新型AI基础设施Jev实测最快快193倍，成本低444倍

Jev被称作AI基础设施领域的「ChatGPT时刻」，在针对Claude Fable 5.1和GPT-6 Astra的测试中，它最高可实现193倍速度提升，同时成本最多可降低444倍。

这份2页工作笔记介绍了Jev是什么，它的三个基础组件如何工作，以及使用方法，核心使用步骤共9步：

第一步，满足约束条件：Jev不生成散文、不给出解释、也不生成推理过程。限定范围的问题会直接返回结果，因此决策不再需要调整提示词，转而变成需要明确的约定。

第二步，了解三类基础组件：Choice从2到255个选项中选出一个最优结果，并返回完整概率分布；Score将状态放在2到10个级别的评分标准中进行评分；Noul返回一个概率值。

第三步，将状态视为证据：包括目标、已验证事实、现行规则、当前可用选项和已完成操作，在不影响结果的前提下尽量精简。

第四步，不要把指令隐藏在状态中：问题承载指令，状态承载已发生的内容。

第五步，对独立问题批量处理：请求中的每个问题都在一次往返中针对同一状态处理，因此可以一次性询问所有能从当前证据得到答案的问题。如果问题B依赖问题A，那就分两步处理，而不是作为两个问题一起处理。

第六步，正确解读置信度：置信度反映的是分布的集中程度，不代表答案正确，也不代表操作许可。置信度低通常意味着你的标准不够明确。

第七步，使用区间划分而非单一阈值：低于阈值上报，区间内自动处理，无法撤回的操作需要确定性检查或人工介入。

第八步，保持边界清晰：Jev只在允许的选项中做选择，代码负责规划、阈值、权限和预算，执行者执行可观测的操作，验证器重新读取外部系统。

第九步，避免用在不适用场景：可计算问题、开放选项空间问题、多标签问题和自由写作都不适合用Jev。

运行第一周的测试方法：只测试一个重复决策，准备10个示例，其中包含2个模糊示例和1个无有效答案的示例，运行前提前写好预期结果。

测试结果显示：幻觉生成的工具名称无法执行，因为它不在候选集合中；生成的结论无法闭环，因为需要新证据验证。

完整Jev蓝图及设置可访问：