AI评估新方案来了，比大模型更便宜更快

有人开发AI智能体，每次要给几千条测试结果打分，要么花大价钱用大模型评审，要么让人工团队熬夜加班审核。现在，一款叫Jev的新工具可能解决了这个麻烦。

Jev是TypeSafe AI开发的System One模型，和我们熟悉的大语言模型本质不同。大语言模型评审员要逐字生成文本，再给出评估结果，Jev不需要生成文本，它直接返回规范的结构化答案。

LangChain团队把Jev和主流大语言模型评审员做了对比，测试维度包括准确性、一致性、延迟和成本。结果显示，在连续评分任务里，Jev的一致性显著更高，它的质量评分方差比GPT-5.6 Luna、Terra和Claude Sonnet 4.6低92到913倍。

Jev支持多个独立问题并行评估，所有决策能在同一次评估里生成，延迟只有70到500毫秒，这是逐字生成文本的大语言模型做不到的。它还能自动过滤掉低置信度的结果交给人工检查，高置信度结果直接通过，避免人工被大量数据拖累。

@LangChain 认为：Jev为智能体评估提供了一套新的思路。

@hwchase17 认为：Jev作为评审工具，是便宜又快速的语义验证工具，尤其适合需要给大量数据评分的在线评估场景。

对于企业开发AI团队来说，之前用大语言模型做评审，最大的痛点就是API成本会随着评估量上涨，速度也会拖慢开发进度，不得不在覆盖范围、速度和成本里做选择。Jev的出现，给了团队一个新的选择，它的成本更低，速度更快，还能保持更高的一致性。

对于普通使用者来说，这件事意味着AI开发的效率会变更高，成本会降下来，未来我们能用到更多更快迭代的AI产品，不用为开发环节的成本和速度瓶颈买单。

Jev之前还曾演示过玩毁灭战士，它能对游戏的结构化状态快速做出反应。现在它又走进了AI评估环节，下一次它会出现在哪个你常用的AI工具里呢？