企业官网建设流程全解析

杰文斯悖论照进 AI：为什么 Jev 越便宜，判断的需求反而越多

最近 Jev 这个模型挺火。

不少人跑去测，跑去吹，总结下来它的卖点就两个，响应快、价格低。面对某些特定类型的选择题，它确实比大模型利索——但"快"和"便宜"到什么程度，取决于拿它跟谁比，第四节会用两家独立评测的数据拆开看。

我看了相关的讨论，也自己盘了一下，结论是，它大概率不是下一个主流风口。

但这事有意思的地方，恰恰不在产品本身。Jev 真正有价值的，是它用一种很直白的方式，戳破了一个比"又快又便宜"大得多的趋势。更关键的，它无意间把一个显式的、跨厂商的"判断层"摆到了台面上——而这一层未必属于任何一家大模型厂商。今天把这层意思拆开聊聊。

一、Jev 不是新物种，它是一个成本优化层

先把 Jev 到底是什么说清楚。

它的出品方是 TypeSafe AI，CEO 是前 OpenAI 研究员、InstructGPT 论文共同作者 Diogo Almeida。这家公司把它定位成 System One model，并明确说这是 “a new class of AI models”——一个新模型类别。它的工作方式和你熟悉的大模型不一样：不逐 token 生成文本，而是返回预定义 schema 内的值，再附带一个校准过的概率。动作词就是 classify / route / score / extract 这类——判断一段文本是不是垃圾、一句话该路由到哪个服务、这个请求要不要重试。

厂商当然愿意把它讲成一个"新物种"。但如果你看它在系统里的实际位置，它就是干这种"判断"的活，不写长文，不做复杂推理。

但往深一层看，它做的其实是一件工程化的事，把"判断"从"生成"里拆了出来，交给一个专用的、又快又便宜的模型去完成。

这很关键。因为一旦你这么看，Jev 就不再是"一个大模型的便宜替代品"，而是一个成本优化层。它不改变你能不能生成好内容，它只改变你"在调用真正贵的东西之前，要不要先问一句"。

打个比方。你不会用重型卡车去送同城的一杯奶茶，你只是把"该不该叫卡车"这个判断，和"短途配送"这个执行分开了。Jev 干的就是那个"先问一句"的环节，而不是去抢卡车的工作。

所以我的第一个判断是，Jev 不是一个能替代大模型的"新物种"。它的位置在旁边，不在上面。

二、为什么我觉得它不会是主流风口

有两层原因。

第一层很直白，这类模型很快会被一窝蜂地推出来。响应快、价格低，本质上是工程取舍的结果，不是什么高不可攀的技术壁垒。而且这一幕已经在发生——Jev 本身不开放权重（参数量、模型类别、训练数据构成全部未披露），但社区已经冒出多个开源复现，APUS 也在 9/19 宣布了跨平台本地化方案（macOS/Linux/Windows，无 GPU 可跑）。先发优势撑不了太久。

第二层更根本。Jev 核心价值是"选择性调用"，也就是替调用方判断"什么时候该用我、什么时候该用大模型"。但问题在于，这种能力大模型厂商自己也能做。如果厂商在 API 层面就把路由和降级做好了，调用方根本不用自己去判断什么时候调 Jev、什么时候调大模型，一行代码的事，平台替你兜底。

一旦厂商把这个能力吸收进去，Jev 作为独立产品的必要性就被削弱了。你不会再单独为一个"判断层"付钱，它会被打包进你本来就用的那个大模型服务里。

不过这里我要补一刀，免得把这个判断说得太满。厂商吸收归吸收，"显式、可控、跨厂商"的判断层，是另一回事。

如果你的路由逻辑藏进某家大模型厂商的黑盒里，你丢掉的是可观测性和控制权，哪一次走了小模型、哪一次升级了大模型、为什么，你全看不见。而 Jev 这种把判断层显式暴露出来的做法，真正的卖点不是"便宜"，是"我能用自己的策略、在自己的代码里、跨厂商地决定要不要花这个钱"。这是一个抽象层，不是一个临时缺口。厂商能吃掉一部分，但 model-agnostic 的判断层已经有生态在卡位——LiteLLM 用 JEV 来做 Auto Router 的请求分级，classifier.dev 在其上提供免费分类 API，Spring 官方也在 9/21 发文接入。这恰恰说明它会沉淀成独立的基础设施，而不是 Jev 一家独占。

所以结论要修正一下，但方向反过来——Jev 这个具体产品未必能赢，它代表的"把判断显式化、工程化"的思路，不但会留下来，而且已经在变成独立的基础设施。

三、真正值钱的，是它揭示的趋势

如果只盯着产品，Jev 聊到这就够了。但我觉得它真正重要的，不是它这个东西，而是它无意间把一件事摆到了台面上，AI 的用户，正在从人，变成软件和 Agent。

这个转变很隐蔽，但影响极深。

过去十几年，AI 产品的设计对象是人。人需要解释，需要对话，需要被说服，需要一个像样的长篇回答。所以大模型被训练得彬彬有礼、长篇大论、乐于展开。

但当调用 AI 的不是人，而是一段程序、一个 Agent 的时候，需求完全变了。机器不需要你解释，不需要你展开，它要的是结构化输出——一个落在预定义 schema 里的 Choice，外加一个校准过的概率。Jev 返回的不是一段给人读的文字，而更像 { route: “billing”, confidence: 0.96 } 这样的结构（示意）。对人来说这不够友好，对程序来说，这正合适。

厂商宣称的"0% 类型错误"，更准确地说是构造性保证而非实测准确率——输出被锁死在 schema 里，自然不会返回类型错的字段（dev.to 指出这是 structural rather than empirical；也有人指出这个对比本身不公平，因为 Jev 的输出本就不是自然语言）。这恰恰说明，系统一要的不是"说对话"，而是"吐出结构正确的东西"。官方文档还点出，三类问题（Choice / Score / Noul）可以在同一次 API 调用里混合提交、各自独立评估，多加问题也不会产生 context-rot（上下文腐烂）——机器的提问方式是一次并行问完一批，而自回归生成模型做不到这一点。

当 AI 的主要消费者从人类变成软件，整个产品的设计重心就会迁移。解释和对话不再是默认项，确定性、延迟、单价、可校准的置信度，才是。Jev 恰好撞在这个迁移的节点上，这才是它值得被认真看一眼的原因。

四、杰文斯悖论，Jev 名字的由来，也是最狠的一刀

Jev 这个名字，取自经济学家 William Stanley Jevons（Latent Space 对创始人 Diogo Almeida 的访谈、以及央广网 9/20 的报道都确认了这一点），对应的就是他 1865 年《The Coal Question》里那个悖论。

十九世纪，蒸汽机烧煤的效率大幅提升，按直觉，耗煤量应该下降。结果恰恰相反，因为用煤更划算了，以前舍不得烧的场景全烧上了，总耗煤量不降反升。效率提升，反而放大了总需求。

把这个悖论套到"判断"上，画面就清楚了。今天一次像样的判断，如果对标前沿大模型（Arize 实测 Opus 5 单次约 18 美分），你舍不得到处用，所以代码里大量分支还是写死的规则。但按官方定价折算，一次 447 token 的判断约 0.002 美分（OpenRouter 博客给的例子，纯标价折算）；LiteLLM 的 0.003 美分则是 240 次实测调用的实际用量按标价计费；真正端到端跑出每案成本的是 Arize——在真实工作流上每案约 0.04 美分。同口径对比 Opus 5 的 18 美分，约 440 倍、两个数量级起步。

这里得补一个参照系。厂商自己的口径是一个区间，更快 40x–200x、更便宜 40x–400x（发布稿对外标题给的是 200x / 444x，与文档里的区间略有出入）；而两家独立评测给出的数字却差了约 17 倍——LiteLLM 拿它对标小模型 Haiku，测出 5.43x 更快、约 26x 更便宜；Arize 拿它对标前沿模型 Opus 5，则复现出约 95x 更快、约 440x 更便宜（68% 准确率对 73%）。值得注意的是，Arize 复现出的 440×，几乎正中厂商对外标题的 444×、也落在文档区间 40–400× 的上沿——第三方并没有抓到厂商夸大，被抓到的是"倍数"这个词本身：同一个模型，对 Haiku 是 26×，对 Opus 5 是 440×，两个数都是真的。所以Jev 的"快"和"便宜"到底多炸裂，高度看你拿它和谁比。这句话本身，反而成了"它不会是下一个风口"最硬的一块弹药：卖点里的性能，太依赖参照系了。

不过，悖论的逻辑仍然成立。当一次判断便宜到一个可以忽略的价，你还会舍不得到处用吗？不会。你会开始到处用。

而且我要补的这刀是，这里的增量需求，主要不是"从大模型那儿抢来的替代需求"，而是凭空长出来的新需求。

想想你代码里那些 if/else。大量分支用的是写死的阈值和人工规则，因为"让每个分支都变聪明"太贵了，不划算。当一次判断便宜到一个可以忽略的价，这些分支会集体从"规则"变成"模型调用"。以前你懒得智能化的地方，现在随手就智能化了。

所以杰文斯悖论在 Jev 这里真正的动态是，需求不是从别处搬来的，是凭空长出来的。这恰恰就是悖论最迷人的地方，效率提升释放的不是节约，是欲望。

五、未来的 Agent 架构，大概率是分层分工的

把上面这些拼起来，一个很自然的架构图景就浮现了。

未来的 Agent 系统，不太可能是一个无所不能的大模型包打天下，更可能是分层分工，各干各的。

大模型（系统二），负责慢思考、复杂推理、长文本生成和顶层规划。它贵，它慢，但它能处理模糊、开放、需要创造力的任务。这是系统的"大脑"。

决策小模型（系统一），负责高频、快速、边界清晰的原子判断，路由、分类、风控、重试。它便宜，它快，它不跟你讲道理，但它能在百毫秒级给一个 yes 或 no。这是系统的"反射"。

代码和工具，负责执行确定性逻辑。该算账算账，该调接口调接口，不该用模型的坚决不用模型。

这个"快慢系统"的划分，和认知心理学对人类心智的描述同构：人类用基底神经节和小脑接管下意识行为，把前额叶腾出来干复杂的活。现在有意思的是，工程师正在 AI 系统里把同一张蓝图重新实现一遍——而且是用成本和数据逼出来的，不是用进化逼出来的。

这套分层不是我拍脑袋的推演。Arize 在独立评测里给出的生产级配比，几乎和上面一一对应：让决策小模型（System One）跑全量 trace 保覆盖度，只把"失败"和"不确定度高"的样本抽样送进大模型 judge——因为需要书面解释时才需要文本，而 System One 模型本身不生成解释。而在另一项内容审核测试里，Jev 拿到 96%、对 Gemini Flash-Lite 的 86%，单次决策便宜 58 倍；一个通用模型为同一条判断花掉 910 个输出 token，Jev 只花 85 个。也就是说，已经有独立团队把"系统一全量、系统二抽样"跑成了可执行方案，而不是停留在蓝图。

但分层不是免费午餐，这里有两个工程上的硬骨头，我想单独拎出来说。

第一根骨头是校准和升级。系统一给的不能只是一个答案，必须是一个带置信度的答案，以及一个更隐蔽的元判断，这次该不该把活甩给系统二。Jev 这类产品的护城河，不在模型本身，在这套"判断、给置信度、决定升级"的协议设计——而且厂商确实已经把它写进文档了：High 置信自动执行、Medium 谨慎推进、Low 不执行，并明确"阈值不该只有一个数"，给出双阈值写法（confidence < 0.5 转人工、> 0.9 才放行高风险动作）。不过有个反直觉的事实：协议给了，支撑它的校准实证却还是空白。公开材料里没有 ECE、Brier 分数或可靠性图，RLCD 的训练方法和奖励函数也尚未完整公开，更没有展示输入分布偏移后校准是否还稳。换句话说，你照着官方阈值方案把线路接上，仍然不知道它给的 0.8 到底可不可信——这才是"护城河在协议设计"真正要补的那块。

第二根骨头是静默的级联错误。系统一的误判往往是静默的，它不报错，只是悄悄给错了。一个分类错了，下游的系统二根本不会被触发，错误就顺着管道一路走下去，直到在某个你完全意想不到的地方爆出来。所以分层系统的真正难点，不是"怎么分层"，而是"怎么兜底"，fallback 路径、升级触发，以及高 stakes 场景里那层人工 oversight——这其实该算系统的第四层，光靠代码层兜不住。而且，厂商自己的文档就给了这类"静默失稳"的一手证据：在 noul 这个原语上，同一命题下 noul 给到 0.22，Choice 里 yes 选项却只有 0.01；在退款判断上，refund 与 not_refund 两个互斥选项的概率之和竟是 1.19——结构化不变量被违反、概率加总超过 1。

也就是说，当你以为小模型"拍板"了的时候，它可能连自己输出的一致性都没兜住。而厂商自己的 Confidence 文档也把 confidence < 0.5 转人工写成了示例动作——连出方案的人都默认你需要这道兜底。

当然，把判断拆出来也不是白捡的。Arize 在零样本垃圾邮件分类上实测 Jev 98.3%（不微调、不用标注样本），而一个在 1.48 万封标注邮件上训练出来的 TF-IDF 逻辑回归拿到了 98.4%——两者只在 466 封邮件上判得不一样，而且几乎对半分。Arize 自己的评论很到位：2003 年那个需要训练数据的分类器，只是追平了一个什么都不用训练的判断模型。所以"用便宜小模型替代大模型做判断"这笔账，得按具体任务自己算——这也正是第二根骨头说的，fallback 和人工兜底不是可选项。

六、升维来看，这不是第一次"便宜的原子"改写世界

把视野再拉高一点，Jev 这类事一点都不新鲜，它只是"便宜原子改写软件写法"这条长河里的最新一朵浪。

晶体管便宜到可以忽略不计之后，一切带电的东西都变智能了。云计算按秒计费之后，以前舍不得常开的实例，现在一直开着。API 化之后，以前要养一队人干的活，现在一行 curl 就调走了。每一次，都是某个原本昂贵的"原子动作"被打到地板价，然后需求凭空暴涨，软件的形态随之改写。

“判断”，正在成为下一个这样的原子。

当推理变成基础设施里最便宜的那一层，软件的写法一定会变。以前我们写的是"如果满足条件 A，就做 B"的硬规则；以后我们更可能写的是"问一下小模型，它觉得该不该做 B，置信度够不够"。规则让位于判断，静态让位于动态。

而 Kahneman 用系统一和系统二描述人脑的那套框架，本来是认知心理学，现在成了 AI 系统的工程蓝图。一个描述人类心智的模型，反过来指导我们搭建非人类的心智，这件事本身，挺妙的。

七、所以，结论是什么

回到开头那个判断。Jev 会不会成为下一个主流风口，我倾向于不会。它卖的"又快又便宜"，迟早会被大模型厂商吸收进 API 里；它作为独立产品的窗口，可能比很多人想象的短。

但 Jev 揭示的那件事，比产品本身深得多，AI 的用户正在从人变成 Agent，判断正在被从生成里拆出来、被打到地板价、被重新喂给软件。这个趋势不会因为它这个产品没火而消失，恰恰相反，它会以"基础设施"而不是"爆款产品"的形态，静静地渗透进每一个 Agent 系统的骨架里。

吹 Jev 的人，盯着的是它的价格和速度。看准它的人，盯着的是它背后那次架构迁移。

而杰文斯悖论在这一幕里最锋利的那一刀是：判断越便宜，被塞进代码里的判断就越多。Jev 这个产品会不会火，一点都不重要——重要的是它提前照出了那个画面：判断正在变成一个像电一样、便宜到可以随手用的原子，而 AI 的用户，正在从人，悄悄变成 Agent。下一次你写代码、纠结"这里要不要调一次大模型"的时候，答案也许不是换更大的模型，而是先让一个便宜的判断，替你决定。

这，大概就是 Jev 留给所有人最有价值的那句话。

围炉聊科技，一个认真聊 AI 与智能体基建的号。如果这期对你有点启发，欢迎点个「赞」和「在看」，或者顺手转发给那个还在纠结「这里到底要不要调大模型」的朋友。想第一时间收到更新，也可以给个星标 ⭐。

我们，下期见。