Deep|LLM: Jev用户报告比原用模型快 10 倍、便宜 54.5 倍，正式使用仅占 3.7%

摘要

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日发布的“决策模型”，9 月 20 日起向所有用户开放。它不生成文本，只回答答案范围事先限定的问题：从若干选项中选一个、按给定等级打分，或判断一句话是否成立，并给出置信度。在Jev推出之后，行业和市场迅速形成了热烈的讨论，部分投资者开始担心Jev的铺开是否会对AI算力形成巨大负面影响。 我们就此发布了 《Deep|LLM: 分档定价推动应用普及；Jev 影响有限》****, 展开讨论了为什么我们认为Jev现阶段对LLM和算力并没有实际影响。

为了更深入研究Jev，我们决定深入挖掘其目前的用例。本报告整理上线后 7 天内的 6,277 条公开讨论与使用案例，其中 2,153 条涉及实际使用或测试。

• 需求落在对速度要求高、答案限于预设选项的判断环节。​没有任何一类用途超过两成。在能看出具体用途的 1,284 个案例中，占比最高的三类是游戏、机器人和仿真中的实时控制（18.8%）、智能体控制决策（16.1%）和内容分类（15.7%）。
• 讨论者以独立开发者为主，大公司工程师很少。​在能看出身份的 2,140 个作者中，独立开发者占 35.9%，AI 博主和意见领袖占 23.4%，大公司工程师只占 2.7%。
• 速度：比原方案或对比模型快 10 倍。​用户报告的提速倍数中位数为 10 倍（n=72）：相对前沿大模型快 10 倍，相对小型模型快 5 倍。在同时给出 Jev 与原方案延迟的 16 个案例中，Jev 延迟中位数 300 毫秒，原方案 2,924 毫秒。厂商宣传的 193.6 倍是相对最贵模型测得的峰值。