不会聊天的Jev送1.2亿token：6个实测案例看懂它适合干什么

过去几天最火的大模型，是个"不会说话"的——Jev。上线短短几天已有 3800 多万人围观，技术负责人是前 OpenAI 研究员 Diogo Almeida，当年参与过 ChatGPT 指令遵循的核心研究。

它做了一个非常激进的取舍：彻底放弃文本生成，把所有能力用在评分和选择上。说得通俗点，普通大模型擅长长篇大论，Jev 擅长一锤定音。上线没几天，全球开发者已经围绕它做出近五百个开源项目。而就在日前，Jev 宣布向所有用户开放，每个注册账号送约 1.2 亿 token 额度——它的定价是每百万输入 token 约 0.042 美元，输出 token 免费，在典型决策工作流上比前沿大模型快几十到上百倍，也便宜几百倍。这份额度足够认真玩上一阵子。

整理了反响最热烈的 6 个实测案例，看看它到底擅长什么。

给论文打标签。 开发者 Hassan 的流程是先用 DeepSeek 给论文生成摘要，再让 Jev 根据标题、摘要和 24 个主题分类打标。实测每篇论文完成分类的端到端延迟中位数约 256 毫秒，全部成本约 0.08 美元。浏览器收藏夹、Notion、微信文件越积越多、存了就找不着的人，看懂这个案例的价值了。

实时玩《超级马里奥》。 网友 Faadil Shaik 让 Jev 持续读取游戏状态，自己决定向左、向右、跳跃还是等待。游戏不会停下来等模型想明白，晚半秒角色就掉坑里。目前成功率还不高，作者说大约四分之一，但超低延迟本身就是能力的一部分——辅助驾驶、响应手势、处理交易，拼的都是这个。

7 秒查航班。 开发者 Gregor Zunic 把 Jev 接进浏览器，配合 Browser Use 观察网页状态，连续决定下一步该点击、输入还是筛选。查询苏黎世飞伦敦的航班，要过日期、地点、筛选项、弹窗一大堆关卡，从读取页面到完成搜索只用了 7.1 秒，成本约 0.0039 美元，演示视频还是原速。

自动找最便宜门票。 开发者 Aaron 做了个电脑操作 Agent：先截屏，用 OCR 识别页面文字和位置，让 Jev 判断下一步点哪里，需要输入文字时再调用其他小模型。单次决策 0.13 到 0.38 秒、成本约 0.0002 美元，加上截图和 OCR，一整步约 1.5 秒。电脑开始自己跑腿了。

社媒帖子打分。 开发者 Rob Hallam 把 Jev 接入 SuperX，约 1 秒回答一条帖子涉及的 61 个评估问题，再结合 207 位创作者、9481 条真实帖子的表现数据拟合内容评分，还做了"写草稿、打分、重写、停止"的循环。发帖前就能预判数据，不用再听天由命。

决定调用哪个模型。 eve 团队把 Jev 用作模型路由器：提前写好各模型的擅长领域，新请求进来先由 Jev 判断交给谁。很多任务根本不需要最贵最慢的大模型，让一个快而便宜的决策模型先做分流，成本和等待时间一起省。

上手不难：在 TypeSafe 官网注册账号拿到访问资格和 API Key，模型别名是 jev-latest；向它传入一段"状态"（文本、JSON 或字符串组）加若干结构化问题，问题类型可以是 Choice、Score 或 Noul，它用一次前向计算同步回答所有问题。嫌配置麻烦的话，在支持 Skill 的 Agent 平台上装官方 TypeSafe Skill，一句话完成安装。

它写不了文案、做不了总结，但凡你的工作流里有一堆"看一眼就能定"的判断节点——分类、打标、路由、审核——都值得拆出来交给它跑：又快又便宜，还送 1.2 亿额度。