AI 观察室 · 第 1 期
一个不会“说话”的AI，
为什么可能更适合做决策？
导语
当人工智能越来越会“说话”，一个不会“说话”的AI，却突然火了。
2026年9月，一款名为 Jev 的AI模型横空出世，迅速在全球AI圈引发关注。短短几周，从初创团队到科技巨头，纷纷推出自己的版本，一场围绕“决策模型”的技术探索热潮悄然兴起。
开发者社区更是脑洞大开：有人让它玩《DOOM》、闯《超级马里奥》，有人让它自己操作浏览器，还有人尝试用它控制机械臂……各种新奇的应用接连涌现。
一个不会“说话”的AI，究竟有什么魔力，能在短时间内引发如此广泛的关注？
一、这个不会“说话”的AI，究竟是什么？
Jev是由人工智能初创公司TypeSafe AI于2026年9月推出的一款新型AI模型。
值得一提的是，其创始人Diogo Almeida曾是OpenAI的研究人员，参与过ChatGPT背后的大语言模型训练研究。
颇有意思的是，这位曾致力于让AI更好地理解人类指令的研究者，如今却选择了一个截然不同的方向：让AI不再生成回答，而是直接作出判断。
TypeSafe AI将这种模型称为 System One Model（系统一模型）。
与我们熟悉的ChatGPT等大语言模型不同，Jev不以生成文字为目标，而是根据输入的信息，直接从给定选项中作出选择、进行评分，并给出相应的概率。
比如，面对一条客户消息，它不必生成一段分析解释，而是直接判断：这位客户是否有取消服务的意向？
看起来只是省去了几句话，但当这样的判断需要重复成千上万次时，差别可能就大了。
同样一批消息，传统大语言模型和Jev会如何处理？
同样是筛选需要优先跟进的客户消息，左边的大模型逐字生成回答，右边的Jev直接给出“优先跟进”和“不跟进”的分数。消息一条条处理，判断结果便逐渐汇成了一整批筛选结果。
如果我们最终需要的只是“这条消息要不要优先处理”，直接得到判断，就省去了生成解释、再从中读取结果的步骤。
二、不会“说话”，还能做些什么？
一个不会“说话”、只做选择题和判断题的AI，究竟能做些什么？
从软件开发、互联网内容到游戏娱乐、家居生活，再到机器人，这类模型的探索已经伸向了许多领域。我们从中挑选了一组有趣的应用，看看这种看似简单的判断能力，能被玩出多少花样。
1. 给AI智能体的上下文“瘦身”
fast-jev-compaction把Jev用于AI智能体的上下文压缩：判断过去读过的文件、执行过的命令和测试结果是否仍有用，再决定保留、截短或移除。
需要留下的内容保留原文，让有限的上下文空间优先装下当前任务需要的信息。
来源：fast-jev-compaction（GitHub）。
这提供了一种整理上下文的思路：一部分内容或许只需要判断去留，就能腾出空间，减少重新生成摘要的工作。
2. 刷社交媒体时，帮你过滤不想看的内容
重复的套话、夸张的标题、不想再看的内容，都可以成为信息流里的筛选对象。
可以让Jev在你刷社交媒体时，随着页面滚动检查帖子，对符合筛选条件的内容打上醒目的“SLOP”（这里指低质、套路化的“AI水文”）标记，也可以将其淡化或隐藏。
来源：信息流筛选演示。
用户照常浏览，模型则在背后不断判断：这条内容，是否值得占用你的注意力？
3. 让AI操作浏览器
“帮我找一张从苏黎世到伦敦的单程机票。”一句话之后，浏览器开始选择出发地、目的地和日期，直到页面出现符合条件的航班。
在Browser Use这样的浏览器操作场景下，Jev负责选择下一步操作和对应的页面元素；需要填写城市名称等文字时，再由一个小型语言模型配合。
来源：Browser Use / jev-ultrafast（GitHub）。
这里有一个值得注意的细节：选择下一步的次数，明显多于生成文字的次数。频繁的小判断交给Jev，少量文字输入交给语言模型，这种分工就有了用武之地。
4. 从马里奥，到一整座小镇
在《超级马里奥》中，Jev根据马里奥的位置、附近敌人和地形，选择奔跑、跳跃等动作。程序执行后更新局面，模型再继续作出下一次选择。
借助游戏，我们也能对Jev建立一个更直观的印象：如果说语言模型像一个能与你对话的人，那么Jev就像一个手拿摇杆的操控者，根据当前情况，在可选操作中决定下一步。
这个“摇杆”可以控制游戏角色，也可以连接网页、家里的设备，甚至机器人。
来源：马里奥演示。
更有趣的是群体模拟：如果创造一整座小镇，让里面的居民NPC像有了“灵魂”一样，各自独立决策、自由行动，会发生什么？
将Jev类模型的判断能力赋予128个NPC，让他们分别根据各自的状态作出选择：一条关于面包的消息在人群中传播，居民改变行动，面包店和周围的人群也随之发生变化。
一次请求可以处理多个角色的判断，让这群各有想法的居民及时作出反应。
来源：NPC群体决策演示。
单个角色会作决定，已经不难想象；让一群角色各自判断，又能及时相互影响，才更接近一座“活着”的小镇。
5. 一句话，让家里的设备听懂你的意思
“把厨房灯关掉。”“把咖啡烧上。”这些日常指令，也可以交给决策模型理解，再由程序调用相应设备。
Datawhale的智能家居演示搭起了一个3D模拟房间。灯光、窗帘、咖啡机等设备的状态显示在界面中，旁边还能看到指令被判断、再交给程序执行的过程。
来源：Datawhale Jev Cookbook。
更进一步，智能家居能否听懂“我准备起床了”，再结合时间、光线和设备状态，判断窗帘该不该拉开、厨房灯要不要亮、咖啡机是否启动？这样的家居体验，值得沿着这些小判断继续探索。
6. 参与机器人的装配与调试
JevAny还把决策模型接进了机器人的装配与调试仿真任务。
一台巡检机器人需要完成供电配置、接线、固件设置、测量与相机校准。模型根据当前状态，从候选操作中选择下一步，整个过程随着一次次操作向前推进。
来源：JevAny机器人装配案例。
从开关一台设备，到协调一组有先后关系的操作，判断开始参与更长、更复杂的任务流程。
当判断足够轻，应用的想象空间就打开了
一次判断，也许只是筛掉一条内容、选中一个操作；当这样的能力能够低成本、频繁地嵌入软件，许多过去只能依靠固定规则的环节，就多了一种理解当前情况、再作选择的可能。它还能进入哪些地方？我们把更多应用方向整理在了下面这张图里。
三、会做判断，也有拿不准的时候
一个手拿摇杆的操控者，也得看清眼前的情况，还得有合适的操作可以选。决策模型同样如此：信息不完整、选项不合适，判断就可能出错。给出一个很高的分数，也不意味着答案一定正确。
它更适合问题明确、选项清楚、需要反复判断的环节。遇到需要深入分析、制定复杂计划或生成内容的任务，仍可以交给大语言模型；涉及重要后果的决定，则需要明确的规则和人工把关。
因此，实际应用中，除了让模型选出一个答案，还要为它留出“拿不准”的出口：补充信息、重新判断，或者交给人处理。
四、我们的观察：让不同的智能配合起来
Jev带来的启发，是让我们重新看看：完成一件事，究竟需要哪些不同的智能能力？
以一位企业里的AI助手为例。面对一个复杂需求，它可以先查阅资料，由大语言模型理解问题、制定计划；进入具体流程后，再让决策模型反复判断：哪份资料值得保留、下一步调用哪个工具、当前结果是否符合要求。
遇到新情况或拿不准的问题，再交回大语言模型分析，必要时请人参与。
这样，一个完整的任务就有了不同的分工：有的模型负责深入思考和表达，有的负责快速判断，检索工具提供资料，程序执行操作，人来确定目标和把关重要决定。
这也让人联想到“系统一”与“系统二”的配合：有些事情需要慢下来想清楚，有些事情则需要在明确的范围内迅速作出选择。对于AI系统，同样值得探索这样的协作方式。
我们更期待的，是把这些能力组合成真正好用的系统。让AI既能在复杂问题前认真思考，也能在频繁的小判断上及时行动。
一个不会“说话”的AI，或许正好补上了其中的一块拼图。
关于 AI 观察室
AI观察室是AI模型与安全实验室的观察栏目，关注AI的新进展与实际应用。我们挑选有趣的案例，用简单易懂的方式，聊聊技术能做什么，又会怎样影响工作与生活。
-END-
供稿：AI模型与安全实验室
编辑：喻 靖
主编：虞祝豪
总编：堵炜炜
动动小手，让更多的人看到！
