Jev 爆火背后：AI Agent 正在从“三体人”变成“地球人”

Jev爆火背后：AI Agent正在从“三体人”变成“地球人”

各位听众朋友好，欢迎收听《AI时代的产品经理手册》。

今天我想先从《三体》讲起。

刘慈欣在《三体》里设计过一个很有意思的文明差异。

三体人的思想很难隐藏，思考和表达高度绑定。

但地球人不一样。

我们的内心是一个黑盒。我们当然会思考，但不需要把所有思考过程都表达出来。更重要的是，很多时候，判断甚至会先于解释发生。

一个开了十几年车的老司机，看到前面的车突然晃了一下，不会先在脑子里计算车速、刹车距离和碰撞概率。

他的脚已经踩下去了。

一个做了十五年投资的人，看一份财报，可能几分钟以后就会告诉你：

“这家公司有点问题。”

你让他解释，他当然可以解释。但那个判断，很多时候已经先发生了。

所以我最近突然想到一个问题：

今天的大模型，其实特别像“三体人”。

它每做一件事情，都习惯把智能重新展开成一次“思考”。

搜索结果够不够？

想一下。

这个工具调用安不安全？

想一下。

任务到底完成没有？

再想一下。

做错了怎么办？

把错误写进上下文，下一次重新读一遍，然后再想一次。

过去两年，整个大模型行业甚至都在鼓励 AI 这么干。

更多的思考 Token，更长的推理过程，更复杂的智能体循环。

模型不会？

让它多想一会儿。

任务做不出来？

让它调用工具、读取结果、反思、验证，然后重试。

这条路线当然有效。

它让 AI 第一次拥有了解决复杂开放任务的能力，也直接催生了今天整个 Agent，也就是智能体产业。

但当 Agent 真正进入生产环境，一个非常现实的经济问题就出现了：

如果一个问题 AI 已经解决过一万次，第一万零一次，为什么还要重新付钱让它想一遍？

就在最近，一个叫Jev的新模型火了。

它做了一件和今天整个 AI 行业潮流几乎相反的事情：

它不追求想得更久。

它只负责判断。

第一眼看，这似乎只是一个更便宜、更快的分类模型。

但沿着 Jev 往下看，我觉得它可能释放了一个比产品本身更大的产业信号：

过去几年，AI 的主线是把模型做得越来越聪明。

而 Agent 真正进入生产以后，下一场竞争可能是把反复出现的经验，沉淀成稳定、廉价的判断能力。

一、Jev：一个不会“说话”的 AI，为什么突然火了？

Jev 是 TypeSafe 在 2026 年 9 月发布的一款新模型。

它跟我们熟悉的 GPT、Claude、Gemini 很不一样。

你问 GPT 一个问题，它会一个 Token 一个 Token 地生成文字。

Jev 不这么干。

它主要接受一段状态，然后直接返回结构化的概率判断。

比如一个客服系统把用户当前的信息交给 Jev，它可能返回：

欺诈概率，3%。

退款概率，91%。

正常咨询概率，6%。

没有长篇大论。

没有一大段分析。

就是判断。

TypeSafe 把这一类模型叫作System One Model。

中文可以理解成：

系统一模型，或者快速判断模型。

这个名字来自认知科学里的“系统一”和“系统二”。

系统二负责慢思考：分析、计算、规划、验证。

今天的推理模型，越来越像一个强大的系统二。

而 Jev 想占据的是另外一个位置：

快速、便宜、高频的系统一。

TypeSafe 目前公布的价格是每百万输入 Token 0.042 美元，输出端不收费；官方公布的端到端延迟大约是 70 到 500 毫秒。

在 TypeSafe 自己设计的工作流测试里，他们报告最高达到 193.6 倍的速度提升和 444.6 倍的成本下降。

当然，这属于厂商自己的测试，具体倍数还需要更多独立测试验证。

但比这些数字更有意思的是，Jev 出现以后，最先开始尝试它的，并不是拿 AI 写文章的人。

而是开发者。

TechCrunch 报道过几个很典型的案例。

有人拿 Jev 判断终端命令是否安全，有人拿它做企业邮件分类，还有开发者讨论把它放进模型路由和 Agent 监控里。

这些场景有一个共同特点：

它们根本不需要 AI 写一篇漂亮的答案。

它们需要的是：

快。

便宜。

稳定。

然后给出一个足以驱动下一步行动的概率判断。

所以真正值得关注的不是 193 倍还是 444 倍。

而是 Jev 开始优化一个过去很少被单独拿出来计算的指标：

一次判断，到底值多少钱？

过去模型行业拼的是：

谁的模型最聪明。

后来开始拼：

同样一美元，能买到多少智能。

但到了 Agent 时代，我认为还会出现第三个指标：

Decision per Dollar。

翻译成中文就是：

每一美元，能够完成多少次可靠决策。

因为 Agent 和 Chatbot 最大的区别，就是 Agent 最终必须行动。

企业真正需要的不是一篇漂亮的回答，而是：

这个工具调用能不能执行？

这笔交易要不要拦截？

这个客户要不要转人工？

这个任务应该交给哪个模型？

这个 Agent 到底有没有完成工作？

所有这些问题，最后都会落到行动上。

所以传统大语言模型的基本产品单位，更接近 Response，也就是回答。

而 Judgment Model，也就是判断模型的基本单位，更接近：

Action Selection——行动选择。

这才是 Jev 真正让我感兴趣的地方。

二、Agent 时代真正昂贵的，可能是重复处理

如果 Jev 只是一个便宜很多的分类器，这个故事其实没有那么大。

真正值得研究的是：

为什么这种模型偏偏在 Agent 开始大规模进入软件工作流的时候出现？

因为 Agent 的成本结构正在发生变化。

一个问题第一次出现的时候，调用最强的模型当然合理。

让它搜索。

让它分析。

让它调用工具。

让它反思。

甚至让人类参与。

因为未知的问题值得花钱。

但企业真正运行 Agent 以后，会发现大量工作并不是每天都在发现新大陆。

一个客服 Agent，每天可能做几十万次相似判断：

这个用户是不是要退款？

一个 Coding Agent 不断判断：

这个命令安全吗？

一个 Research Agent 不断判断：

证据够了吗？

企业里的模型路由器不断判断：

这个任务应该交给便宜模型，还是昂贵模型？

第一次处理这些问题，需要复杂分析。

第一万次仍然完整走一遍同样的流程，就开始变成成本。

所以我觉得这里有一句话非常关键：

一个问题第一次出现，推理是智能。

一个问题第一万次出现，还在重复推理，就是成本。

这并不是说复杂推理不重要。

恰恰相反。

真正昂贵的智能，应该被留给真正未知、真正复杂的问题。

那些已经被大量验证过的模式，则应该尽可能被压缩成更快、更便宜的判断。

这其实也是 Jev 背后非常重要的经济逻辑。

比如模型路由。

你本来想解决的问题是：

“这个任务到底值不值得调用最昂贵的模型？”

结果为了回答这个问题，你先调用了一次昂贵的大模型。

这在规模小的时候没什么。

但是当系统每天需要路由几百万次请求时，“决定要不要使用昂贵智能”这件事情本身，也必须足够便宜。

所以 Agent 时代真正需要优化的，可能不仅是模型能力。

还包括：

什么问题值得思考，什么问题已经不值得再次思考。

三、Memory 不等于 Learning：记住错误，不代表能力已经改变

沿着这个问题继续往下推，就会碰到 Agent 行业另一个非常关键的概念：

Memory，也就是记忆。

今天一个 Agent 做错事情以后，我们通常怎么处理？

让它反思。

然后把错误经验写进 Memory。

下一次遇到类似问题，再把这段 Memory 检索回来，重新塞进上下文，让模型参考。

这种方式当然有效。

但它有一个非常重要的特点：

经验仍然存在模型外面。

下一次需要使用这段经验的时候，系统仍然需要：

检索。

读取。

理解。

然后重新处理。

所以更准确地说，这是一种：

基于记忆的适应。

而机器学习里还有另外一种更深的变化：

经验直接改变模型本身的行为。

今天的后训练技术已经证明这条路线是成立的。

例如强化微调，也就是 Reinforcement Fine-Tuning。

模型先执行任务，然后由评分器，也就是 Grader，对结果给出反馈。训练过程再根据这些反馈更新模型参数，让高奖励的行为以后更容易出现，让低奖励的行为逐渐减少。

所以这里其实存在两个完全不同的层次。

Memory，是把经验留在模型外面。

Post-training，是把一部分经验压进模型里面。

这也是为什么我认为，Memory 和 Learning 不能简单画等号。

Memory 可以帮助下一次任务。

但真正值得关注的问题是：

这些经验能不能最终改变系统未来的默认行为？

一个更完整的学习闭环应该是：

状态。

判断。

行动。

结果。

也就是：

State → Judgment → Action → Outcome。

中文就是：

状态 → 判断 → 行动 → 结果。

这四个环节连接起来以后，会产生一种非常重要的数据。

我把它暂时叫作：

Decision Data——决策数据。

注意，这不是 Jev 官方提出的概念。

这是我沿着 Judgment Model 继续往下推演出来的一层。

因为只有“状态”和“判断”还不够。

真正有价值的是：

模型当时怎么判断？

采取了什么行动？

人类有没有纠正？

最后真实世界发生了什么？

只有 Outcome，也就是真实结果回来以后，我们才知道：

当时那个判断到底有没有用。

而今天的强化微调已经证明，只要一个领域存在相对稳定、可评价的反馈信号，这些反馈就可以进一步影响模型未来的行为。

所以这里就出现了一个很有意思的可能性：

Jev 证明的是 Judgment 可以成为一种独立的模型能力。

Post-training 证明的是反馈可以改变模型行为。

而如果未来把两者连接起来，让企业每天产生的真实 Outcome 持续沉淀成更便宜、更可靠的 Judgment，那么 Agent 才真正开始从“拥有记忆”，走向“形成能力”。

我把这个过程叫作：

Intelligence Compression——智能压缩。

把今天昂贵的智能处理，逐渐压缩成明天廉价的判断能力。

如果一定要在人类世界里找一个对应词，我更愿意把这种 Judgment 叫作：

被训练出来的直觉。

四、企业最值钱的数据，可能不是“犯过的错”，而是那些已经知道结果的错误

如果这个推演成立，接下来就会出现一个对企业非常重要的问题：

未来企业真正值钱的 AI 数据，到底是什么？

第一阶段，我们最看重的是知识。

企业把文档、合同、代码、CRM、数据库接入大模型。

于是出现了 RAG，也就是检索增强生成。

它解决的是：

企业知道什么。

第二阶段，Agent 出现以后，我们开始重视 Know-how，也就是“知道怎么做”。

于是 Skill、SOP、Workflow 开始流行。

投资专家可以把分析公司的方法写成 Skill。

律师可以把审合同的方法写成 Skill。

程序员可以把排查故障的方法写成 Skill。

它解决的是：

专家怎么做。

但还有第三层东西：

Experience——经验。

过去到底发生过什么？

Agent 当时做了什么？

人类有没有纠正？

最后结果怎么样？

这些东西存在于 Agent 每天真实执行任务留下来的轨迹里。

所以未来企业 AI 的能力资产，可能逐渐形成三个层次。

第一层：

Knowledge——知识。

知道什么。

对应 RAG、搜索、数据库。

第二层：

Know-how——方法。

知道怎么做。

对应 Skill、SOP、工作流。

第三层：

Experience——经验。

知道过去做过什么，以及最后发生了什么。

对应执行轨迹、行动和真实结果。

而真正经过后训练形成的 Judgment，正可能从第三层经验里逐渐沉淀出来。

这里有两句话，我认为特别重要：

Skill，是把专家经验写进 Context，也就是上下文。

Post-training，是把组织经验写进 Weights，也就是模型参数。

这当然是一种产品层面的抽象。

但它指出了两条完全不同的能力沉淀路径。

前者解决：

怎么把人的方法告诉 AI。

后者解决：

怎么让大量真实反馈最终改变 AI 的默认行为。

这也意味着，未来企业 AI 的护城河可能会发生变化。

竞争对手可以买同一个 GPT。

可以买同一个 Claude。

甚至可以调用同一个 Jev。

你的 Workflow 可以被模仿。

你的 Skill 也可以被研究。

但竞争对手很难复制一件事情：

你过去三年做过的 17,000 次错误判断，以及这些判断最终产生了什么结果。

这里我要特别强调：

错误本身并没有价值。

如果一个 Agent 犯了十万次错误，但没人告诉它哪里错了，最终也不知道真实结果，那么这些错误只是十万次成本。

真正有价值的是：

错误 + 纠正 + Outcome。

也就是：

你当时怎么判断。

后来谁纠正了你。

最后事实证明谁是对的。

这些数据才可能成为真正的训练资产。

所以未来企业最有价值的数据之一，可能不是“犯过的错”。

而是：

那些已经知道结果的错误。

它们不是从网上爬来的。

它们是企业在真实业务中：

付过代价以后得到的 Ground Truth——真实反馈。

所以我认为 Agent 时代值得关注的一类新数据资产，就是：

Proprietary Decision Data——企业独有的决策数据。

过去很多所谓 AI 数据飞轮，本质上是：

更多用户，产生更多文本。

未来更有价值的飞轮可能是：

更多行动，产生更多结果；更多结果，形成更好的判断。

因为文档告诉 AI：

世界是什么样。

而 Outcome 告诉 AI：

你的决定到底有没有用。

五、Jev 背后，可能藏着 Agent 基础设施的下一场战争

沿着这个逻辑继续往下推，我认为真正值得产品经理和投资人关注的，已经不只是 Jev 这家公司。

而是这里可能出现的一整层新基础设施。

我把它叫作：

Agent Learning Infrastructure——智能体学习基础设施。

今天 Agent 基础设施主要解决什么？

模型网关。

Memory，记忆。

Observability，可观测性。

工具调用。

Evaluation，评估。

Guardrail，安全护栏。

Harness，也就是智能体运行框架。

这些东西本质上都在解决一个问题：

怎么把 Agent 跑起来，而且跑得稳定。

但当 Agent 真正进入企业以后，还会出现第二个问题：

一个 Agent 工作了一百万次以后，它到底有没有比第一天更强？

这就需要另外一条基础设施链：

执行轨迹。

真实结果。

人类纠正。

决策数据。

训练。

校准。

评估。

重新部署。

但这里有一个特别容易被忽略的问题：

不是所有经验都应该被训练进模型。

有些错误只是一次偶发异常。

放进 Memory 就够了。

有些错误说明工作方法不对。

应该修改 Skill。

有些是公司规则变化。

应该修改 Policy，也就是业务策略。

有些只是风险阈值不合理。

应该调整 Threshold，也就是判断阈值。

还有一些模式已经稳定重复了几千次、几万次，并且拥有明确的 Ground Truth。

这类经验，才可能真正值得进入后训练。

所以如果前面的逻辑成立，我认为这里可能出现一种新的基础设施产品。

我暂时把它叫作：

Experience Compiler——经验编译器。

它做什么？

输入是 Agent 每天产生的大量执行轨迹、真实结果和人类纠正。

然后系统判断：

这次经验应该留在哪里？

写进 Memory？

修改 Skill？

更新 Policy？

调整 Threshold？

加入新的 Evaluation？

还是已经积累了足够稳定的数据，应该进入训练集，最终沉淀成一个专业 Judgment Model？

所以 Experience Compiler 最重要的工作，不是保存所有经验。

而是：

决定经验应该以什么形式留下来。

这件事情为什么重要？

因为今天大量 Agent 产品都在解决：

怎么让 Agent 记住过去。

但下一阶段更大的问题可能是：

怎么让 Agent 从过去变得更强。

如果这条链真正成立，它可能形成 Agent 基础设施里非常重要的一层。

六、真正值得关注的下一条曲线：从智能规模化，到经验规模化

现在我们可以把视角再拉高一点。

过去几年 AI 行业最重要的一个词是什么？

Scaling——规模化。

过去这条路线非常清楚：

更多数据。

更多 GPU。

更多训练计算。

最后换来：

更强的 Intelligence，也就是智能能力，。

这是过去几年基础模型最重要的增长逻辑。

但 Agent 真正进入生产以后，我认为值得关注的，可能还有第二条完全不同的 Scaling 曲线。

我把它叫作：

Experience Scaling——经验规模化。

注意，这还不是一个已经被证明的产业规律。

它是基于前面这些技术变化，我认为值得观察的一条趋势。

它的逻辑是：

更多 Agent 执行。

产生更多真实 Outcome。

积累更多 Decision Data。

其中稳定、可验证的部分进入评估和后训练。

形成更可靠、更便宜的 Judgment。

自动化率进一步提高。

然后产生更多执行和更多反馈。

如果这个循环能够成立，它会形成一种和今天基础模型完全不同的复利。

过去基础模型的规模优势主要来自：

Compute——算力。

而未来 Agent 企业的规模优势，可能越来越来自：

Experience——经验。

这件事情对投资人尤其重要。

因为它实际上回答了一个长期困扰 AI 应用公司的问题：

如果所有人都可以买同一个 GPT、Claude，应用公司的护城河到底在哪里？

答案可能不只是 UI。

不只是 Workflow。

甚至不只是静态的 Proprietary Data，也就是私有数据。

更重要的可能是：

Proprietary Decision Data + Learning Loop。

企业独有的决策数据，加上持续学习闭环。

竞争对手可以复制你的产品功能。

可以购买同样的基础模型。

但如果你的系统已经真实运行了三年，积累了数百万次：

状态。

决策。

人类纠正。

以及最终 Outcome。

那么新的竞争者面对的就不再只是一个软件功能差距。

而是一条：

经验曲线。

这可能才是 Agent 应用真正产生能力复利的地方。

七、AI Agent 正在从“三体人”变成“地球人”

所以最后，我们再回到今天开头那个问题。

为什么 Jev 值得关注？

每百万输入 Token 0.042 美元，当然很便宜。

70 到 500 毫秒，当然很快。

但这些可能都不是最重要的。

真正值得关注的是：

当整个行业都在研究怎么让 AI 想得更久的时候，已经有人开始研究：哪些事情，AI 根本不应该再花那么多成本去想。

Jev 证明了一件事情：

Judgment，可以成为一种独立的模型能力。

今天的后训练技术又证明了另一件事情：

反馈，可以改变模型未来的行为。

而如果有一天，这两条线真正被连接起来：

企业每天运行 Agent 产生真实 Outcome。

Outcome 形成 Decision Data。

Decision Data 进入评估和训练。

大量重复经验最终沉淀成廉价、稳定的 Judgment。

那么 Agent 才真正开始从：

拥有记忆，走向形成能力。

今天的大多数 Agent，仍然很像“三体人”。

每一次任务，都要重新展开成一次完整处理。

犯错以后，把错误写进 Memory。

下一次读回来。

然后重新处理。

但人类专家不是这样工作的。

第一次遇到问题，我们认真分析。

第一百次，我们开始形成经验。

第一万次，很多东西已经变成了稳定、快速的判断。

这并不意味着我们失去了智能。

恰恰相反。

思考已经沉淀成了能力。

所以真正成熟的 Agent，不应该让所有问题都走同一条昂贵的路径。

它应该知道：

什么问题值得调用最强的模型认真处理。

什么问题应该查 Memory。

什么问题应该遵循 Skill。

什么问题必须遵守 Policy。

以及什么问题已经被验证过一万次，可以交给快速、廉价的 Judgment。

过去几年，AI 的主线是：

Scaling Intelligence——把智能做得越来越强。

而 Agent 真正进入生产以后，我认为值得关注的下一条曲线是：

Scaling Experience——把真实经验规模化，并持续转化成能力。

因为基础模型决定一个 Agent：

出厂的时候有多聪明。

而学习闭环决定的是：

它工作三年以后，能有多聪明。

从这个意义上说，AI Agent 真正要完成的进化，也许就是：

从每件事情都必须重新展开思考的“三体人”，变成一个能够把经验沉淀成直觉的“地球人”。

这里是《AI时代的产品经理手册》。

感谢你的时间，我们下期见。