AI新物种Jev刷屏：一个不会聊天的新模型，凭什么放话Claude Code时代要翻篇？
“它连一句完整的话都说不出来，凭什么能引发轰动？”
就在最近，一个名为Jev的新模型迅速走红。海外平台吸引了3500万用户关注，在Vercel AI Gateway上线后的24小时内，近13%的付费团队直接采用，创下该平台有史以来最快的采用纪录；开发者社区在两天内涌现出至少6个克隆项目，围绕它构建的开源项目迅速突破600个。
然而，比这些数据更令人震惊的，是其创始人一个月前的一句宣言。迪奥戈·阿尔梅达，前OpenAI核心研究员、RLHF和InstructGPT论文的共同作者，早在Jev发布前一个月的一次演讲中，就公开向整个行业发出挑战：Claude Code仍然属于“协助时代”的产物，下一个时代绝不是Claude Code时代。
要知道，过去两年间，Claude Code几乎被视为AI编程和Agent落地的标杆。当时TypeSafe尚未公开任何产品，这句话听起来像是一句狂妄之言。一个不会聊天、不写代码、只做判断的模型，凭什么敢于挑战这个共识？
它不聊天、不写代码、不生成任何自然语言。它只做一件事：判断。
这就引出了三个问题：Jev到底是什么？为什么它偏偏在此刻爆火？以及，它凭什么让创始人敢于定义下一个时代？
不会写字的AI，凭什么让全球程序员疯狂？
先看Jev具体能做什么。
首先，它舍弃了大模型最引以为傲的能力——生成文本。 你给它一段状态描述，再给它几个预先定义好的问题，它不会返回长篇大论，只返回结构化的选择、评分和概率。它原生支持三种输出：Choice，从你定义的列表中选一个；Score，将输入映射到有序等级；Noul，返回一个是/否的概率值。每个答案都附带置信度。
其次，它快得不像大模型，便宜得也不像大模型。 官方数据显示，Jev的端到端延迟为70到500毫秒，在特定工作流中比传统大模型快20到200倍，成本低40到400倍。每百万输入Token仅需0.042美元，输出Token完全免费。有开发者用它过滤X平台上的引战内容，平均380毫秒完成一次判断；有人让它同时运行50局《地铁跑酷》，费用不到1美分；有人用它清洗积压三个月的数据，13分钟跑完，账单仅为32美分。
最后，它真正颠覆的地方不是速度，而是“校准”。 Jev采用了一种名为RLCD的训练方法，全称“面向校准决策的强化学习”。简单来说，它不仅需要选出答案，还要确保“我有90%把握”这句话真实地接近90%。置信度高于0.9时，代码自动执行；0.7到0.9时，交由更强模型复核；低于0.7时，转交人工处理。这正是自动化系统敢于使用它的原因。
因此，你可以看到这些应用场景：工单分诊、模型路由、工具调用风控、结果校验、新闻分拣、金融质检、浏览器操作、游戏NPC、Coding Agent上下文压缩。 它就像一个具备语义理解能力的超级if语句，代码需要的不是文采，而是“要还是不要、A还是B、继续还是停止”。
当然，官方所说的“零幻觉”需要准确理解：它不会输出你定义之外的选项，不会返回乱码JSON，但这不代表它不会选错。类型安全保证的是代码契约不崩溃，而不是业务判断永远正确。
“叛逆”的Jev：与主流不同的路径选择
Jev最值得深思的，不是它有多强大，而是它选择了一条与主流完全相反的道路。
第一，传统大模型是“生成优先”，Jev是“判断优先”。 GPT、Claude、Gemini本质上都是自回归生成，一个Token一个Token地输出。哪怕最终只需要一个“finance”，它也要先写一段解释，再让代码去解析JSON。Jev直接砍掉生成，提前枚举和约束输出空间，数学上就不可能产生预定义schema之外的内容。
第二，传统大模型走的是RLHF、RLVR路线，Jev走的是RLCD路线，训练目标和产出完全不同。 RLHF优化人类主观偏好，产出聊天接口；RLVR优化封闭数理题目的正确性，产出带思维链的推理接口；RLCD优化的是“决策校准”，产出机器原生、能被软件直接调用的决策能力。传统路线让AI更像人，Jev选择让AI更像基础设施。
第三，Claude Code代表的是“协助优先”的传统路线，Jev代表的是“自动化优先”的新路线。 创始人阿尔梅达的判断很尖锐：Claude Code的内核仍是RLHF，它的使命是取悦面前的开发者，而不是彻底移除人类。它围绕单一模型、KV Cache、上下文追加构建，过度拟合于自己的测试环境。一旦接入外部工具或多Agent协作，就容易崩溃。Jev不是来取代大模型的，它是来给大模型当“监考老师”的。
未来的分工可能很清晰：Jev判断“做什么”，GPT/Claude思考“怎么做”，代码/Tool/MCP真正“去做”，Workflow/Agent Runtime保证整件事持续运行。
一方面，大模型负责慢思考、复杂推理、长文本生成；另一方面，Jev负责高频、快速、边界清晰的决策。两者不是替代关系，而是配合关系。 更关键的是，当判断成本从几美分降到万分之一美分，开发者不是把原来的100次判断做得更便宜，而是开始做10000次以前根本不会做的判断。
这就是Jev最诱人的地方：它撕开了“生成为王”的假象，让“判断”和“生成”正式分家。
Jev诞生背后：一个OpenAI“叛徒”的两年隐身与一场重构
Jev背后的人，比模型本身更有故事。
迪奥戈·阿尔梅达，前OpenAI研究员，InstructGPT和RLHF论文的共同作者，GPT-4贡献者名单中被列入“Foundational RLHF and InstructGPT work”。2024年离开OpenAI后，他创办TypeSafe AI，隐身两年，直到2026年9月15日带着Jev亮相，同期披露4000万美元种子轮融资，DCVC领投，估值约2亿美元。
他的核心反思是：RLHF可能是一次始料未及的弯路。
一方面，RLHF把人塞进了回路。它优化的是人类主观偏好，而不是客观真实结果。 于是模型学会过度承诺、自信迎合、盲目编造。你问它放屁录音是不是音乐，它能一本正经地说这是“极具阴森氛围感的环境音乐佳作”。这不是Bug，是奖励机制设计出来的特性。
另一方面，安全对齐在底层API里是类型错误。 面向C端聊天，拒答可以理解；但作为底层依赖库，模型突然拒绝执行，下游系统可能直接崩溃。阿尔梅达要的是机器原生、可编程、高可靠的“认知内核”，而不是一个坐在屏幕对面唠嗑的数字同事。
更关键的是，他重新定义了优化目标。预训练没有问题，问题在后训练。RLHF优化人类偏好，RLVR优化可验证答案，RLCD优化校准决策。Jev的名字来自“杰文斯悖论”：效率提高、成本下降，资源总消耗反而暴涨。TypeSafe赌的就是，当智能判断便宜到接近不要钱，自动化需求会爆发。
他甚至说：“即使给我十亿美元，我也不会从头预训练一个基础大模型。”因为真正的机会不在重复造轮子，而在把现有智能切片、重组、蒸馏、组合，变成软件能直接调用的决策能力。
他的终极判断是：下一个时代一定不是Claude Code时代。因为Claude Code仍然在协助人类写代码，而真正的未来是自主自动化——让软件本身变聪明，让AI退居幕后，在后台安静运行。
分水岭已至：当AI不再比谁更会聊天，行业规则正在改写
Jev的出现，不只是一款新产品，更像一道分水岭。
在架构层面，AI正在从“单一大脑”走向“分布式分工”。 过去一个Agent每一步都调用同一个大模型，又贵又慢。未来会是多层结构：前沿模型负责复杂规划，Flash模型负责普通推理，Jev负责路由、分类、验证、风控，确定性逻辑交给传统代码。大模型退回它该在的位置，不再当中央处理器，而是当公关发言人。
在需求层面，杰文斯悖论正在AI身上重演。 当判断成本暴跌，以前“不值得用AI”的地方都会用上。给每条数据库记录加语义过滤器，给每次工具调用加安全审查，给洗衣机加一个“衣服忘拿了吗”的判断。这不是降本增效，这是全新的智能消耗场景。
而在竞争层面，Coding Agents的格局也要被重写。 Claude Code和Codex建立在“单一模型世界”上，而开源团队已经可以把Jev接进去。谁先利用Jev的组合能力做出极致体验，谁就可能形成新的壁垒。Jev上线24小时被近13%付费团队采用，这个速度是GPT-5.6系列的2倍，是Claude Fable 5.1的6倍以上。
当然，挑战同样刺眼。 Jev的基准测试目前主要来自TypeSafe自建评估，尚无独立第三方验证；RLCD细节未公开发表；“零幻觉”只是格式保证，不是判断永远正确；生产环境准确率、置信度校准、高负载延迟稳定性，都需要更多实战数据。但无论如何，它已经撕开了AI行业“生成为王”的第一道裂缝。
写在最后
过去几年，整个行业都在教AI怎么更像人：更会聊天、更会写文章、更会讨好用户。Jev反其道而行，它不说话，只判断。
但恰恰是这个“不会写字”的模型，让全球程序员玩疯了。因为它证明了一件事：智能不一定要生成，判断也是智能；AI不一定要当同事，它更适合当基础设施。
ChatGPT之后最火的模型，不是另一个更会聊天的AI，而是一个闭嘴干活的AI。下一个时代，也许真的不是Claude Code时代，而是机器原生、可编程、自主自动化的时代。
当AI不再假装人类，它才真正嵌入软件的底层脉络。Jev不是来取代现有模型的，它是来给AI时代装上一套决策总线的。
本文来自微信公众号“第一新声”，作者：第一新声，36氪经授权发布。