cherry 智能家居社区 Home Assistant 出现了名为 HA-Jev 的插件。它读取洗衣机功率变化和洗衣房门状态，再把问题交给模型：衣服是否忘在洗衣机里？模型不输出文字分析，只返回概率值。置信度超过 0.8，手机弹出取衣提醒。一次判断耗时几十毫秒，成本 0.000015 美元。开发者说，过去一直用大语言模型回答不需要它的问题；衣服忘没忘拿是判断，不是八股文。
过去四年，行业把大量算力、资本和工程资源用于让模型说更流畅的人话。百亿甚至千亿参数模型先输出思考过程，再包装成自然语言，开发者还要用正则表达式取答案。前 OpenAI 研究员 Diogo Almeida 推出的 Jev 不同。它被称为「System One」，不生成文字，只输出概率判断。上线数天后，全球开发者围绕它做出了近五百个开源项目。
在 Agent 基础设施中，开发者 Tamara Tran 用 Jev 插件压缩 Claude Code 上下文。它不做归纳总结，而是逐条给历史工具调用打分，低于阈值就剔除。接近 100 万 token 的上下文在 1 秒内精简到 8.6 万，模型没有输出字符。Droidrun 团队的 mobile-jev 用于手机操作：演示中，它控制真实 Android 手机打开 Uber，输入起点和终点，点击到付款界面，9 个步骤耗时 21 秒。
GitHub 上出现了 pg-jev 和 duckdb-jev，开发者用自然语言对数据库行数据做概率过滤和排序。游戏方面，Jev 被用于玩超级马里奥、驱动《毁灭战士》里的守卫，也被团队接入《星际争霸》完成首个战斗任务。数据清洗中，一位开发者处理积压三个月的 9081 条产品匹配数据，曾因主流大模型 API 费用过高放弃；改用 Jev 后，他用一个晚上写了 150 行脚本，任务 13 分钟跑完，账单 32 美分。
