Jev在 Vercel AI Gateway 上线 24 小时内，就被接近 13% 的付费开发团队用起来了！
一个连“你好”都不会说的模型，凭什么让开发者疯抢！
TypeSafe AI 的 Jev 在 Vercel AI Gateway 上线 24 小时内，就被近 13% 的付费团队采用，成为史上最快被采纳的模型。Jev 不生成聊天文字，只返回带概率的结构化选择，让软件直接做决策。
2026年9月15日，Jev上线第一天就破了纪录
Vercel AI Gateway 是一个模型路由中间层，开发者把应用请求发给 Vercel AI Gateway，Vercel AI Gateway 再把请求分发给不同的大语言模型，并记录每次调用的延迟、成本和成功率。TypeSafe AI 在 2026 年 9 月 15 日把 Jev 放上 Vercel AI Gateway，Jev 在 24 小时内就被接近 13% 的付费团队使用。这个数字是 GPT-5.6 家族的两倍，是 Fable 5.1 的六倍，Jev 成为 Vercel AI Gateway 历史上最快被采纳的模型。
但是，Jev 有一个极其反常的设定，Jev 不会聊天。你问 Jev“今天天气怎么样”，Jev 不会给你写一段文字，Jev 会返回一个类型化的答案，比如“适合出门，置信度 82%”，这是一个会算卦占卜的AI模型！Jev 的设计目标不是取悦人类，Jev 的设计目标是让软件直接使用 Jev 返回的决策。
这直接导致一个疑问，一个连“你好”都不会说的 Jev，凭什么被开发者疯抢？答案藏在开发者过去两年踩过的坑里，那些坑让开发者对“会聊天的 AI”产生了深深的厌倦。
开发者为什么厌倦了让代码“阅读”AI小作文
GPT-5.6、Gemini、ChatGPT Luna 5.6 这些大语言模型生成的是自然语言，开发者调用这些大语言模型之后，拿到的是人类读起来很舒服的文字。假设你写了一个电商客服机器人，客户发来一条消息：“我的卡被重复扣款了。”这条消息需要判断三件事：该转给账单部门还是技术部门；紧急程度有多高；有没有退款风险需要人工介入。开发者把消息发给 GPT-5.6，GPT-5.6 返回一段话：“建议将工单分配给账单部门，紧急程度为高，退款风险为中。”
然后开发者的代码要写一个解析器，从这段话里提取“账单部门”“高”“中”这几个关键词，再把关键词拼成程序能用的结构化数据。开发者花了大价钱调用 GPT-5.6，拿到了一段人类读起来很舒服的文字，然后开发者的代码又花力气把这段文字拆回机器能用的格式，这不是脱裤子放屁吗？
Jev 的做法完全不同。应用程序给 Jev 发送上下文和一组问题，Jev 并行评估这些问题，Jev 返回三种类型化答案：Choice 从最多 255 个预定义选项中选一个；Score 给出指定范围内的评分；Noul 返回是或否的概率值。每种答案都自带概率分布和置信度，软件拿到之后可以用普通代码直接判断是否超过阈值，决定自动执行还是转人工。开发者终于不用再让代码“阅读”AI 写的小作文了！
杰文斯悖论：越便宜的判断，越会被塞进每个角落
Jev 这个名字来自 19 世纪经济学家威廉·斯坦利·杰文斯。杰文斯发现了一个反直觉的现象，当蒸汽机的燃煤效率提高、煤炭成本下降后，英国的煤炭消耗量不是减少了，反而暴增了。效率提升让煤炭变得便宜，便宜让更多人用得起，用的人多了，总消耗量反而更大。TypeSafe AI 赌的就是同一件事会发生在 Jev 上，当一次“判断”的成本降到几乎可以忽略不计时，软件会把判断嵌入到每一个角落。
Jev 的定价是每百万输入 Token 收 0.042 美元，输出 Token 完全不收费。你没有看错，输出免费。这意味着 Jev 的整个计费模型建立在“你输入多少信息”上，而不是“Jev 生成了多少内容”上。一台传统大语言模型回答“这个客服工单该分给哪个部门”可能生成 200 个 Token，按输出价格收费；Jev 干同样的事，返回一个“售后部门，置信度 87%”，输出不收费。
Vercel 的软件工程师 Pranit Sharma 把公司原先用 OpenAI 的 ChatGPT Luna 5.6 跑的命令安全审查分类器换成了 Jev，速度直接提升了 5 到 18 倍，准确率还更高了。Bryo AI 的首席技术官 Nikhil Mudholkar 拿 Jev 和 Gemini 做了商业邮件分类的对比测试，Gemini 的准确率略高一筹，但成本高出 10 到 20 倍。Nikhil Mudholkar 最终选择 Jev 的原因是，Jev 是唯一一个返回真实概率值的模型，这个数字可以直接喂给工作流引擎做自动化判断。但是，一个准确率不如 Gemini 的 Jev，真的能长期留住开发者吗？
Diogo Almeida的赌注：软件不需要被取悦
Diogo Almeida 在 OpenAI 工作过，是 2022 年 InstructGPT 论文的主要作者之一，参与了 RLHF 训练流程的建立，而 RLHF 正是后来 ChatGPT 的核心训练技术。Diogo Almeida 在 GPT-4 的贡献名单里被列在“Foundational RLHF and InstructGPT work”那一栏。离开 OpenAI 后，Diogo Almeida 花两年时间想了一个问题，大语言模型已经这么聪明了，为什么世界上大多数工作还没有被自动化？
Diogo Almeida 的答案是，因为大语言模型被过度优化来服务人类了。Diogo Almeida 对 Forbes 说：“我们一直在为人类做优化，我们在取悦人类这件事上已经超人了。”但是，软件不需要被取悦，软件需要的是能直接执行的决策。Jev 就是围绕这个判断设计的，Jev 的输入是一段程序状态加一组预先定义好的问题，Jev 的输出是类型化的答案。
Jev 和 GPT-5.6 的差异在于，GPT-5.6 生成文本，Jev 返回格式代码可用。Jev 的概率值可以直接喂给工作流引擎，工作流引擎根据概率值决定下一步动作。Diogo Almeida 赌的是，当 Jev 的判断成本足够低、返回格式足够直接时，软件会把 Jev 塞进每一个需要决策的角落。这个赌注让 Jev 在 24 小时内拿下了接近 13% 的付费团队，但是，早期采纳不等于长期留存。
13%的付费团队用Jev，但真正的考验才刚开始
Jev 在 Vercel AI Gateway 上线后的前 12 个小时，就超过了所有对比模型，Jev 在 24 小时内把领先优势继续扩大。到第 24 小时，接近 13% 的付费团队正在使用 Jev，这个数字是 GPT-5.6 家族的两倍，是 Fable 5.1 的六倍。Jev 的早期采纳速度在 Vercel AI Gateway 历史上没有先例，但是，Vercel AI Gateway 的记录只说明开发者愿意尝试 Jev，不说明开发者会一直使用 Jev。
Jev 的长期留存取决于一个尚未解决的矛盾。Bryo AI 的首席技术官 Nikhil Mudholkar 的测试显示，Gemini 在商业邮件分类上的准确率略高于 Jev，但 Gemini 的成本高出 10 到 20 倍。当准确率差一点、成本便宜很多时，开发者会怎么选？这个问题的答案还没有数据，Jev 的概率值能让工作流引擎自动处理多少比例的任务，也还没有公开的长期统计。
TypeSafe AI 报告说，Jev 在自己的工作流评估中，比语言模型快 194 倍，便宜 445 倍。但是，TypeSafe AI 的评估是 TypeSafe AI 自己做的，第三方长期对比数据仍然缺失。Jev 在 Vercel AI Gateway 上线 24 小时内的 13% 付费团队使用率，到底是 Jev 改变软件决策方式的开始，还是开发者一次好奇的集体尝鲜？这个实验还在进行中，下一个 24 小时的数据会给出第一个线索。