Martin Casado：實驗室錯過Jev因在造會說話的存在
a16z合夥人Martin Casado稱，前沿實驗室錯過Jev，是因爲它們在造會說話的“存在”，而傳統軟件需要的是會選擇的模型。大模型來自聊天、文本進文本出，硬塞進程序“非常彆扭”；Jev則在給定選項裏選最優，更快、更便宜、也可爲這一任務單獨訓練。
Jev由TypeSafe AI於9月15日推出，創始人包括前OpenAI研究員Diogo Almeida。產品不生成散文，只返回類型化決定：從固定選項中選擇、打分、或給出是否判斷及概率。自稱延遲約70至500毫秒，輸入百萬token約0.042美元、不收輸出費；公司評測稱特定工作流可比大模型快約194倍、便宜約445倍。
Vercel AI Gateway數據顯示，上線24小時內約13%付費團隊調用，約爲同期GPT-5.6家族的兩倍、Fable 5.1的六倍，被寫成該網關史上最快採用。等待名單約36小時清掉14萬人，9月20日開放並附5美元額度。名稱取自傑文斯悖論，強調單位美元智能。已披露融資約4000萬美元。
Casado把實驗室目標寫成造神：神說自然語言。Jev面向if、排序與枚舉分支，消費者是代碼不是讀者。播客裏他與Aaron Levie、Steven Sinofsky把這類決策引擎與聊天機器人拆開，稱創新會更多發生在模型周圍的軟件層。
採用速度反映的是積壓：分類、路由、護欄、工單分級本就不需要段落。把生成模型當分類器用，成本與延遲都付在不需要的文字上。Jev把這一層從提示詞裏拆出來。
市場機制上，買方是要把百萬次小決定寫進現有程序的開發團隊，賣方是把分類器重新包裝成可計費API的模型公司；資金從網關與按token賬單流向專用決策推理，而不是旗艦對話模型。受益方是編排層與網關，承壓方是用大模型做路由的賬單。事件驅動來自延遲與單價，而不是新的對話能力。
無鏈上數據。可覈驗的是網關佔比與標價，不是長期留存。
來源：公開信息
ABAB AI 解讀
Casado用Nicira式的基礎設施直覺拆模型市場：聊天是人機界面，軟件要的是分支。實驗室把全部資本砸進會說話的通用智能，分類、打分、路由仍被提示詞臨時徵用。Jev把被徵用的那一層產品化，所以網關一天出現13%團隊——那不是新信仰，是舊賬單找到出口。
資本路徑是前OpenAI訓練方法切出窄任務，用低價輸入token換高頻調用。4000萬美元量級融資對標的不是造神，是把if語句變成雲服務。Vercel與OpenRouter搶的是接入點：誰先把決策模型放進默認路由，誰就抽走分類流量。傑文斯命名暗示：更便宜的決定會引出更多決定，賬單總量不一定下降。
類似結構出現在搜索把排序從頁面生成裏拆出、支付把風控從客服對話裏拆出、以及CDN把緩存從源站計算裏拆出。行業位置處在通用模型通脹後的分工：會寫的繼續寫，會選的專門選。實驗室若堅持萬物皆對話，軟件層就會自己養分類器。
結構判斷屬於技術替代。機制是專用決策模型替代被誤用的生成模型去執行程序分支。替代一旦成立，智能的計價單位從“一段話”變成“一次選擇”；造神競賽與軟件工程重新分家。
ABAB News · 認知定律
會說話的模型，不一定是軟件要的模型
選項一旦給定，生成文字就變成浪費
實驗室造神之時，程序仍在找會做選擇的零件