再次感叹，即刻在AI领域内容的时效性和质量，应该是中文互联网独一档的存在

Jev这个模型是9.16凌晨2:00在X上发布的，截至目前浏览量将近3000万

在我即刻主页的时间线上，最早Plaud的陈惑仔Harry老师发了个参与jev的内测，然后是王二鹅老师发了个jev的模型介绍，我瞄到一眼价格低得夸张(新模型发布让老模型进入斩杀线已是常事)，加上介绍too long我就真的dont read了；以上内容发布于今天上午

刚刚下班回来，我的时间线上又多了三条内容：肯尼老师说这玩意儿的应用场景广阔，车厘子老师讲了一些很tech的技术信息，敖特老师讲了在browser use工程化层面的猜想

我把信息总结了一下，理解不对的地方大家批评：
1. 模型的成本大幅降低，响应速度大幅提高，怎么达成的呢？传统的大模型的推理逻辑是边想边说，把整个思考过程写出来，答案也就有了；但jev的推理逻辑是如果开发者定义清楚了问题和选项，jev将直觉式地直接给出问题的答案，通过RLCD（他们自己区别于RLHF的新技术）保证直觉的置信度，通过不输出完整思维链的直觉式的判断+多个问题并行下判断 保证输出的速度

2. 在众多问题清晰、选项明确的行业中，存在着众多成本敏感（量大、重复性高）和时间敏感（对响应速度高需求）的场景，jev有广阔的使用场景

3. 把大模型对自然语言的理解变成软件可以直接使用的格式（结构体），这个事儿在agent时代极为高频且刚需。大模型输出的是自然语言，要变成软件语言的话，中间要经历system prompt的命令、function calling的约束等等，而jev天生输出软件语言

4. 在browser use等通用场景中存在大量的直觉式的、不费脑子的任务（system1任务），jev能做的快且准；但只要是通用场景就一定存在需要多步推理、需要生成文本的复杂任务，只能由更好的模型解决；所以如果要组合架构一定会遇到工程问题，roi合不合算可能取决于具体场景

以上信息，包括了对于jev这个模型在行业、技术、工程等多个维度的客观信息和主观判断；而同一时间段内，各大AI资讯公众号中只有机器之心发了一篇jev的模型介绍，别的内容平台就更不用说了

本来最近还在反思工作内容距离AI本身越来越远，结果回来越刷jev的信息越有意思，就半主动地逼自己学了一通，感谢即刻🙏