最近一个叫 Jev 的模型火了。它霸榜了 Hacker News，又引爆了 X。
我也是看懵了。因为这三年来全网已经达成了某种默契，一个模型它想火，至少得能写十四行诗。
Jev 连话都不会说。
Jev 来自 TypeSafe。创始人 Diogo Almeida 以前在 OpenAI 做 ChatGPT。江湖传说 ChatGPT 能说话是因为 Diogo 和同门师兄弟先给 GPT 做了一个不能说话的老师模型，再用不能说话的老师教 GPT 学说话。而这个老师的特长就是，做选择题。这很难不让网友怀疑 Diogo 这次是不是把老师单独拿出来卖了。
我加入 Waitlist，一天后拿到了 apikey。然后我更懵了。Jev 的 apikey 长这样。
怎么说呢，这就好像你有一把钥匙，钥匙上面写着这是钥匙。你说不出哪里奇怪，但会本能的想这是人类能干出的事吗。
我顺手伪造了一个类似密钥发给 Jev 问，这是密钥的可能性有多大。Jev 回，98%。
太好了，它能识字。
然后我又给它发了「apikey_」这 7 字符问，这是密钥的可能性有多大。Jev 回，93%。
太好了，我发现了它的真实身份，一个正则匹配器。
但如果 Jev 的水平只有这样，它就不可能这么火了。
@Alex 做了个电车难题小游戏，接入了 Jev。它每次都让电车碾过人少的轨道。它没有道德包袱
@Toran 将 Jev 接上汽车驾驶模拟器。它驾车躲障碍、过车流，还想尝试漂漂移。如果给它一座秋名山，它可能去会找藤原拓海比高下。
Utkarsh 拿 Jev 做猎鹰 9 号火箭回收模拟小游戏。几分钟后，它稳稳的接住了大火箭。下面有人回复，想知道马斯克怎么看。
有人让 Jev 打游戏。有人拿 Jev 去踢足球。玩的花的，直接把 Jev 关进了迷宫。
但这些都是玩具，它们体现的都不能说是 Jev 的能力。它们是热闹，热闹过后什么都不会留下。
也许现实世界里，很多场景不需要会说话的模型。
玩过 Dify 或 FastGPT 的自动化工作流的人，大概知道一个叫「问题分类」的节点。一个请求过来它判断要走哪个分支，退货走售后，投诉找客服，闲聊就开启一个对话框来问你，今天有什么需要帮忙的。
这个东西叫意图识别。Jev 天生就是干这个的。有人说它是程序中的 if，有人说它是逻辑门。
没那么玄。Jev 就是连接器。它打破次元壁，连接人类和机器。它将自然语言转换成意图。意图可以被分类。分类又能被路由。
所以它是个路由器？额，某种程度上是。它是一个高级分类器。就像一个职业经理人，只是它不说废话。
在现实世界里 Jev 能干的事情还不多，但也不少。因为有人的地方就有江湖，有江湖的地方就有意图，有意图识别的地方，就可以有 Jev。
@Cellou 拿 Jev 做了诈骗短信检测器。想想看看老妈到底被谁诈骗了。
@Sasha 想知道什么东西健康、便宜又美味。顺手做了个菜谱分析器。
@Akshat 弄了个浏览器插件给油管视频打标「值不值得看」。
@Segun 给社交媒体平台装上 Jev，舆情监控让它来把关。
@Daniel 拿 Jev 当客服，一次喂它工单十八张。秒出结果。
@nader 拿 Jev 做智能自动补全。
@Matthew 拿 Jev 拆广告。做竞品分析。
@Riley 做了个邮件分类器。有相同想法的网友也拿它鉴别邮件垃圾和欺诈。
@Paolo 拿它审核 Github PR。
有人说 Jev 是今年 AI 圈最牛逼的发明。
不是。
Hugging Face 搜 NLP，Jev 能干的活，别的模型也能干。可能会更好。
大厂内部类似的模型也很多，只是不开源。
工厂里用传感器，自驾驶讲规划、安防说识别率。这些领域，哪一个 Jev 都上不了桌。说延迟性它太高，说准确率它又太低。
Jev 是一个自然语言分类器。自然语言有自然语言的世界知识局限性。
Jev 每个问题都有置信度，一会 0.98，一会可能又是 0.54。这是 Jev 对它的世界的看法。也是它的局限。
它的世界越大，这个置信度才可能更准。可能。
Jev 的世界有多大。官方没公布。我们不知道。
Jev 的意义不是它发明了什么，Jev 的意义是逼我们承认，现实世界很多场景本来就不需要会说话的模型。
也许现实世界里，很多场景不需要模型。
AI 这个圈子喜欢大力出奇迹，scaling law 也好，tokenmaxxing 也好。都是手里有把大锤子，全世界都是小钉子。
我们太喜欢用 LLM 去解决一切问题了。因为自然语言太他妈省事了。好不好，快不快，管他呢。
但这样真好吗？
前段时间大厂纷纷反思 tokenmaxxing 值不值。后来网友也开始反思。
Jev 只是引爆了这个反思。我们真的所有地方都需要会说话的模型吗？我们真的需要模型吗？
我们喜欢模型只是喜欢模型的智能。人们说物以类聚，人以群分。也许我们只是喜欢像我们自己的东西。
比模型还智能，比模型还像我们自己的东西，会不会就是我们自己。会不会我们喜欢的智能早就有其他形式，比如代码。代码是固化的智能。
Hacker News 上有人感慨，确定性、可测试、能复用曾经是工程最佳实践，现在被淹没在「求大模型听话的提示词」里。
n8n 的创始人 Jan Oberhauser 说，可靠的 AI agents 系统要用「确定性」工作流制约，用模型处理模糊性，用人承担风险。
换句话说，可靠的系统是在工作流中加入 agent 节点，不是 agent 节点动态编排工作流。因为企业的需求永远都是可预测、可追溯、可审计，安全可靠。出了事要有人背锅，背锅的也想知道自己背了什么锅。
有网友将 claude code 改成 n8n+agent，token 消耗少了 18 倍。
Anthropic 在《写给企业架构师的指南》里直白地建议，先尝试找确定性解法，找不到再做 agent。
确定性解法的是代码的别名。
Anthropic 发布 Agent Skills 时说，固化的代码比如动态生成更可靠。
网友 Param 应该体会深刻，他花了 20 美元订阅 Claude，结果换来 Claude 的 40 次道歉。
Claude Code 的作者 Boris Cherny 说，一天做两次的事就应该写成 skill 或 cli。
DeepSeek Harness 打出过 harness 自进化的宣传口号。大家都很兴奋。谁不想将重复的事情自动固化成稳定的 harness 插件呢。
Jev 不是神话。
Jev 发布七小时后。Harsha Gundala 在 HF 上开源了他的版本。Qwen-2.5 基座。1B 参数。Macbook 上就能跑。
Hugging Face 的 Niels Rogge 说，这玩意就是一个支持 JSON 的分类器。
Lemkin 尝试用 Jev 筛选简历后说很失望。这是一个被 AI 伤透了心的男人。上一次 Replit 删了他的数据库。
Jev 不是神话，它只是提醒了我们，在现实世界里，很多场景我们不需要会说话的模型。