如今,智能手机和电脑中使用的AI工具已成为日常生活的一部分。即使是尚未深入接触AI的人,也能通过本文获得实用的使用技巧。

Jev AI

在生成文本、图像和视频的AI竞争日益激烈的背景下,出现了一款名为“Jev”的AI模型。它的特点是不具备生成内容的能力,而是专注于“判断”功能。本文将探讨这种AI模型的具体用途。

三种高速判断方式处理大量事务

Jev由曾在OpenAI工作的团队创立的美国TypeSafe AI公司开发。截至2026年10月,用户可通过API调用,将其集成到自定义程序中使用。

Jev判断

Jev专注于对事物进行判断,擅长执行“是或否”这类二元判定,且处理速度极快。它不具备生成文本或图像的功能。

更准确地说,Jev支持三种判断类型:二元判定(称为“Noul”),多级评分(Score)以及分类选择(Choice)。

虽然传统AI模型也能完成类似判断,但处理大量判断时往往耗时较长,导致时间和成本大幅增加。Jev在这类场景中展现出较大优势。

判断类型

测试“是否应立即阅读文章”的判断速度

许多人习惯将AI与聊天或图像生成联系在一起,因此“仅能判断”的AI可能不易理解。以本刊AI Watch的文章为例,探讨Jev的实际应用。

每天主页上发布大量文章,读者难以逐篇细读,通常会根据兴趣、工作或爱好,从标题和缩略图中筛选优先阅读的内容。

文章筛选

Jev可帮助简化这一过程。它能根据文章标题和发布日期,判断“是否应立即阅读(Noul)”、“当天阅读价值评分(Score)”以及“文章类别(Choice)”。

判断示例

通过调用Jev API,针对10月上旬发布的78篇文章,仅用标题和日期作为判断依据,执行了三种判断。并将结果与调用GPT-6 Luna API的处理时间进行了对比。

性能对比

Jev每次判断响应时间在100至500毫秒之间,而GPT-6 Luna则大约需要10倍时间。78篇文章的总处理时间,Jev约为40秒,GPT-6 Luna接近8分钟。

判断的准确性因用户需求和观点不同而异。Jev同样支持通过提示词设置前提条件,用户可根据关注重点和兴趣领域调整参数,以提高判断精度。

传统AI通过优化也能实现高速

Jev的判断速度确实很快,单次调用成本不足0.01美元。但需要注意的是,传统AI不一定总是明显更慢。

本次测试中,针对每篇文章单独调用API进行判断,导致处理时间较长。若将78篇文章标题一次性批量提交给GPT-6 Luna处理,总时间约45秒,与Jev相差不大。

GPT-6 Luna的API调用费用同样约为0.01美元,成本并不高。由此可见,选择合适的AI模型和处理方式,才能实现最佳性能,Jev并非在所有场景下都绝对占优。