你不需要每個決策都用 GPT：解碼 Jev，RLHF 發明人做了一個不會說話的 AI

發明 RLHF 的那個人，做了一個不會生成文字的 AI。

這句話如果你讀得懂，大概已經坐直了。

Diogo Almeida 是前 OpenAI 研究員。TechCrunch 的報導形容他參與打造了 ChatGPT，並且發明了 RLHF（從人類回饋中強化學習），也就是讓 ChatGPT 變得好用的那項關鍵技術。

兩年前他離開 OpenAI，創立了 TypeSafe AI。公司安靜了兩年，2026 年 9 月才走出隱形模式（heise 報導），帶著一個叫 Jev 的模型。

Jev 不聊天。它不會寫文案、不會回你問題、不會自言自語地推理。

你給它一份輸入跟一個輸出格式，它回你一組機率。就這樣。

它的訓練方式叫 RLCD，從「校準過的決策」中做強化學習，而且 Almeida 表示是完全用合成資料訓練出來的。

例如：這封信有 90% 是垃圾郵件。這個潛在客戶有 78% 的成交可能。這張工單有 85% 該轉給技術組。

聽起來很無聊對吧？

但這件事對你的 AI 帳單，可能比任何一次模型升級都重要。

先講一個你可能沒算過的帳

你現在用 AI 做的事情，我把它分成兩類。

第一類是真的需要思考的：寫一篇文案、分析一份報表、規劃一檔活動、debug 一段程式。

第二類是只需要判斷的：這封客訴該轉給誰、這個詢價是不是認真的、這則評論要不要下架、這張圖適不適合當主圖、這個訂單要不要人工複核。

現在的問題是，這兩類你都在用同一個模型處理，付同一種價錢。

我之前解碼 Langfuse 的實驗時寫過別再燒 token，第一輪就拿走大半價值，那篇講的是同一件事的另一面：很多 AI 支出並沒有換到等值的效果。

第二類工作沒有一件需要「推理」。它們需要的是快、準、便宜，而且結果要能直接餵進你的程式裡。

你卻派了一個會寫十四行詩的模型去做這件事。

這就像你請了一位資深顧問，然後每天叫他坐在門口幫你分信。他做得來，但你每個月付的是顧問費。

系統一與系統二：一個好用的理解框架

TypeSafe 把 Jev 這個類別叫做 System One 模型，而且在官方發表文章裡直說，這個命名就是取自康納曼的《快思慢想》：

• 系統二：慢、費力、會推理。你算 17×24 的時候用的就是它。現在的 LLM 就是系統二，它會思考、會展開推理過程、會生成文字，所以它慢也貴。
• 系統一：快、自動、靠直覺。你看到一張臉立刻知道那是生氣還是開心，不需要思考。Jev 想做的就是這件事。

更有意思的是 Jev 這個名字本身。它來自 William Stanley Jevons，也就是「傑文斯悖論」的那位經濟學家：當某樣東西的使用成本下降，總消費量不會減少，反而會大幅上升。

十九世紀的煤炭是這樣，蒸汽機效率變好，煤反而燒得更兇。

他們把這個典故放進產品名字裡，等於明講了商業模式：當一次判斷便宜到幾乎免費，你不會少做判斷，你會開始在以前根本不會用 AI 的地方用它。

這是我認為整件事最值得記的一句。

回到那兩個系統。人腦絕大多數的決策是系統一做的，只有少數真的難的問題才會啟動系統二。

但我們在設計 AI 工作流程的時候，幾乎把所有事情都丟給了系統二。

這就是浪費發生的地方。

Jev 是什麼？它怎麼用 schema 回傳機率

它的用法是兩件事：定義輸入，定義輸出格式（schema）。

這段示範來自 Greg Isenberg 頻道上與 Ryan Vogle 的對談（Ryan 是 OpenCode 創始團隊成員），他用的例子最好懂。他把整封 email 物件原封不動丟進去，不做任何前處理，然後定義四個輸出：

• category：這封信屬於購物、工作、行銷、財務還是安全
• priority：低、中、高、重要、緊急（像是信用卡漏繳就該是緊急）
• spam score：不是是非題，是一個百分比
• reply likelihood：這封信有多需要你回覆

然後 Jev 回你每個選項的機率分布，總和是 100%。

注意第三項。垃圾信這件事本來就不是非黑即白，傳統分類器逼你在 true/false 之間選一個，Jev 直接給你信心分數，你可以自己決定要在哪裡畫線。

它為什麼不會幻覺

這點我覺得是整個設計裡最聰明的。

因為輸出選項是你事先定義好的，它只能在你給的選項裡分配機率，沒有空間可以編造。

LLM 會幻覺，是因為它的輸出空間是「所有可能的文字」。當輸出空間被限縮成「這五個選項的機率」，它就不可能生出你沒定義的欄位或答案。

但這裡要講精準一點：它不會編出 schema 以外的東西，不代表它判斷一定對。風險只是換了形狀，從「生成幻覺」變成「分類錯誤」或「信心分數沒校準好」。這是完全不同的除錯方式。

這也是為什麼我一直強調，決定 AI 好不好用的常常不在模型本身，而在外面那層結構（可以參考我寫的 Agent Harness 是什麼）。

這也代表回傳的東西是型別安全的資料，可以直接進你的程式碼，不用再寫一層解析去處理 AI 的自由發揮。

任何寫過「請只回傳 JSON，不要加任何說明文字」這種 prompt、然後還是被加了說明文字的人，應該都懂這個痛。

Jev 的成本與速度：哪些數字可信

先講實測。Ryan 丟了 1,700 封真實 email 進去，同時跑四種判斷，整批完成花了 18 美分，處理 420 萬個輸入 token 與 50 萬個輸出 token。

我拿公開的單價驗算了一下，420 萬輸入 token 大約就是 0.17 美元，跟他講的 18 美分對得上。

成本結構是這樣的：輸出 token 不計費，輸入是每百萬 token 0.042 美元，等於每十億 token 42 美元。

它當然還是能用百萬報價，只是價格低到可以拿十億當溝通單位。整個 LLM 產業都在比「每百萬 token 多少錢」，這裡直接把討論的刻度往上挪了一千倍。

速度方面，我選幾個具名的實測來講，比廠商自己給的倍數可信：

• Vercel 的工程師說，他們把安全指令審查的分類器從 ChatGPT Luna 5.6 換成 Jev 之後，快了 5 到 18 倍，而且準確度更高
• Bryo AI 的 CTO 講得更平衡：在他的商業郵件分類測試裡，Gemini 的準確度略高一些，但貴了 10 到 20 倍
• 官方給的延遲範圍是 70 到 500 毫秒

第二條我特別想留著。它沒有說 Jev 樣樣都贏，它說的是「差一點點，但便宜十幾倍」。多數的分流工作，這個交換划算。

影片裡還有兩個很有畫面的示範：一支長影片轉成逐字稿後，Jev 花大約 3 秒處理 110 萬 token，找出 17 個精彩片段。另一個是 Browser Use 團隊用它控制瀏覽器，從蘇黎世飛倫敦的航班，7.1 秒選完。一般瀏覽器 AI agent 做同樣的事要一到三分鐘。

電商與行銷可以怎麼用 Jev

講到這裡你應該有感覺了。我把它整理成幾個具體位置。

客服工單分流。進來的訊息先過一次 Jev，判斷類別、急迫性、情緒強度，再決定要丟給罐頭回覆、真人、還是升級處理。你不需要一個會寫小說的模型來做這件事。

實際設定大概長這樣，你可以直接照抄去改：

重點在第三段：低信心不是丟掉，是升級。便宜的那層負責認出「這題我沒把握」，然後才叫貴的那層出場。我寫過你的 AI 客服為什麼越用越蠢，那篇講的是記憶設計；分流則是更前面的一層。

詢價與潛客評分。B2B 或高單價商品的表單，每天進來一堆，業務時間有限。用一個分數決定誰先打電話，這正是系統一的活。

評論與留言審核。給每則留言一個風險分數，超過門檻的才進人工。這比「全部人工」跟「全部放行」都務實。而且呼應我上一篇講的：你的評論區本來就是 AI agent 會讀進去的地方。

商品資料分類。上架時自動判斷品類、屬性、適用場景。特別是那種從供應商拿到一堆雜亂資料的情況。

廣告素材初篩。一批素材先打分，低分的不用進人工評審。

看出共同點了嗎？

這些全都是「在昂貴的事情發生之前，先做一個便宜的判斷」。

先講清楚，這不是要你把 GPT 全換掉。它是在提示你：高頻、低風險、而且出錯可以回頭的判斷，可以先拆出來單獨處理。

而且它們多半卡在同一個地方：等。我拆過你公司花最多時間的流程，大部分都在等，分流這一層之所以值錢，就是因為它把「等人判斷」的時間壓掉了。

你可以把它想成一個守門員，站在你所有昂貴流程的前面。以前你請不起這個守門員，因為守門員跟裡面的顧問一樣貴。現在守門員的費用掉到零頭了。

我之前在別把模型接上廣告帳號，先問人本來在做什麼裡講過一個觀念：AI 自動化的重點不是換更強的模型，是先看清楚人本來在做什麼決定。Jev 剛好給了那些「判斷型決定」一個便宜得多的執行層。

它不適合什麼，這段別跳過

這是我覺得整支影片最誠實的部分。

Ryan 自己做了一個實驗：用 Jev 每分鐘跑一次，判斷比特幣的買賣訊號。

結果不好。

原因很清楚：這種任務需要深度推理，也需要串接即時的外部資訊，這兩件事都不是分類器的強項。

所以請把界線記清楚：

• 適合：分流、評分、路由、標記、篩選，也就是那些「在已知選項裡做選擇」的事
• 不適合：需要推理鏈、需要即時外部資訊、需要創造新內容、後果嚴重且不可逆的決策
• 也不適合：答案空間根本列不出來的任務，或者你自己都還沒定義清楚分類標準的時候。schema 要你先想清楚，這一步它幫不了你

還有一個我要提醒的：機率分數不等於正確答案。它告訴你「我 85% 覺得是這個」，不是「這個一定對」。高風險的判斷，門檻要拉高，而且該留人工複核。這跟我一直在講的原則一樣，不可逆的動作留給人。

怎麼開始

Jev 目前仍是早期存取／候補名單。影片裡提到部分使用者可以透過 Vercel AI Gateway 取用，Vercel 已經把它整合進自家的 AI 套件；實際的權限、配額與可用性，還是要以 TypeSafe 跟 Vercel 當下的公告為準。Ryan 團隊測了兩天密集使用，只花掉 5 美元額度。

實際要動手的話，我建議這個順序：

► 第一，先別急著接 API，先做一次盤點。把你團隊現在用 AI 做的事列出來，逐項問：這件事需要「思考」，還是只需要「判斷」？你可能會發現一半以上是後者。

► 第二，挑一個高頻、低風險的判斷來試。客服分流或留言審核都是好起點。高頻代表省得到錢，低風險代表判斷錯了不會出大事。

► 第三，先讓它跑影子模式。不要一開始就讓它決定，讓它跟現行流程並行跑一段時間，你只看它的分數跟人工判斷差多少。校準好了再讓它上場。

► 第四，門檻自己訂，而且分三段。高信心自動過、低信心自動擋、中間灰色地帶進人工。別只設一條線。

最後

我對這件事有興趣，不是因為 Jev 這個產品本身，畢竟它現在還是邀請制，而且是一家剛走出隱形模式的新公司。

真正值得記的是它背後那個提問：

我們是不是把太多不需要思考的事，交給了一個專門用來思考的東西？

過去三年整個產業的方向是「模型越大越好、推理越深越好」。而一個發明 RLHF 的人，跑去做一個刻意不推理、不說話、只給機率的模型，還說這是一整個新類別。

如果他是對的，那未來的 AI 工作流程不會是一個超大模型包辦一切，而是一層便宜的判斷，加上一層昂貴的思考。

便宜那層負責擋掉九成的事，昂貴那層只處理真正難的問題。

這個結構，其實跟一家管理良好的公司長得一模一樣～

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。

文中觀點為作者個人立場，不代表所屬公司、客戶或合作夥伴之意見。