AI 的下一刀，可能砍在“聪明”上

AI 的下一刀，可能砍在“聪明”上。

AI 圈最近最有戏剧性的场面，来自一家名叫 TypeSafe AI 的初创公司。

这家公司上周才发布新模型“Jev”，创始人迪奥戈·阿尔梅达曾经在 OpenAI 做研究，公司此前估值 2 亿美元。

结果模型刚亮相，潜在投资者就捧着新报价上门，把估值喊到了 100 亿美元，甚至更高。

你没看错。

一个刚走出隐形模式的公司，一个连消费者界面都没有的产品，一周之内就被资本市场围得水泄不通。

X 上的上线视频不到一周获得 4000 万次播放，还有开发者做了个名叫“AskJev”的恶搞网站，向早就停运的搜索引擎 Ask Jeeves 致敬，顺手又把热度往上推了一把。

这事儿听着像硅谷日常发疯。

一个演示视频，几个开发者欢呼，一批投资人排队，估值后面多画几个零。可这回真不能只用“泡沫”两个字打发，因为 Jev 戳中的地方，恰好是 OpenAI 和 Anthropic 现在最不愿意多谈的软肋。

太贵了。

大模型什么都能聊，写诗、编程、安慰失恋青年、给老板包装周报，样样精通。可企业真正想自动化的很多工作，偏偏没这么浪漫。

批准请求，拦截请求，交给人工审核，分派客服工单，判断保险风险，评估信贷申请，全是重复、高频、程序化的事情。

让 ChatGPT 干这些活，就像请米其林厨师去流水线上拧瓶盖。

厨师确实厉害，瓶盖也确实拧得动，可财务部门看到费用时，脸上的表情很可能比 AI 生成的图片还精彩。

阿尔梅达说得挺坦率。

他回忆，四年前在 OpenAI 工作时，他就开始琢磨，聊天机器人究竟适不适合承担 AI 被要求完成的所有任务。

如果 AI 经济革命真的发生，那么向 AI 发出的调用里，有多少给人类阅读，又有多少给计算机执行？

这个问题一问出来，很多热闹就安静了。

过去两年，行业忙着把模型做得更聪明，参数更大，推理更长，回答更像人。可企业后台里大量请求，根本不需要一篇文采飞扬的回答。

系统只需要尽快知道，通过，拒绝，还是交给人工。

Jev 瞄准的就是这个夹缝。

它不会生成句子，不会解释，也不会画图。它承诺在软件应用里快速、低成本地作出决策，让开发者把模型接进后端，处理那些看起来毫不起眼、数量却极其庞大的判断任务。

领投 TypeSafe 最近一轮融资的 DCVC 合伙人詹姆斯·哈迪曼说，由于产品计算成本大幅降低，公司已经实现盈利。

按照他的说法，Jev 的使用成本比领先大型语言模型低几个数量级。

TypeSafe 自己给出的数字更直接。

每次查询处理成本比大型语言模型便宜约 100 倍，处理速度也快约 100 倍。收费约为每百万 token 4.2 美分，大型语言模型的成本则可能达到每百万 token 数美元。

资本市场听到这里，眼睛当然会亮。

降本原本就是企业部署 AI 时最现实的压力。很多公司嘴上说拥抱智能革命，转头看见调用费用，立刻开始怀念 Excel。

要是某些高频任务能用便宜模型完成，为什么还要让最贵的前沿模型包办所有事情？

这才是 Jev 让 OpenAI 和 Anthropic 难受的地方。

它未必能在通用智能上挑战 ChatGPT 和 Claude，甚至压根没打算参加这场比赛。它瞄准的是对方商业模式里的一个前提：

企业愿意为通用能力持续支付高价，并且愿意让同一类模型处理差异巨大的任务。

这个前提一旦松动，压力就会传导到定价体系。

Vercel 表示，Jev 上线后前 24 小时内，付费开发者账户表现出的兴趣，是此前任何模型发布时的两倍以上，超过了 OpenAI 和 Anthropic 模型发布时的热度。

OpenRouter 也报告称，周末期间输入 Jev 的 token 数量增加两倍多。

开发者用真金白银和真实调用表达了态度。

他们不是讨厌前沿模型，他们只是终于看见了另一种选择。

能聊会写的模型继续做复杂任务，简单判断交给便宜系统，模型之间按照成本、速度和任务类型分流。

企业要的未必是一个无所不知的 AI，更可能是一套会算账的 AI 组合。

不过，Jev 也没有神奇到可以直接宣告胜利。

AI 模型评估平台 Arena 的联合创始人阿纳斯塔西奥斯·安格洛普洛斯就质疑，目前还不清楚这些模型和已有的零样本分类器究竟有多大区别。

Meta、谷歌和 Hugging Face 早就提供过类似工具，TypeSafe 对训练细节又守得很紧，只提到开放权重模型和计算机生成的合成数据。

越是神秘，越要留神。

Jev 号称更接近早期确定性机器学习系统，会对查询生成固定回应，因此不会产生幻觉。这个说法很有吸引力，可企业真正担心的从来不只是幻觉，还有错误分类、数据变化、责任归属和系统偏见。

模型给出固定答案，听起来很稳定。

问题是，固定答案一旦错了，也可能错得很稳定。

客服系统可能持续把某类用户挡在门外，信贷平台可能反复低估某类申请人，保险审核可能把某类风险悄悄放大。

没有华丽解释，用户连它为什么拒绝都看不见。

省下来的 token 费用，最后可能变成合规成本、申诉成本和品牌成本。便宜模型进入市场，真正便宜的是单次调用，未必是完整业务。

Jev 的名字来自杰文斯悖论，意思是某种资源变得更便宜、更高效后，新的用途会大量出现，最终总消耗反而增加。

这个名字选得很聪明，也有点危险。

调用成本下降后，企业当然会把 AI 塞进更多流程。今天用来审核工单，明天就可能进入金融风控、招聘筛选、供应链调度。

每个决定都很小，加在一起，影响的却是无数真实的人。

所以，Jev 带来的冲击，与其说是“廉价模型挑战巨型模型”，不如说是 AI 行业开始从崇拜聪明，转向计算分工。

未来一两年，OpenAI 和 Anthropic 很可能会推出更便宜的专用模型，或者在通用模型外加上一层自动路由。简单任务交给小模型，复杂任务交给大模型，用户面前仍是一个入口，后台却像餐厅后厨一样分案处理。

TypeSafe 能不能成为赢家，现在还看不清。

技术路线可能被复制，开发者热度可能退潮，100 亿美元估值也带着明显的抢跑味道。

可它至少把一件行业不太愿意承认的事摆上了台面。

AI 竞争的上半场，是谁更聪明。

下半场，很可能是谁更清楚哪些决定根本用不着那么聪明。水。

故事讲到这个份上，最刺眼的反而不是 100 亿美元估值，而是那 4.2 美分。

前沿公司苦心经营的智能神话，正在被一个小模型用最朴素的方式追问：

如果客户只想知道通过还是拒绝，你那一大段聪明回答，究竟算能力，还是浪费？