Jev模型已持续走红超过一周。从各种创意玩法到基础范式，围绕它的探讨仍在持续发酵。

Jev既不与人对话，也无法协助撰写文章或编写代码。它的功能非常单一：当开发者提供一组选项和当前状态时，它仅负责做出判断。

Jev的创造者Diogo Almeida曾是OpenAI的研究员，参与了InstructGPT、ChatGPT和GPT-4的相关研究。他过去教导大模型如何对话，如今却反其道而行之，打造了一个拒绝交流的模型。

Almeida为何要转变方向？Jev又击中了当前大模型行业的哪些痛点？将模型能力极致收窄，是否会成为未来模型行业的发展趋势？

有些任务，无需动用最强大模型

Jev的走红，首先切中了Agent时代最现实的问题：模型调用必须更快、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。整个流程运行完毕耗时7.1秒，单次成本仅为0.0039美元，而Jev在循环中的中位延迟约为178毫秒。

Jev的定价也极具竞争力。目前，Vercel AI Gateway上Jev的输入价格约为每百万token 0.04美元，输出免费，这使得开发者可以无负担地频繁调用。

慢和贵已成为行业的共同焦虑，这与Agent正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，企业每周活跃的Codex用户数在法律、销售与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。

当模型演变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，也必须考虑如何降低模型调用的成本和延迟。

因此，模型层已开始出现分化趋势。 如今，同一家厂商也会推出不同档次、不同价格的模型，导致Flash模型扎堆的现象。

Google在5月推出了Gemini 3.5 Flash，瞄准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也相继亮相。

这些模型未必追求在所有基准测试中达到最高分，但它们并非能力被削减的“阉割版”。 它们是针对高频、简单任务专门优化的新档次，且价格更为实惠。

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，第一反应是寻找那个最强的通用模型，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，推出不同档次，让不同的模型承担不同的工作。

这种分化还在持续深化。 从使用场景来看，代码、图像、语音等方向早已有专门优化的模型。办公、游戏等场景也正在逐步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，模型也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案例

当其他模型还在通用框架内调整能力和价格时，Jev干脆将一类能力从通用模型中剥离出来，单独制作为一个模型。

开发者向Jev提供一段当前状态和一组预设问题，它返回的是Choice、Score或Boolean，并附带相应的概率。Jev不会解释自己为何做出这种选择，程序获得结果后便可直接继续执行。

这对Agent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，而仅仅是一个明确的信号。

这一设计背后，是Almeida对大模型训练方式RLHF的反思。他认为，人类反馈会促使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：在面对自己把握不大的问题时，仍倾向于给出流畅、完整且笃定的回答。

Jev试图让模型将不确定性写入输出结果。如果模型判断某件事有八成把握，那么在长期统计中，它的判断结果就应该接近八成正确。系统获得这个概率后，可以自行设定门槛，将把握高的任务自动放行，而把握不足的任务则转交给人类或更强大的模型。

不过，让模型实现可靠的自动化决策，是Almeida想要达到的方向，但目前Jev尚未实现。

有开发者测试发现，针对同一个判断，正着问一遍、再反着问一遍，Jev给出的两组概率相加，有时会超过1。一个校准得当的概率系统不应如此。Jev虽然避免了编造一段像样答案的风险，但它给出的概率仍然可能出错。

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，而大量简单的判断和筛选，则可以交给像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，意指一种技术变得更高效、更便宜后，其使用量反而会增加。那么，当Jev让“判断”这个动作变得更快、更便宜后，Agent在执行任务时就越有可能频繁调用它，从而优化整体任务的效率和成本。

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

模型之间的关系也因此多了一种可能。过去，模型比拼的是谁更强，一个模型能力提升后，便替换掉上一个。现在，以任务为核心，不同模型可以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，一个能够根据任务调用多个模型的Agent入口将会变得更加重要。

已有Agent产品朝这个方向迈进。在国内，腾讯WorkBuddy已支持在不同主流模型之间切换。WorkBuddy还具备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。 当用户不知道该选择何种模型，或面对混合型任务时，可以交由系统来决定。

海外的Cursor也在做类似的事情。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，而困难、长周期的任务则交给前沿模型。

这些产品的思路都是一致的：将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，则交给入口去安排，从而提高Agent使用的效率并降低成本。

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，将变得越来越重要。

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。