Jev 成了 Vercel 上采纳最快的模型

一个只做"选择题"的模型，两周内被 35% 的付费团队用上了。它不会写文章，不会聊天，只在一组给定答案里挑一个。

一、发生了什么

据 TechCrunch 10 月 16 日报道，Vercel 公布的 AI Gateway 生产数据显示：Jev 上线两周后，已被 35% 的付费团队使用，覆盖率达到第二名 Sonnet 5.5 的近两倍，是 Vercel 记录里新模型前两周采纳最快的一次。

Jev 由 TypeSafe AI 开发，9 月 15 日限量发布。它不是通用对话模型，而是"决策模型"：只在几个预设输出里选一个。输出空间被限死，模型可以跑得更便宜、更快，适合大批量分类。

这个思路不复杂，但改变了成本结构。通用模型要为一整段自由文本负责，每多一个 token 就多一次计算。决策模型只需要在给定选项上算概率，输出长度固定，延迟稳定。做内容审核、工单路由、意图识别这类任务，本来就不需要它"自由发挥"。

数据来自 Vercel 的 AI Gateway，一个类似 OpenRouter 的统一 API 服务，开发者通过它调用不同厂商的模型。这份统计只覆盖走这个网关的流量，会低估 OpenAI、Anthropic 自建 API 的用量，但足以说明热度变成了真实调用。

热度已经带出模仿者。OpenAI 和亚马逊先后推出同类产品。Vercel 自己也在用 Jev 替换原来的 GPT-6 Luna，做有害指令分类。

同一份报告还有两个数字：开源模型占了 Vercel 网关处理 token 的七成以上，但只占支出约四分之一；前沿模型的支出总额涨了十倍，占比反而下降。这两个数字放在一起看，意思是开源吃掉了"量"，前沿模型守住了"贵的活"。

二、跟你有什么关系

写应用的开发者：不是所有调用都需要最强模型。分类、路由、审核、打标这类任务，用小模型能省一个数量级，延迟也低。

做产品定价的人：成本结构变了，按 token 计费的毛利算法要跟着改。混合路由之后，平均单价和边际成本不再是同一条线，报价前得先算清楚哪种请求占大头。

技术负责人：多模型路由正在变成默认架构。单一供应商的假设要重新评估，尤其是把"一家模型打天下"写进架构图的那种。今天的最优解，半年后可能变成最贵的选择。

三、怎么用

1. 把调用拆成两类。判断、分类、打标走决策模型；写作、推理、长文本走大模型。先拆清楚，再谈省钱。

1. 拿真实样本量化。抽 200 条线上输入，比较准确率和单条成本。别用榜单，用你自己的数据分布。

1. 留一条兜底。决策模型的输出空间有限，遇到分布外输入要有 fallback，否则会安静地给出错误选项。

1. 看网关自己的报表。你的流量结构才是定价依据。别人 35% 的采纳率，不代表你的场景适合。

1. 把降级路径写进架构。先用最强的模型跑一批标注，再用它校准小模型；线上按置信度分流，低置信度的请求回退到大模型。这比直接换模型稳，也比全靠人审便宜。

四、三个别信的说法

「采纳快就等于效果好。」 35% 是使用率，不是准确率。新模型前期往往靠免费额度和新鲜感拉动，真正的留存要看三个月后。

「决策模型能替代大模型。」 它只能在你给定的选项里选。开放式生成、多步推理、写代码，它做不了。它的价值是把"贵模型干小事"的成本砍掉。

「开源便宜，所以一定更划算。」 开源占七成 token、四分之一支出，说明单价低但总量大。运维、微调、GPU 折旧这些成本没算进去，账未必更漂亮。

五、一句话结论

模型选型正在从"选最强"变成"选刚好够用"。Jev 的真正意义不是它多强，是它让这件事变得可计量——大多数 AI 请求本来就不需要通用智能。

信息来源

• TechCrunch《Jev is Vercel's fastest-adopted AI model ever》，2026-10-16：链接
• Vercel AI Gateway 生产指数报告，2026-10：链接

功能与价格以官方公告为准。本文写于 2026 年 10 月 17 日。