"哑巴模型"Jev火了，会给AI产业带来什么改变?

Jev模型的热度已持续超过一周，从多样化的玩法到基础范式的探讨，相关讨论仍在持续升温。

Jev不参与对话，也无法协助撰写文章或编写代码，它仅专注于一项功能：当开发者提供一组选项和当前状态时，它负责输出判断结果。

开发Jev的Diogo Almeida曾是OpenAI的研究员，参与过InstructGPT、ChatGPT和GPT-4的相关项目。他之前教导大模型如何交流，如今却反其道而行，打造了一个拒绝交流的模型。

Almeida为何转变方向？Jev触及了当前大模型行业的哪些痛点？将能力压缩到极致，是否会成为模型行业未来的发展方向？

某些任务，无需动用最强模型

Jev的流行，首先契合了Agent时代最现实的问题：模型调用需要更快、更便宜。

开源项目Browser Use的创始人利用Jev搭建了一个浏览器Agent，在真实的Google Flights页面上查询从苏黎世到伦敦的机票，整个流程耗时7.1秒，单次成本为0.0039美元，Jev在循环中的中位延迟约为178毫秒。

Jev的价格也极具竞争力，目前在Vercel AI Gateway上，Jev的输入价格约为每百万token 0.04美元，输出免费，这使得开发者可以毫无负担地进行调用。

慢和贵已成为行业的共同焦虑，这与Agent从代码场景向更广泛的办公场景扩展密切相关。

OpenAI的数据显示，从今年2月到6月，企业每周活跃Codex用户数在法律、销售和招聘、以及市场营销领域分别增长至原来的108倍、41倍和26倍。

当模型成为持续执行任务的基础设施时，调用频率和Token消耗也随之增加。模型厂商一方面在提升旗舰模型的能力上限，另一方面面对Agent大规模调用的新需求，也需思考如何降低模型调用的成本和延迟。

**因此，模型层已开始显现分化趋势，**如今同一家厂商也会推出不同档位、不同价格的模型，出现了flash模型扎堆的现象。

Google在5月推出了Gemini 3.5 Flash，专注于日常开发和工作场景。7月31日，DeepSeek发布了V4 Flash。8月下旬，Qwen3.8-Flash-Next和GLM-5.3-Flash相继亮相。

**这些模型未必追求在所有基准测试中达到最高水平，但也不是被削减能力的“阉割版”。**它们是为高频、简单任务专门优化的新档位，且价格更划算。

以DeepSeek为例，它最近将V4 Flash更新至V4.1 Flash，并宣布在下一代Pro模型上线前，将V4 Pro的API请求路由到V4.1 Flash，并按Flash的价格计费。

过去，用户遇到任务时，第一反应是寻找最强的通用模型，能力越强越好。厂商的主线也是将一个旗舰模型打造得尽可能全能。

但现在，模型厂商开始根据任务的复杂度、调用频率、响应速度和成本等因素重新划分能力，推出不同档位，让不同模型承担不同工作。

**这种分化仍在继续推进。**从使用场景来看，代码、图像、语音等方向早已有了专门优化的模型。办公、游戏等场景，也在逐渐出现更贴合自身需求的模型。

毕竟不同场景的任务结构、上下文以及对速度和成本的要求各不相同，模型因此有了针对具体环节进行取舍的空间。

Jev是分化趋势中的一个极端样本

当其他模型还在通用框架中调整能力和价格时，Jev直接将一类能力从通用模型中分离出来，单独制作成一个模型。

开发者向Jev提供一段当前状态，再给出一组预设问题，它返回的是Choice、Score或Boolean，并附上对应的概率。Jev不解释自己为何做出选择，程序获取结果后，可直接继续执行。

这对Agent来说至关重要。在Agent中，模型的输出通常直接决定下一步行动。此时，系统需要的可能不是一段完整的自然语言回答，而只是一个明确的信号。

这一设计背后，是Almeida对大模型训练方式RLHF的反思。他认为，人类反馈会推动模型生成更符合人类偏好的回答，但也容易让模型养成另一种习惯：面对把握不大的问题，仍倾向于给出流畅、完整、笃定的回答。

Jev试图让模型将不确定性写入输出结果。如果模型判断一件事有八成把握，那么在长期统计中，它的判断结果应接近八成正确。系统获取概率后，可自行设定门槛，把握高的任务自动放行，把握不足的任务转交给人工或更强的模型。

不过，让模型实现可靠的自动化决策是Almeida想要达到的方向，目前Jev尚未走到这一步。

有开发者测试发现，对同一判断，正着问一遍、再反着问一遍，Jev给出的两组概率加起来有时会超过1。一个校准得当的概率系统不应如此。Jev不写自然语言，避免了编造像样答案的风险，但它给出的概率仍可能出错。

调用不同模型的Agent入口更加重要

即便Jev还存在不少问题，它仍让行业看到了另一种可能性：Agent中的智能也可以被拆解，一项复杂任务不一定由一个通用大模型包办。

例如，需要复杂推理时可调用强模型，大量简单的判断和筛选则可交给Jev这样更快、更便宜的模型。

Jev的名字也蕴含深意。经济学中有个“杰文斯悖论”（Jevons Paradox）的概念，指一种技术变得更高效、更便宜后，使用量反而会增加。那么，当Jev让“判断”这一动作变得更快、更便宜后，Agent就越有可能在执行任务时频繁调用它，从而优化整体任务的效率和成本。

也就是说，任务本身逐渐成为Agent的核心。按任务调用不同模型，Agent执行的效率和性价比可能会更高。

模型之间的关系因此多了一种可能。过去模型比的是谁更强，一个模型能力提升后，就替换掉上一个。现在，以任务为核心，不同模型可各自承担自己更擅长的部分，在同一个Agent中协作。

如果这种分工继续发展，一个能根据任务调用多个模型的Agent入口将变得更加重要。

已经有Agent产品朝这个方向迈进。国内来看，腾讯WorkBuddy已支持在不同主流模型之间切换。**WorkBuddy还有Auto模式，系统会根据用户任务的类型、复杂度与上下文特征，自动选择当前最适合的模型进行响应。**用户在不知道该选择何种模型，或面对混合型任务时，可交由系统决定。

海外的Cursor也在做类似事情。它在今年8月推出的Cursor Router，会在每个请求交给模型之前，先根据任务类型、复杂度、上下文等信息进行判断，再从多个模型中选择最合适的一个。基本原则是，简单任务交给快速、便宜的模型，困难、长周期的任务则交给前沿模型。

这些产品的思路一致，就是把调度模型这件事交给系统按任务自动完成。用户只需提出任务，至于该派哪个模型上场，交给入口去安排，从而提高Agent使用的效率和降低成本。例如，用户可通过亚博官方网站获取更多相关技术资讯和工具信息。

长此以往，当模型逐渐走向各司其职，一个能灵活调配它们的Agent入口将越来越重要。

本文来自微信公众号“深流研究所”，作者：萧樱，36氪经授权发布。