支持通配符SSL证书、多域名证书、IP证书。适配ACME接口, 支持Zerossl、Let's Encrypt和Google等渠道。登录已有账号
2026-10-15 11:15:53 Jev AI编程工具 antirez 分类模型
Jev 火起来那阵,我的 X 时间线基本被刷屏了。
快一百九十四倍,便宜四百四十四倍,还不幻觉。这几个数字摆在一起,谁看了不迷糊。我差点也要跟着凑热闹,直到刷到 antirez 那条推文。
Redis 他爹说话一向不客气。这回他直接说,Jev 也许有些很窄的用途,但这波热度恰恰说明 AI 泡沫里的大多数人,分不清什么重要、什么不重要。
一句话把我按住了。我关掉那些花里胡哨的 demo,决定自己把这事捋明白。
先把那些营销数字放一边。Jev 不生成文本,它只干三件事:判断一句话成立的概率,从给定选项里选一个,再按一套标准打个分。
说白了,就是一个会分类、会评分、能返回置信度的函数调用。你喂给它一堆乱糟糟的状态,它吐回来一个类型安全的结构。
Theo Browne 说得更损,说它智能水平跟一个 switch 语句差不多。邮件是不是垃圾、工单派给哪个组、告警先处理哪条,这类活儿它干得飞快。但你要它读懂整个代码库做个像样的决定,它没这个脑子。

我一下就懂这玩意儿的边界在哪了。它换来的稳定延迟和极低成本,代价是丢掉了长文本生成和真正的推理。
最火的那个视频,是用 Jev 给 Claude Code 的历史工具调用逐项打分,删掉不相关的,把十五万 token 的上下文压到六万多。
看着确实爽,几秒就压完了。可 TheO 一句话点破了,你不该让一个不做推理的分类模型去压缩 Agent 的上下文。
上下文压缩不是简单过滤噪声。哪些信息该留,取决于任务目标、你已经试过哪些方法、工具返回了啥、之前决策背后的依据。Jev 只有 32K 的上下文窗口,对这些事知道得有限。删完之后,模型很可能忘了自己试过啥,然后原地打转,反复执行同样的操作。
更麻烦的是,Jev 压根看不到模型的推理数据。OpenAI、Anthropic 这些厂商不会把推理过程通过 API 公开,只返回加密载荷。你在压缩里丢掉的那部分,恰恰是模型做决定时真正在想的东西。
我自己也差点信了那个“0%幻觉”的说法。后来才想明白,它保证的是格式,不是答案。你规定答案只能是销售、技术、财务、其他四个选项,它绝不会吐出第五个。但天空是不是红的,它照样可能选错。
格式确定,不代表内容正确。把前者包装成不幻觉,就是在玩文字游戏。
还有一个让我心里犯嘀咕的点。它给每个判断都附一个置信度,说 80% 就是 80% 的把握。可现代神经网络早就证明了,准确率高不代表置信度可靠,模型可能答错还特别自信。它这套校准目前既没公布可靠性曲线,也没给 ECE 分数。你拿着一个 80% 去设自动执行的阈值,心里其实没底。
说到自动执行,我又想起手头那堆证书的破事。我们几台测试环境的 HTTPS 证书以前全是手动续期,到期前没人记得,线上就突然报错。这种活儿跟 Jev 是两码事,纯属能用工具解决的运维烦恼。后来上了 lcjmSSL,依托 Let's Encrypt 和 Google Trust Services,一个轻量 API 把申请、验证、部署全自动化了,多域名和泛域名证书都管。这才是把该交给机器的交给机器,跟迷信一个新模型是两回事。
说到底,Jev 最实在的用法,我反而觉得是当个临时数据标注引擎。先花极低成本验证一个分类任务值不值得做,跑顺了,攒够输入输出对,再训一个更小更快更便宜的专用模型。它自己就是那根可以被蒸馏掉的拐棍。
所以我最后没上车。不是它不行,是它解决的问题,跟我天天干的活,压根不在一个赛道上。