EP155 - 席捲 AI 圈的 Jev，到底在紅什麼？AI Agent 真的要大改了嗎？

影片總結

Jev 以分類機率取代長篇生成，號稱快 200 倍、便宜 400 倍，適合分流與篩選而非取代 LLM。

主持人先談 iPhone 18 Pro：相較 17 Pro 更新有限，但 A20 Pro 在裝置端 AI 推論的首個 token 時間據網友測試從 2,000 多毫秒降至約 1,000 毫秒。節目主軸轉向 TypeSafe AI 新模型 Jev；公司宣稱它比大型語言模型快 200 倍、成本低 400 倍且不會幻覺，主持人則指出 Jev 本質是以 LLM 為基底的通用分類模型，只輸出選項機率，並以 RLCD 校準決策。它適合客服分流、履歷初篩、郵件分類與固定流程的電腦操作，但缺乏視覺、不能生成內容，也無法取代需要推理的 LLM。主持人實測 Jev 分類工作郵件表現穩定，逾期繳費提醒更判為「非常緊急」，機率 47%。結論是 Jev 不會顛覆 AI agent，而會加速模型路由，讓簡單判斷交給快而省的模型。

章節

1. 0:00蘋果發表會、犀牛盾：A20 Pro 首 token 時間減半，AirX 完成三萬公尺測試
2. 6:04Jev 爆紅：TypeSafe AI 首發模型，Diogo Almeida 與 200 倍速度宣稱引發關注
3. 10:46Jev 到底是什麼：以 LLM 為基底、回傳選項機率的通用分類模型
4. 15:16Jev 到底是什麼：後訓練改為輸出機率分布，通用分類仍受領域資料限制
5. 19:46Jev 技術細節：RLCD 校準決策以 80% 負面呈現留言機率
6. 23:32Jev 技術細節：API 限制為 255 個選項、64K request 與 32K 單題
7. 27:45Jev 技術細節：哈利推測 255 維分類輸出讓單題運算近似一個 token
8. 34:04Jev 跟 LLM 的差別：用 Qwen3.5-4B 與 A/B logits 模擬 System 1
9. 38:53Jev 跟 LLM 的差別：Qwen3.5-4B 成本近零，RLCD 校準與答錯風險仍有差異
10. 43:28Jev 實際應用：先篩五千封履歷中的兩百封，並加速明確選項任務
11. 47:50Jev 實際應用：電腦操作成本低 Claude Opus 逾百倍，但受 DOM 與 OCR 限制
12. 52:37Jev 實際應用：255 個選項限制電腦操作，Astra 可用多張截圖解 CAPTCHA
13. 56:55Jev 實測：逾期一天繳費信判為非常緊急，機率 47%
14. 1:01:26Jev 的意義：加速強弱模型路由，但工作流變動與 OpenAI 遭批評阻礙普及
15. 1:06:12Jev 的意義：降低模型路由門檻，未來 AI agent 可混用雲端與地端模型

完整分析還有什麼

15 章 · 71 個重點 · 15 段段落總結 · 心智圖

其餘 68 個重點、段落總結與心智圖在完整分析裡。 分析這支影片,看完整內容 →

這支影片 1.2 小時,免費方案可分析 30 分鐘以內的影片;Plus 方案起可分析 2 小時以內。