斯坦福与英伟达开源Jev同类模型CLM-8B，最高快9倍
相关推荐
微软收拢Agent研发：AI Frontiers从Research并入MAI
动察 Beating AI 快讯，微软把 AI Frontiers 从 Microsoft Research 调入 Mustafa Suleyman 领导的 Microsoft AI（MAI）。这支实验室 2023 年 10 月成立，主要研究小模型和 Agent。 AutoGen、FARA、Magentic-One、Magentic-UI、Phi 等项目都曾由这支团队参与开发。多 Agent 开源框架 AutoGen 后来与 AI 应用开发 SDK Semantic Kernel 一同汇入微软统一 Agent 开发框架 Microsoft Agent Framework。 AI Frontiers 接下来会继续做前沿 Agent 和模型研究。MAI 自己也在训练一系列模型，并组建了 Superintelligence 团队，目标是开发所谓「Humanist Superintelligence」。微软给它的定义是面向具体问题、保持在人类控制之下，并服务于人的高能力 AI。 AI Frontiers 原负责人 Ece Kamar 最近刚离开微软，结束 16 年任职。她把建立 AI Frontiers 称为自己微软生涯的亮点之一，目前还没有公布下一站。
Jev刚火5天，Cua就把决策模型压到2.8MB
动察 Beating AI 快讯，Cua 开源了只有 70.6 万参数、2.8MB 的 CUA-S1-FORMS，专门负责自动填表。系统先从 PDF 中提取姓名、电话等信息，再由模型判断这些信息分别该填进哪个字段，最后交给 Cua Driver 执行。 它走的也是 Jev 最近带火的 System One 路线，只做选择和判断，不生成文字。但 Jev 面向更通用的决策任务，CUA-S1-FORMS 又把范围缩了一层，只解决表单里的信息匹配。 Cua 自测中，CUA-S1-FORMS 在这套填表任务上得分 99.7%，Jev 为 83.6%。这个结果有明显主场优势，前者就是针对填表训练的，不能理解成一个 70 万参数模型全面打败 Jev。 Jev 想把 Agent 里的部分大模型决策换掉，Cua 又继续往下拆。任务足够固定时，甚至不需要一个通用决策模型。
「不会聊天」的AI可以怎么玩？开发者用Jev接管Agent快速决策
动察 Beating AI 快讯，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe 昨天刚发布新模型 Jev。它不生成文本，只返回选项、分数和概率。社区很快出现一批开源项目，开始把 Jev 塞进 Agent 和软件流程里。 Browser Use 做的 jev-ultrafast 最直观。浏览器每走一步，Jev 都会从当前页面里判断「下一步做什么、操作哪个元素」，只有需要填写文字时才调用一个小型语言模型。团队用它在 Google Flights 搜索苏黎世到伦敦的航班，一次完整运行只用了 7.1 秒。 Jev Codex Router 让 Jev 先判断每轮编程任务的难度，再决定交给不同档位的模型；jev-mcp 则把它做成 Agent 的事实核验、Prompt Injection 检测和语义排序工具。 这些项目有个很明显的共同点：没人拿 Jev 当聊天机器人，而是把它塞进软件和 Agent 的执行链里，专门负责那些高频、有限选项的判断。
Cyces收购AI用户研究平台Looppanel，将加速布局Agentic UX Research
动察 Beating AI 快讯，AI 产品工作室 Cyces 宣布已收购 AI 驱动的用户研究平台 Looppanel。交易完成后，Looppanel 将继续服务现有客户，Cyces 计划加快其产品开发，进一步拓展 AI 能力，并推动平台进入更多全球市场。 Looppanel 主要面向 UX 和产品团队，提供多语言转录、AI 辅助分析、主题标签、研究内容搜索及协作等功能，帮助企业从用户研究中提取洞察。Cyces 表示，未来将推动 Looppanel 向「Agentic UX Research」（智能体驱动的用户研究）方向发展。此次收购未披露具体交易金额。 Looppanel 成立于帮助企业更高效地开展定性用户研究，曾入选红杉资本 Spark 早期创业项目，并参与 TechCrunch Disrupt。
前OpenAI研究员做了个「不会聊天」的AI：Jev只做判断，最高快200倍
动察 Beating AI 快讯，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 推出新模型 Jev。它有点像一个能读懂自然语言的超级分类器，不生成文本，只返回选项、分数和概率，专门给软件做判断。 普通大模型需要一个 token 一个 token 往外生成，Jev 则可以并行给出多个结果。TypeSafe 还用新的 RLCD 方法训练它的置信度，让模型在给出判断的同时，告诉程序自己有多大把握。 TypeSafe 用安全告警、Agent 审查、发票处理和客服做了 4 组自动化工作流测试。在这套自建评测里，Jev 最高比 Claude Sonnet 5 快约 193.6 倍，比 Claude Opus 5 便宜约 444.6 倍。 TypeSafe 把 Jev 称为首款「System One Model」（快速决策模型），名字来自卡尼曼《思考，快与慢》里的 System 1。它专门处理分类、打分、路由和下一步决策这类快速判断任务。
TypeSafe AI 决策模型 Jev 正式登陆 B.AI API，输入低至 $0.042/百万 Token
ChainCatcher 消息，B.AI 平台宣布 TypeSafe AI 推出的首款 System One 模型 Jev 正式上线 API。 Jev 专为软件内的高速结构化决策打造，不生成任何文本：开发者输入应用状态与类型化问题后，模型直接返回带概率与置信度的决策结果，无需 JSON Prompt，也无需解析输出。模型支持 Choice / Score / Noul 三类原语并行评估，端到端延迟约 70–500ms，输入仅 $0.042/百万 Token，输出免费，适用于工单路由、内容审核、风险评分及 Agent 分支判断等场景。 目前 Jev 已在 B.AI API 的“官方”→“全量接入”列表中开放，可通过 Jev-1.13.0 或 Jev-Latest 调用。