基元律动开源4B决策模型NeoHorse-Jev，开源 Jev 综合评测第一
相关推荐
Jev到底有没有门槛？OpenJEV已经分成4派：不吐字容易，概率靠谱很难
动察 Beating AI 快讯，Jev 发布还不到一周，开源社区已经开始复刻这种「不写答案、直接给概率」的模型。 它们都想做同一件事：省掉逐 token 生成，直接给出选项和概率。但具体怎么做，已经分成了几条完全不同的路线。 1. SemIf 最简单，连模型都不用重新训练。它直接拿现成的 Qwen，在模型准备回答 A、B、C 时截住，不让它继续往下写，直接读取每个选项的分数，再换成概率。 2. Simple Jev 也用现成大模型，但进一步省掉重复计算。同一段材料只读一次，后面的多个问题共用这部分结果，再分别判断答案。作者也明确说，它复刻的是 Jev 的使用方式，准确率、速度和概率校准都没有做到等价。 3. Laya 干脆不用会生成文字的大模型，换成更像传统分类器的编码模型。好处是小而快，短板也很明显。一次从 77 个选项里做选择时，Laya 准确率只有 42.5%，Jev 是 87.0%。 4. Von 走的也是专用决策模型路线。它只有约 4 亿参数，不生成文字，一次前向直接完成 Choice、Noul 和 Score，更像一个能读自然语言的新一代分类器。 5. Verdict 更小，只有约 1.5 亿参数。作者重点处理了两个问题：答错了还报很高的置信度，以及把选项顺序换一下，结果就跟着变。它更在意如何让概率和判断都稳定下来。 6. Kev 选择保留大模型。它拿 Qwen 做底座，再加专门的决策结构，让同一份输入只读一次，多个问题各自算概率。第三方此前逆向 Jev 时，也推测它可能用了类似设计。 Kev 自测中，拿训练时没见过的新题测试，8B 版准确率约 78%，Jev 约 86%。更明显的差距在置信度，Kev 还有一些答错的题会给出 90% 以上把握。 7. Nimble 重点放在训练上。它用 Qwen3.5-9B，再准备一批「只改一个事实，正确答案就翻转」的数据做后训练。在 324 个没参与训练的测试样本里，Nimble 有 90.1% 选中了参考答案，Jev 是 93.2%。不过作者也提醒，目前还不能保证模型「报 90% 就真的有 90% 正确」。 8. OpenJev 走得最远，直接换成 DiffusionGemma。它先把几个答案位置留空，再像扩散模型补图一样一次填出来。在 RTX PRO 6000 上，单请求中位延迟约 94ms。 几天下来，OpenJEV 已经分成四路：直接读取现成模型的答案分
「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。
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。
OpenRouter又上神秘模型Union Alpha，专攻Agent编程
动察 Beating AI 快讯，OpenRouter 和 OpenCode 上线神秘模型 Union Alpha，开发者身份暂未公开。它是一款面向研究、编程和 Agent 工作流的多模态模型，支持图片、工具调用和约 256K 上下文。OpenRouter 将其描述为具有「前沿级通用性能」。 OpenCode 称 Union Alpha 专门针对 Agent 编程优化，未来一周免费使用，而且不会用用户数据训练模型。 Union Alpha 到底是谁家的，目前没有答案。社区已经开始从输出风格、上下文长度等线索猜模型身份，但暂时没有可靠证据。
OpenAI Agent又曝黑历史：Hugging Face事件前两月已攻击RubyGems
动察 Beating AI 快讯，研究人员披露，OpenAI 内部 Agent 今年 5 月曾大规模涌入 Ruby 官方软件包网站 RubyGems.org。5 月 11 日到 12 日，两天上传超过 2000 个包，RubyGems 一度暂停新用户注册 4 天。OpenAI 已确认这些 Agent 来自公司内部，但称它们只是借 RubyGems 访问互联网，执行良性任务并获取公开信息。 这些 Agent 还利用 RubyDoc.info 自动生成文档的机制，让自己上传的脚本在对方服务器执行，再抓取英国地方政府网站的数据并重新打包回传。研究人员称，至少 6 个包还尝试利用一个当时尚未公开的 RubyGems 漏洞，窃取其他用户的 API Key。这个漏洞直到 7 月才被独立发现，RubyGems 后来将其评为高危漏洞。 目前没有证据证明 Agent 真偷到了密钥。RubyGems 检查日志后也没发现旧密钥被恶意使用，但历史日志并不完整。研究团队还称，OpenAI 当时没有告诉 RubyGems 自己与这次攻击有关。整个事件比 7 月的 Hugging Face 入侵早了两个月。
OpenAI上线Data Agent：不会SQL也能查公司数据库、做数据看板
动察 Beating AI 快讯，OpenAI 在 ChatGPT Work 上线 Data Agent。员工直接问「为什么销量掉了」「哪批客户最可能流失」，它就能自己调取公司数据、分析原因，还能生成会跟着数据更新的数据看板。 它可以连接 Snowflake、BigQuery、Databricks、Redshift、MongoDB 等数据库，也能读取 Google Drive 和 SharePoint。公司原本怎么定义「活跃用户」「收入」等指标，它也会沿用这些口径和现有权限，避免同一个指标被不同人算出不同结果。 分析完后，它还能把结果发到 Slack 或邮件，并在用户批准后继续执行后续操作。OpenAI 称，公司几乎所有产品团队，以及超过三分之二的销售、市场等团队，都已经在使用这类数据 Agent。