一个不会聊天的AI模型
很可能威胁两家大模型巨头？
一个完全不会写文章、
不会陪你聊天
甚至连一句完整对话都懒得生成的 AI
最近竟然成了矽谷最火、
大家抢著用的新模型！
这个模型叫 Jev
大家熟悉的 ChatGPT 或者
Claude
都在比谁更聪明、
回答更像真人
但 Jev 完全反过来
它只做三件事：
判断真假、
做出选择、
打个分数
听起来是不是弱得有点可笑？
但它上线 Vercel 平台之后
短短 24 小时内就被接近 13% 的付
费团队直接采用
打破了所有新模型的历史纪录！
而且价格便宜到夸张
每 100 万个词元输入只要 0.
04 美元
输出甚至完全免费
这件事真正可怕的点
是公司突然看清了一件事：
过去大笔大笔花在 OpenAI 和
Anthropic 旗舰模型身上的钱
很多根本都白花了！
像客服要不要退款？
这笔交易是不是诈骗？
履历能不能过关？
这些工作根本不需要一篇文采斐然的作文
只需要一个极速、
超便宜
又能直接让程式执行的判断
如果海量工作开始转向这种极便宜的小模型
那大模型巨头OpenAI 和
Anthropic 的收入还能不能暴增？
市场给它们逼近一两兆美元的估值
是不是踩在一个正在松动的假设上？
Jev的出现有没有可能影响你手里的辉达、
博通跟超微？
今天 Yuki 就带大家把这笔帐彻底算清楚！
首先我们要搞清楚
Jev 既不是缩小版的 ChatGPT
也不是什么打折版的 Claude
开发它的 TypeSafe AI 把它叫
做「系统一模型」
这个概念来自心理学家康纳曼：
指的是那种快速、
凭直觉、
几乎不用花时间思考的反应
平常大家用的语言模型
比较像是一位很会写报告的顾问
你问它问题
它一个字一个字慢慢打出来
你的系统拿到这段话之后
还要专门写程式去拆解文字、
确认格式
才能决定下一步要干嘛
但 Jev 走的是完全不同的路
你先把选项准备好
直接让它做单选或复选
比如一张客服工单进来
系统可以直接问它：
这位客户是不是在要求退款？
答案只有「真」
或「假」
这张单子的紧急程度给个分数？
这个问题该转给技术部还是客服部？
Jev 会直接给出决定和机率
程式拿到资料就能立刻执行
根本不用从一大堆文字里猜它到底想表达什么
你可能会想：
把回答限制得这么死
AI 不就失去灵魂了吗？
这跟传统程式写死逻辑有什么不一样？
其实完全不同！
传统程式需要你把每种文字情境都写清楚
但 Jev 能看懂人类五花八门的用语
又能直接产出结构化的结果
普通聊天模型就像每次都要写完整报告的专家
而 Jev 就像机场的自动分流闸门
它不会跟你聊人生
但可以在几百毫秒内
决定每一位旅客该走哪条通道
官方资料显示
Jev 完成一次判断只需要 70 到
500 毫秒
在官方的测试流程里
它比传统大模型最高快了约 194 倍
便宜了约 445 倍！
也就是说
Jev 追求的不是讲话多漂亮
而是让软体能用极低的成本、
极高的频率去打考绩、
做决定
这也是它突然爆火的原因
工程师不是突然觉得它比 GPT 更聪明
而是终于拿到了一个可以完美塞进软体流程里
的超级省钱工具
那是不是代表它又快又便宜
就能一路横扫市场、
把其他模型通通淘汰掉呢？
那可不一定！
我们可不能直接把它吹成大模型杀手
在一些中文测试里
Jev 在分类与判断上的准确率
其实并没有碾压其他便宜模型
甚至有测试发现
只要多花一点点钱换成 MiniMax
正确率就能高出大约 10 个百分点
听到这里你可能会怀疑：
既然准确率没有顶尖
大家为什么还抢著用？
因为 Jev 真正的卖点在于：
当企业面对海量的简单判断时
可以接受稍微低一点点的能力
去换取极致的速度和极低的成本；
真的遇到搞不定的复杂问题
再转交给 Claude、
GPT 或者人工来处理
这就是它最值得投资人注意的地方
它没有证明小模型全面赢过大模型
却向全世界证明了：
大量 AI 任务
根本不需要每次都去呼叫最昂贵的旗舰模型！
而当企业开始重新分配这些任务
被动到蛋糕的
很可能就是 OpenAI 和
Anthropic 的收费模式了
讲完工作原理
我们直接来算企业的财务帐
假设一家公司每天要处理 100 万张客服工单
过去的做法
是把整张工单丢给最强的大模型
让它去理解意思、
分类问题、
评估风险
最后再写出一段回复
这就像客人一进餐厅
你就让行政主厨亲自出来接客、
点菜、
洗菜、
切菜
最后再亲自端盘子
效果当然很好
但帐单也绝对非常惊人
现在的新做法
是先用 Jev 这类快速模型在前面分流
是不是垃圾讯息？
是不是要退款？
风险高不高？
这些基础问题先交给便宜模型处理
只有遇到真正复杂、
需要推理或者写长文的情境
才升级给 GPT 或 Claude
你可能会好奇：
反正最后还是要用到 GPT 或 Claude
这样拆开来做
真的能省下大钱吗？
省下的钱不是一点点
而是会直接砍半再砍半！
你想想看
同一张工单依然用了 AI
甚至使用的次数还变多了
但真正落到高价旗舰模型手里的工作比例
却大幅下降了！
过去处理一个流程可能要花 100 块呼叫
高阶模型；
现在大部分前置判断交给便宜模型
总成本可能被压缩到只剩原本的一小部分
昂贵的模型
从原本包办所有杂事的人
变成了只有遇到难题才出场的特约专家
对公司来说
这当然是省钱的大好消息
但对 OpenAI 和
Anthropic 来说
问题可就大了！
它们砸了几百亿美元去训练下一代模型
就是赌市场愿意为更高的智慧付高价
但现在这种分流机制
直接把这个算盘给拆了
企业依然需要 GPT 和 Claude
但不再愿意让它们包办所有杂事
这会带来三个非常直接的冲击：
首先
模型之间的价格战会变得非常残酷
当简单工作可以随时被便宜模型接走
旗舰模型就再也无法只靠品牌卖高价
它必须不断证明：
多收的钱
真的能换来不可替代的结果
更可怕的是
使用量会跟收入彻底脱钩
AI 每天处理的任务量又翻倍了
但这并不代表大模型公司收到的钱也翻倍了
如果新增的呼叫全发生在低价模型上
就跟手机行动网路一样
大家流量用得再多
电信公司每个月能收的月租费也不会变多
最后
大模型的地位可能从「平台」
降级成「高阶供
应商」
原本所有流量都经过大模型
规则跟定价由它说了算
但如果路由系统成了决定「这一次该叫哪个模
型」
的大脑
真正控制订单分配权的人
就变成了这个分流层！
今天用 Jev
明天只要有更便宜的就随时换掉
企业对单一模型根本没有忠诚度可言
说白了
小模型真正抢走的不是聊天的使用者
而是 OpenAI 和
Anthropic 原本算好的、
那一张张可以靠旗舰模型统一收费的企业大帐单！
问题是
OpenAI和Anthropic早在
Jev出现之前
就已经押注旗舰模型
投入巨额资金买晶片、
签算力合约
如今
Jev代表的轻量模型与智慧路由开始重新分
配AI任务
这些既有的重资产投入
究竟会变成难以回收的成本
还是继续支撑两家公司的兆美元估值？
我们来看看市场砸了多少钱在这两家公司身上
OpenAI 今年完成了一轮规模空前的融资
承诺资金约 1220 亿美元
投后估值直接冲到约 8520 亿美元！
根据公开报导
它最新的年化收入速度大约是 400 亿美元
Anthropic 更是惊人
今年 5 月完成 650 亿美元融资
估值被推到约 9650 亿美元
到了 7 月底
多家媒体报导它的年化收入速度已经超过
650 亿美元
最近甚至有消息说这个数字正在冲向
1000 亿美元！
而且它正在筹备上市
市场传出最高可能募资 1000 亿美元
估值甚至叫价到接近 2兆美元！
看到这些数字
你可能会想：
既然收入成长得这么猛
卖算力又供不应求
这种几兆美元的估值不是很合理吗？
但大家可千万别被这些营收数字给骗了！
营收成长
可完全不等于股东最后能拿进口袋的真金白银啊！
大模型这门生意最让人头痛的地方
就是它每多服务一个客户
背后都要砸更多 GPU、
建更多资料中心、
吃更多电
还要花天价去训练下一代模型
像 Anthropic 今年 2 月的融资里
微软和辉达投进来的钱
其实直接跟 Anthropic 向微软购
买大约 300 亿美元算力的承诺绑在一起
这个循环大家一定要看清楚：
云端与晶片巨头投资模型公司
模型公司再把这些钱拿回头去买晶片和算力
营收看起来飙得很快
但算力开销飙得更快！
而 Jev 的出现
恰好刺中了这个估值模式最脆弱的神经
市场之所以敢给出几万亿美元的估值
背后假设的前提不只是「大家会用 AI」
而是「大家会持续花高价买旗舰模型的算力」
那如果未来的架构变成了「便宜模型处理九成判断
昂贵模型只处理一成难题」
这套原本算得好好的收费模型
不就直接塌掉了一半吗？
这就让大模型公司直接撞上两道难以跨越的财
务大墙：
第一道墙
是你的收入成长速度
到底能不能跑赢资本开支？
如果公司营收成长了 50%
但为了支持这些营收所砸进去的算力成本却成
长了 70%
那规模越大
离真正赚钱反而越远！
第二道墙
是呼叫量暴增之后
每一次呼叫到底还值多少钱？
如果大家用得越来越多
但因为竞争跟分流
单价跟毛利率持续下滑
那看似漂亮的营收数字
背后的含金量其实正在快速下降
所以
要判断两兆美元估值到底是不是泡沫
根本不用去猜 AI 会不会被淘汰
只要紧盯两组对比：
一边看「收入增速」
能不能跑赢「资本投入增速」
；
另一边看「呼叫量增速」
能不能带动「毛利率
改善」
如果资本开支永远比收入跑得快
单价又被小模型压著打
那么估值倍数就势必要被市场重新血洗
听到这里
你心里可能会泛起另一个最大的疑虑：
如果连 OpenAI 和
Anthropic 的定价权都被削弱了
那是不是代表辉达、
博通跟整个算力供应链
也要跟著一起倒楣了？
答案可能正好相反！
不过
如果你看到小模型更快、
更便宜
就直接认为全球需要的晶片和算力会跟著减少
那可能又猜错了
因为科技史上曾经反复出现一种看似矛盾的现象：
一项资源用得越有效率
最后的总消耗量反而越大
更巧的是
Jev这个名字本身就在提示答案
它的命名灵感
正是来自经济学上非常著名的「杰文斯悖论」
（Jevons Paradox）
19世纪
英国经济学家威廉・史丹利・杰文斯发现
蒸汽机变得越来越省煤之后
英国消耗的煤炭总量不但没有下降
反而快速增长
原因并不复杂：
效率提升降低了使用成本
原本不划算的应用开始大量出现
新增需求带来的消耗
最终超过每一次使用节省下来的资源
今天的AI
很可能正在重演同一套剧情
过去呼叫一次高阶模型又慢又贵
企业只敢在少数高价值的地方省著用
但如果现在一次判断只要几百毫秒
便宜到可以忽略不计
AI 就会从「偶尔请教的专家」
变成嵌入在所有软体流程里的「基础零件」
你可能会怀疑：
大家都在用这种超省算力的小模型
晶片的需求不就会大幅减少了吗？
其实事情完全不是你想的那样！
你想想看
以前一张客服工单只呼叫一次 AI
未来可能从判断语言、
评估意图、
分析风险到决定部门
连续呼叫五次甚至十次！
每一笔付款、
每一封邮件、
每一次广告投放
背后都多了好几次机器自动判断
单次价格是下降了
但总呼叫次数却暴增了几十倍甚至上百倍！
从这个角度来看
小模型的崛起
对大模型公司的「软体高估值」
确实是巨大的压力
但对「算力硬体」
来说
反而像是踩下了一脚超大力的油门！
辉达卖的是运算平台
博通做的是客制化晶片与高速网路
超微也在抢推理市场
它们根本不在乎每次呼叫是谁在收钱
它们只在乎全球最终到底产生了多少次运算、
需要多少晶片跟记忆体！
只要总需求的爆发速度
快过单次成本下降的速度
硬体算力的需求就会继续疯狂扩张
所以
这场变局并不是简单的「小模型打败大模型」
而是整个 AI 产业利润的重新分配：
大模型公司失去了低价值任务的垄断权；
路由平台拿到了分单的控制权；
专用小模型承接了海量的日常判断；
而晶片与云端巨头
则坐收整体运算量暴增的红利！
当然
投资硬体也不能盲目乐观
如果小模型省算力的速度
真的快过新应用产生的速度
硬体需求依然会面临调整
但总结来说
Jev 不会在一夜之间杀死 OpenAI
或 Anthropic
旗舰模型在复杂程式开发、
科学研究跟长链推理上
依然有著不可替代的霸主地位
它真正刺破的
是兆美元估值背后最脆弱的那句神话：
以为 AI 用得越多
钱就理所当然会源源不绝地流进最昂贵的模型
口袋里
理解了这个逻辑
我们在看未来的投资地图时
方向就会清晰得多
如果 Anthropic 未来真的以接近
两兆美元的估值上市
你最担心的是它的收入成长不够快
还是算力开销永远降不下来？
另外
你觉得像 Jev 这样的小模型
最终会不会把辉达跟算力链推向下一轮更大的繁荣？
欢迎在分享你的看法！
按赞、
订阅并开启小铃铛
我是 Yuki
我们下期见啰！