AI闭嘴，反而更好用？

AI闭嘴，反而更好用？

微信群里最难回的消息，不是刁钻的问题，而是那句「你看着办」。

回还是不回？现在回还是晚上回？@不@对方？要不要转人工？这些问题没有标准答案，但每一件都在消耗一个真人的判断力。最近爆火的一个 AI 模型，专治这种事⁠—⁠—它有个外号，叫「哑巴模型」。

01 只会做选择题的 AI

这个模型叫 Jev，9 月 16 日由旧金山公司 TypeSafe AI 发布。创始人是 GPT-4 论文共同作者、前 OpenAI 研究员迪奥戈·阿尔梅达（Diogo Almeida），公司隐身研发两年，出来时带着 DCVC 领投的 4000 万美元种子轮。

Jev 的标签叫「系统一模型」（System One Model），名字来自卡尼曼的《思考，快与慢》：系统一是不过脑子的直觉判断，系统二是慢下来一步步推理。这家公司的判断是：这几年所有人都在造系统二⁠—⁠—会思考、会写长文、会解释；可软件里真正需要的判断，大多数是系统一。

所以 Jev 和 ChatGPT、Claude 走的不是一条路：别的模型会写作文，Jev 只会答选择题。你给它一段状态⁠—⁠—一封邮件、一行日志、一条工单，再给它几个事先定好的选项，它一次性把答案全返回，每个答案附一个概率，外加一个「我有几成把握」的置信度。

它只会三种题：选择题，从最多 255 个选项里选一个；打分题，在 2 到 10 级的刻度上给分；是非题，给出一个 0 到 1 的概率。三种题可以混在同一个请求里并行算，官方说问一个问题还是问四个问题，延迟几乎一样。

02 一次判断，万分之一美元

Jev 的特点是快和便宜。普通大模型是一个字一个字往外写，写多久取决于要写多长；Jev 不写字，答案的范围事先就定死了，算一遍每个选项的概率就完事。

按官方数字：端到端响应 70 到 500 毫秒，输入每百万 token 0.042 美元，输出免费。折算下来，一次判断的成本压到了万分之一美元的量级。它上线 Vercel 的 AI Gateway 后，24 小时内近 13% 的 Vercel 付费团队都用上了，是 Vercel 平台采用速度最快的新模型。

它还有个罕见指标：幻觉率为 0%。指的是它绝不会给出选项之外的答案、绝不会拼错字段。但要说明白⁠—⁠—它可以选错一个选项，这一点连 CEO 自己也承认。

03 为什么它先在微信爆火

Jev 发布没几天，社区拿它用得最多的地方，是微信。

微信最难的不是收发消息，是精准判断对方的意思。经典场景「你看着办」：是让你小改一下，还是放着不管，还是大刀阔斧？这条消息要不要回？要不要@对方？这是不是广告？要不要把人踢出群？要不要转人工？这个人是不是想退款？

每一件，都是「从有限选项里挑一个」，而且要在几百毫秒内出结果。这正好是 Jev 的形状。

那为什么不用大模型？三个原因。

第一，慢。大模型回一条要 3 到 30 秒，群消息是滚动的，你回的时候对方可能已经不耐烦了。Jev 只要 70 到 500 毫秒，够你在消息滚出屏幕之前接上。

第二，贵。微信机器人通常跑在便宜的服务器上，一次判断的成本必须低到可以忽略。用大模型逐条判断，几十万条消息就是一笔真金白银；Jev 把单条判断压到万分之一美元的量级。

第三，也是微信插件最怕的：它说不出错话。一个自由生成的大模型塞进聊天框，随时可能冒出一句不该说的话，轻则社死，重则触发风控、直接封号。Jev 根本不生成文本，只从你给的选项里挑⁠—⁠—从结构上就「说不出格」。

微信插件的老大难，是「自动回复」和「转人工」之间那条线：全自动，内容控制不住；全转人工，人扛不住。Jev 给每个判断配一个校准过的置信度，这条线就变成了一道阈值⁠—⁠—把握高就自动过，把握低就转给人，或者转给更贵的大模型。这套分流，本来就是微信客服和社群运营最想要的结构。

它还顺手升级了老玩法：以前机器人靠关键词匹配，命中关键词才回复，对方换个说法就失效。Jev 把「关键词匹配」升级成了「语义判断」⁠—⁠—判断依据不是关键词，是意图。

04 判断层，正在变成基础设施

Jev 火得这么快，是因为它踩中了一个大问题：Agent 为什么还是又慢、又贵、又脆？

过去两年的 AI 叙事，是更长的上下文、更聪明的推理、更漂亮的回答。可当你真把一个模型塞进每天要跑几十万次的系统里，你会发现其中绝大多数调用，根本不需要它「说话」，只需要它「判断」：一条客服工单归哪个部门，一次工具调用有没有风险，一段 AI 的输出有没有跑偏。

这些问题从来都只有一个正确答案，而且选项早就写在自己的代码里。让一个会写作文的模型先写一段话，再由程序把它翻译回一个判断，绕了整整一大圈。Jev 想省掉的，就是这一圈。

我们在给 知名美国净水品牌 净水、谷轮、百世快运这些品牌做 AI 获客系统时，用的是同一套思路：客户咨询进来，高把握的常见问题自动应答，低把握的转人工，中间地带升级到大模型。真正的功夫不在「自动回复」这四个字上，而在那道阈值划在哪、校准得准不准。

效果也是立竿见影的：社区实测，通过 Browser Use 把 Jev 用在浏览器 Agent 里，一次请求同时选「做什么」和「点哪个元素」，订一张机票的时间能从 9.5 秒缩到 7 秒。

有一个猜想值得记住：当判断这件事本身变得便宜，那不如干脆别让模型说话，只让它做判断。判断层会像数据库、像缓存一样，变成一层默认的基础设施，藏在每个应用的最底层。微信插件只是一个开始。

05 别急着捧：它有两条硬边界

先把丑话说在前面。

第一，中文不是它的主场。官方文档明确标注，Jev 对中日韩文本（CJK）的准确率偏低，英文短文本表现相对稳定。拿它处理中文消息流，先小流量验证，别直接全量上。

第二，它没有推理能力。Browser Use 创始人实测的长程浏览器交互里，Jev 最终成绩 1/20，落后于具备推理能力的 GPT-5.6 Luna 的 17/20。浏览器操作涉及状态空间搜索与路径回溯，Jev 不具备多步状态推演能力；面对真实网页里未清洗的 DOM、异步加载与突发弹窗，它缺乏应对能力。

所以「Jev 取代大模型」是个伪命题。正确的做法是：大模型帮你想清楚判断规则，Jev 在生产环境里高频、低价地执行。它真正值钱的地方在于校准⁠—⁠—把看似模棱两可、没有标准答案的问题给量化，一眼便知道答案应该选什么。

判断越频繁、越琐碎、越怕错，它就越合适；反过来，需要创造力、需要多步推理的活，还是要交给会说话的模型。

把判断交给只做判断的 AI，把表达留给会表达的 AI⁠—⁠—各干各的活，成本和靠谱程度反而都上去了。