过去三年，全人类似乎集体患上了一种“AI 对话框痴迷症”。
无论是一键订机票、查账单、看报表，还是审核一份合规合同，大家唯一的解法，都是在屏幕前塞进一个慢吞吞吐字的大模型。为了让它说话更有礼貌、排版更工整，全球的科技巨头们烧掉了成百上千亿美元。
但就在这几天，一位亲手缔造了 ChatGPT 的核心元老突然跳了出来。
他带着一款名为 Jev 的新模型，当着全世界开发者的面，狠狠掀翻了自己当年立下的规矩。
这个 AI 震惊整个硅谷的原因，不是它比 GPT-4o 聪明多少倍，也不是它掌握了什么高深的人性哲学，而是它被彻底“缝上了嘴巴”——它一个字都不会说。
它不写诗，不聊天，不讲废话，甚至连一句“好的，我明白了”都吐不出来。
它唯一的功能，就是在零点几秒内，像人类神经反射一样，冷血地做几道选择题。
就是这样一个在很多普通人看来“功能残缺”的哑巴 AI，在内测上线的短短 36 小时里，直接被 14 万名开发者挤爆了服务器，主流云服务商通通在第一时间内建接入。
为什么一个连话都不会说的 AI，却成了今年科技圈公认最震撼的一次“范式纠偏”？
荒诞的三年：我们雇了百万年薪的哲学博士，每天蹲在门口按电梯
要理解 Jev 的颠覆性，我们得先看清过去三年大家在 AI 应用里过得有多荒诞。
想象一下这个现实生活中的画面：
你开了一家公司，为了提高管理效率，你花几百万年薪聘请了一位精通苏格拉底、通晓天体物理的终身哲学教授。
然而在日常运转中，你交给他的任务是什么？
- “教授，请看一眼这封邮件，如果是催发票的，把它转给财务小张；如果不是，就删掉。”
- “教授，请看一眼这位顾客的发言，他到底生没生气？0 到 10 分你给打个几分？”
- “教授，这个用户点的是‘退出’还是‘下一步’？”
而这位老教授是怎么回应你的？
他清了清嗓子，花了整整 4 秒钟，吐出了洋洋洒洒两百个字：
“根据发票管理相关规定及文本语义分析，这封邮件极大概率属于账务流转，因此我非常建议您将其归类给财务部小张，以下是具体理由……”
这就是目前绝大多数企业内部所谓“AI 自动化”的惨淡现状。
在真实的软件代码和商业流程里，90% 的场景根本不需要写小作文。系统只要一个简单的 “是/否”、一个 “部门选项”、或者一个 “危险等级”。
但为了拿到这几个字，开发者们必须像哄祖宗一样伺候大模型：
- 提前写上几百字的提示词：“请你闭嘴！千万不要客气！不要解释理由！只要给我返回纯纯的 JSON 格式，否则我的程序就会崩溃！”
- 但大模型常常“人格叛逆”，指不定在哪天又多吐了一句礼貌的废话，导致整个软件彻底瘫痪。
- 更致命的是贵和慢：每让大模型跑一次神，就是几分钱甚至几毛钱的真金白银打了水漂；用户还要在屏幕前盯着那个令人绝望的“小转圈”，傻等好几秒。
许多原本野心勃勃的 AI 创业公司，产品还没挣钱，现金流就已经被这堆毫无意义的“礼貌废话”活活吸干了。
“把嘴当成了脑子”：亲手造神者的背叛
把这个皇帝的新衣戳破的人，叫 Diogo Almeida。
这个名字圈外人或许陌生，但翻开大模型的技术族谱，他是真正的“开山鼻祖”之一：
他是 InstructGPT 论文的第四作者，是奠定了整个 ChatGPT 灵魂的 RLHF（人类反馈强化学习） 算法的核心缔造者。换句话说，全世界所有能跟人谈笑风生的大模型，底层都流淌着他的技术心血。
然而，Almeida 带着团队创办 TypeSafe AI 并推出 Jev 时，说了一句足以写入 AI 史册的话：
“过去三年，整个世界都把‘嘴’误当成了‘大脑’。”
Almeida 指出，人类进化了数亿年，语言不过是最后几万年才长出来的一层薄薄的皮肤。在你的祖先在非洲丛林里决定“向左逃命还是向右战斗”时，决策从来不依赖语言——那是一种不需要经过语法修饰、毫秒级本能的直觉。
我们耗费了数万亿的算力和资金，费尽心思教会了 AI 怎么像一个政客一样说漂亮话、讨好人类，却忘了它连一个最简单的 “确定的决策” 都拿不准。
于是，Almeida 决定造一把手术刀，把语言这条累赘的舌头，从模型身上彻底割掉。
Jev 的降维打击：没有废话，只有三种“纯粹的答案”
Jev 在心理学上被定义为标准的 “系统一（System One）”模型 ——它代表人类的直觉反应与肌肉记忆。
它与任何一个程序员、普通软件沟通时，抛弃了所有语法组织过程，只支持且强行约束三种“基本原子”：
- Choice（单选）：给它一堆选项，在 0.05 秒内直接选中最准的那一个；
- Score（打分）：给它一件事，在设定的刻度内，瞬间给出一个精准到小数点的分值；
- Noul（概率）：判断某件事是不是真的，直接给出 0 到 1 之间的概率（比如：退费意图：0.98）。
就这三招，没有第四种。
但正是这种近乎变态的“做减法”，在性能和商业逻辑上直接打出了降维奇观：
- 速度暴涨 200 倍：端到端响应时间压到了 70 到 300 毫秒。人类眨一下眼睛需要 200 毫秒，这意味着在你的感官察觉之前，它就已经做完了上百次判断。
- 零格式翻车：因为从物理层面上就禁止它吐字，它吐出的永远是程序可以直接吞食的数字和常量，语法错误率为绝对的 0%。
- 令人窒息的账单差：在官方测试中，审查 1000 份极其复杂的项目提交，调用目前行业顶级的 Claude 3.5 去读去写评语，要花 14.5 美元（约合 100 多块人民币），且耗时数分钟；而交给 Jev 做风险打分，仅仅花了 7 美分（不到 5 毛钱人民币），几秒钟全盘搞定。
甚至，它的输出 Token 是永久免费的。因为官方原话是：“它快到不值得计费。”
名场面：当 AI 装上了“反射神经”
由于摆脱了自然语言的沉重枷锁，Jev 诞生后短短几天，就给社区贡献了几个极其炸裂的硬核名场面：
名场面 1：毫秒级直通《毁灭战士》（Doom）
《毁灭战士》是一款快节奏的血腥射击游戏，屏幕每秒都在刷新。如果交给传统大模型玩，在怪物扑上来的一瞬间，大模型还在默默思考“我是否应该开火……”，角色早就被打成了肉酱。
而在实验中，游戏状态每一帧被压缩喂给 Jev，Jev 在 70毫秒 内像人的肌肉神经本能一样，做出【开火/左移/闪避】的选择，以极其凶狠敏捷的动作把关卡直接打穿。
名场面 2：维基百科“六度寻路”
国外有个极度考验常识的挑战：随便给两个八竿子打不着的词（比如“西红柿”和“量子力学”），你只能在维基百科里点里面的蓝色超链接，看谁跳得最快。
满屏几十个超链接，普通大模型会喋喋不休地论证“西红柿的细胞结构可能与物理有关”；而 Jev 在几十毫秒内扫过上百个链接，瞬间挑出概率最接近的一跳，以惊人的速度跨越知识图谱。
未来软件的终极形态：“双核时代”
看到这里，很多人的第一反应可能是：“它这么厉害，ChatGPT 会被淘汰吗？”
答案是：不会，但大模型的地位要被彻底重构了。
过去三年，所有人都试图把大模型做成一个“单核超人”，包办一切；但未来，真正的商业系统必然会走向 “双核架构”：
- Jev 是你的“脊椎神经与小脑”：负责处理系统中 90% 脏活、累活、初筛、安检、路由和实时响应。它默默在后台把海量的垃圾邮件扔掉，把工单分好，把恶意提问挡在门外，把几万字的无用废话剃个精光。
- 大模型是你的“大脑皮层”：平时它根本不需要启动，只有当 Jev 在最前线判定“这道题极度复杂、需要写长文、需要深度推理”时，才在最后 10% 的核心节点把大语言模型唤醒。
这个架构不仅拯救了开发者的精神内耗，更是把 AI 商业落地的成本，直接打到了“自来水”级别。
当年经济学上有个著名的定理叫 “杰文斯悖论（Jevons Paradox）”：当一种核心资源的利用效率变得极高、成本变得极低时，它的消耗量不仅不会减少，反而会迎来爆发性的狂欢。
Jev 这个名字，正是向此致敬。当一次判断不再需要花钱，不再需要等待几秒，未来的软件系统里，每一个按钮、每一个输入框背后，都可以长出成千上万个微小的“智能神经元”。
智能，不必喋喋不休
在科技狂热的这三年里，我们似乎默认了一个偏见：AI 必须得像人一样会唠嗑，才叫通用人工智能（AGI）。
但 Jev 的爆火，像是一记响亮的耳光，把我们从对话框的幻觉中打醒：
会说话的或许只是鹦鹉，但真正的智慧，藏在每一次沉默而准确的抉择里。
未来最好的 AI，大概永远不会出现在你的聊天列表里对你嘘寒问暖。
它会隐匿在整个世界的底层运转中——快如电光火石，静若深海游鱼。
评论 0 条
暂无评论，来种下第一颗种子。