Jev 决策模型：18 美分给 1700 封邮件分类
Jev 不聊天只做决策：输入 + 输出 schema，200 毫秒返回每个选项的概率。Ryan Vogel 演示邮件分拣、线索打分、客服路由、视频切片、浏览器操控，并给出创业切入点。
Greg Isenberg 请来开发者 Ryan Vogel，用 28 分钟讲清楚 Jev 这个新型 AI 到底是什么。一句话：Jev 是分类器，不是聊天模型。你定义一个输入（比如一封邮件）和一个输出 schema（比如「是否垃圾邮件 0–1」「类别」「优先级」「回复可能性」），Jev 不生成任何文字，只返回每个选项的概率——就像问「这台 iPhone 是什么颜色」，得到 80% 橙、10% 红、10% 蓝。每次调用约 200 毫秒，与输入输出结构无关。
最有说服力的演示是邮件分拣：Ryan 用 Jev 给自己 1700 封邮件逐一打上类别、优先级、垃圾分数和回复可能性，消耗 420 万输入 token、50 万输出 token，总花费 18 美分。团队用 5 美元的入门额度高强度跑了两天没用完，他估算 10 美元大概能撑三个月。他女友的设计工作室已经拿 Jev 给联系表单线索打 0–1 分，高分线索优先快速回复。
Greg 把 Jev 概括成「AI 交警」：信息进来，Jev 判断它是什么、多重要、下一步交给谁——高置信度线索转人工，中等分数交给自动化或 LLM，最低分直接忽略。客服路由用 200 毫秒的结构化答案替代慢吞吞的流式回复；创业切入点是找到「有一条昂贵的信息入口队列」的业务，把 Jev 放在队列最前面，比如本地服务平台把「我需要高压清洗车道」精确匹配到最合适的商家，让「即时报价」真正即时。
视频也坦诚地讲了边界：让 Jev 每分钟决定比特币买/持/卖，表现很差，OpenAI 前沿模型稍好一些，因为能交叉参考新闻。Ryan 的建议是把 Jev 用在路由型决策上，别碰投资组合。另外两个用例：10 分钟搭出的长视频自动切片器，3 秒给 17 个片段打分；配合 Browser Use，7.1 秒选好苏黎世到伦敦的航班。想立刻试用，走 Vercel AI Gateway 即可，直接访问需排队等候名单。
常见问题
Jev 是什么？和 ChatGPT、Claude 这类大模型有什么区别？
Jev 是一个分类器/决策模型，不是聊天模型。你给它一个输入和一个输出 schema，它不生成任何文字，只返回每个选项的概率（比如「是垃圾邮件」0.9）。ChatGPT、Claude 输出的是可读文本和推理过程，Jev 输出的是可以直接写进代码的类型安全结构化结果，且每次约 200 毫秒。
Jev 多少钱？真的便宜吗？
视频里的实测：给 1700 封邮件逐一打上类别、优先级、垃圾分数和回复可能性，消耗 420 万输入 token 和 50 万输出 token，总费用 18 美分。Ryan 的团队用 5 美元入门额度高强度跑了两天没用完，他估算 10 美元大约能用三个月。
怎么获得 Jev 的访问权限？
录制时 Jev 直接访问还在等候名单（waitlist）阶段。想立刻试用，可以通过 Vercel AI Gateway 调用，Jev 已经上线在 Gateway 上，相关能力也加进了 Vercel 的 AI 包里。Ryan 建议把链接丢给你的 AI 编程助手，让它帮你接入。
Jev 适合哪些场景？哪些场景不适合？
适合任何「对流入信息做快速、可重复决策」的环节：邮件分拣、销售线索 0–1 打分、客服工单路由、长视频自动选片、浏览器操作中的选项判断。不适合需要高智能推理的任务——视频里让 Jev 每分钟决定比特币买/持/卖表现很差，Ryan 建议把它当顾问角色用于路由型决策，别用于交易。
围绕 Jev 能做什么创业项目？
Greg 给的框架是：找到一个有「昂贵的信息入口队列」的业务，把 Jev 放在队列最前面当分流器。视频里的例子是本地服务平台——把「我需要高压清洗车道」这样的请求精确匹配到最合适的附近商家，并让「即时报价」表单真正做到即时出价，而不是等人工回复。