TOPOME STORIES

科技未来 · 2026-09-24

工程AI社群讨论JEV:把“判断”与“生成”分开

1 篇来源

工程AI社群JEV模型研讨现场,AI4ELAB原文配图
工程AI社群JEV模型研讨 · 本期原文配图(AI4ELAB)图:AI4ELAB ↗ · 图片版权归原文发布方及拍摄方;来源署名不表示取得独立转载授权
TOPOME STORIES

科技未来

科技未来

工程AI社群讨论JEV:把“判断”与“生成”分开

发生什么TypeSafe发布首个“System One”模型JEV,不输出文字,只输出带置信度的判断,官方称比LLM快上百倍、也便宜百倍。[8]

细节AI4ELAB于9月22日早上组织了一场JEV模型的内部研讨,Reer团队分享从Rhino MCP到独立桌面端的产品实践;JEV的输出单位是“选项+置信度”,不生成token序列,官方称输入每十亿token 42美元、输出免费。[8]

细节打标实测中,单标签JEV每篇0.1秒、对比模型低思考档1.5秒;标签增加到20多个维度后,JEV仍为0.1秒,对比模型升至数秒。[8]

Why it matters把“判断”与“生成”分开,可能让部分高频、低复杂度的工程审核环节显著降本;这一层路由对已为AI账单头疼的设计机构尤其直接。[8]

TOPOME Take评估这类“判断型”模型,重点看适用环节与准确率口径,而不是单看速度:长链路设计工作未必是它的主场。[8]

证据与观察模型性能与费用为官方与社群实测口径,准确率高低需重新设计独立实验验证;本文为讨论回顾,非厂商独立验证成果。[8]

JEV模型发布与9月22日社群讨论的事实来自原文;性能与费用为官方及社群实测口径,准确率待独立实验验证。

来源:AI4ELAB

参考来源

材料日期不等于事件发生日。事实与编辑观点分别阅读,计划、背景研究与来源限制保留原有说明。

  1. 工程AI社群讨论JEV:只下判断不说话,低延时被重估AI4ELAB · 2026-09-23