以後公司有個職位叫AI副總39F 09/22 02:19
推 ssarc: 以後就是把員工編號,然後問他我要砍編號幾41F 09/22 02:26
噓 reemir: 並行就並行、平行就平行,併你個大頭發,你是在併發症嗎?42F 09/22 02:33
噓 reemir: 1987 年儒林圖書有限公司出版的《作業系統基本概念》(原文書名是《Operating System Concepts》,作者: James Peterson & Abraham Silberschatz),書中 "concurrent" 翻譯為「並行」,而 "process" 翻譯為「行程」。不要再講「并发 (並發/併發)」(你不會想到「併發症」嗎?)。
依據中華民國教育部《重編國語辭典修訂本》: 「併發」指「同時發生」,而「並行」指「同時進行」,後者原意來自《禮記.中庸》:「萬物並育而不相害,道並行而不相悖。」。然後再對照牛津英語詞典對 concurrent 的解釋:
existing or happening at the same time
可知周代戰國時期就出現的「並行」ㄧ詞更充分符合英語情境。45F 09/22 02:38
噓 reemir: 使用精準詞彙是工程素養的一環,我也笑笑就好。60F 09/22 02:43
噓 DarkerDuck: 而且你的用法才是錯誤的,真是可憐
平行通常和Parallelism等義
並發通常和Concurrency等義61F 09/22 02:45
→ reemir: Concurrency = 並行;Parallelism = 平行 很難懂嗎?66F 09/22 02:47
→ reemir: 使用精準詞彙跟支不支語沒有什麼關係,跟工程素養有關72F 09/22 02:49
→ DarkerDuck: 更不用說併發本來就是教育部國語字典認可用法
你就慢慢發作吧,不浪費時間了74F 09/22 02:50
→ guanting886: 看不懂在吵什麼 用詞你用什麼支語還是哪個語言看得懂就好 糾正這個不用這麼派
另外jev 這個ai 在typesafe ai的blog有提到 他們有建立一個parallel sampler 看起來是整體效率的這麼高的關鍵
訓練也應該是走parallel 不太可能是併發concurrent
就像web/kv server也能做到single thread, high concurrency但訓練是parallel
個人不覺得是併發帶來的
另外要講工程用詞精準我覺得有道理 但是要別人聽得下去跟被你說服說你說話的藝術
那是^
說真的 又不是什麼深仇大恨是要吵啥 看無76F 09/22 03:11
推 donkilu: Jev還沒公開模型結構吧? 不知道他是怎麼做的90F 09/22 03:41
推 shter: 這個你可以拿去下圍棋啊,直接把下一子下哪的獲勝率最高傳回來給你,你就往最高那邊下就好了
以目前 AI 最常應用的寫 code 嶺域來說也有用的到的地方,他可以在 code review 結果回來做風險分析91F 09/22 03:41
→ shter: 判讀 Bug 等級分類處理優先順序97F 09/22 03:46
推 guanting886: 海珊如果要用jev,他需要找到算牌有優勢的遊戲種類才有用98F 09/22 03:47
推 hinenak: Claude Code + Jev爽用中102F 09/22 04:43
推 qaed: 如果是玩麻將,五筒扮四筒騙的過jev嗎103F 09/22 04:44
推 tsubasawolfy: 哈利波特裡面的分類帽,分類條件寫好就快速判定。大概會融入LLM裡面變脊椎反射104F 09/22 05:44
推 LDPC: 幹 樓上不要講 窩現正在試
窩之前就在調教llm action model106F 09/22 05:45
推 tsubasawolfy: 因為這對那些超級模型來說,是個省token的利器呀。跟人腦一樣先決定要不要花腦力去控制肌肉做每一步還是教給肌肉記憶完成。110F 09/22 06:02
推 LDPC: 不要講啊 我還沒做完 講別的+_+113F 09/22 06:03
→ alex00089: 電腦分析,百分之七十是九,百分之二十是八,百分之五是零!?114F 09/22 06:12
→ DarkerDuck: Anthropic和OpenAI應該很快就會在他們模型上實作了用同一套模型,拔掉和微調一些東西就效率大提升了以前就是用工具也硬要完整的LLM吐一堆token
而且比傳統分類器可泛化能力高多了119F 09/22 06:48
→ DarkerDuck: 只是必須為使用的工具mcp都要先特化輸出輸入就是124F 09/22 06:52
推 dosiris: Jev概念股有哪支125F 09/22 06:59
推 pipiayin: 其實背後是果蠅腦吧 (誤127F 09/22 07:04
推 Ashand: 擔心什麼 有傑文斯悖論128F 09/22 07:07
推 jack529: 交易量化上很快吧,不用省去輸出token廢話129F 09/22 07:09
推 Anikk: 豆包豆包130F 09/22 07:15
推 pponywong: 這個就只是把LLM 的if-else 拿出來而已
裡面的statement 就不用132F 09/22 07:26
推 Samurai: 這不就深度學習的基礎型態??135F 09/22 07:46
噓 Levitator: 這備註是???自己發的文真的有看完嗎...?136F 09/22 07:51
推 kalapon: 來試試當作agent的skill140F 09/22 08:26
推 jboys75: 偷推Dark版大143F 09/22 08:39
推 strlen: 這東西去年年出就有人搞出類似的東西 問題是行銷能力不足 jev 打著前OpenAI員工創辦的名號出來才有人用147F 09/22 09:31
推 doranako: 省token, 不用再增加基建,ai概念股崩154F 09/22 09:40
推 kalapon: 這樣子花了0.0003鎂155F 09/22 09:42
推 doranako: Jev裡面提了很多不負責任的宣言,應付一般消費者需求還可以,例如問天氣一般問題等156F 09/22 09:44
推 hanmas: 可以做機器人了?158F 09/22 10:03
推 kalapon: 會有garbage in out 的情況,使用者丟給它的數據不對不完整,它不會自己掰159F 09/22 10:03
推 Skydier: 這東西的亮點是對僅需決策的使用者來說162F 09/22 10:16
→ cgser: 背後是工讀生163F 09/22 10:16
→ Skydier: 不需要像LLM一樣燒這麼多token去給一堆贅述164F 09/22 10:16
推 drkkimo: 不錯, 不過這個怎麼作autoregression?165F 09/22 10:22
推 arlaw: 開個六給他,讓他贏莊家一百塊166F 09/22 10:41
推 cavabien: 原來是AI的反射神經模組啊167F 09/22 10:41
推 necrophagist: agent工作流可以放進去 先判斷思考大方向 省一堆token 上下文compaction也能判斷哪些可砍哪些不能動168F 09/22 10:43
推 rereterry: 這個看起來是特化要用在機器上的,有大量直覺勒判定170F 09/22 11:03
推 gooder: 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發 併發172F 09/22 12:24
推 verdandy: 感覺還蠻有用的,有時只是要簡單答案而不是花token寫小作文174F 09/22 12:31
→ bndan: AGENT丟進去就是以前嵌入式直接放個完整CPU一樣 = =176F 09/22 12:43
→ IBjoKer: 看起來就是優化,但這個本來就是AI發展進程,要用傳統那種先想好盈利商業模式套用到現在的AI技術差距挺大的,至於到哪個環節可以開始賺錢,不如說先看優化極限是不是到底了再決定回收機制比較實際,不過現階段就繼續賺硬體財軟體再說再研究XD177F 09/22 12:55
→ c94dk40204: 這很好玩~ 可以玩一下 O(∩_∩)O哈哈~
不過蠻小氣的
一下就用完不讓我問182F 09/22 12:56
推 eno03: Jav好用186F 09/22 16:22
推 changyuheng: Concurrency 叫並行的話分時多工怎麼辦?難道還要區分真並行假並行?叫併發多傳神187F 09/22 17:55
--