Jev不是随便起的名字：AI越便宜，账单越贵
一个宣称便宜40到400倍、快20到200倍的新模型，用「Jev」这个名字登上了Hacker News榜首。Jev是150年前一位经济学家的姓氏，他留下的观察到今天还成立：效率上去了，消耗总量反而更大。
榜首是个新模型，吵的是另一件事
9月15日，Jev以707分冲上Hacker News榜首，评论区堆了240多条讨论。它的卖相很唬人：比前沿模型便宜40到400倍，快20到200倍。团队还配了个说法，叫 System One Models，大意是别再卷参数规模和长推理链了，把「够快、够便宜、够用」当主航道。
评论区吵翻了。有人自己跑了一轮测试，觉得数字有谱；也有人揪着评测口径不放，问的是另一个问题：题是挑过的吗？亮出来的那几个能力维度，是它最亮的吗？这场架没分出胜负。倒是让我想起前两天刚聊过的评测话题，这里不展开，只说一句：效率数字越漂亮，量它的那把尺子越值得多看两眼。
不过我更想聊的不是数字，是这个名字。
一桩150年前的旧案
1865年，英国经济学家威廉·斯坦利·杰文斯写了本《煤炭问题》。书里有个观察，后来被叫作杰文斯悖论：蒸汽机的热效率提高之后，英国的煤耗不降反升，涨得很凶。
道理拆开看不复杂：
- 烧煤的机器效率变高，单位产出的成本降了；
- 成本一降，很多原来「烧不起」的用途变得划算了；
- 用途一多，总消耗量猛涨，把省下来的那点全部吃掉还有富余。
一句话：效率决定每一下烧多少，需求决定总共烧多少。后者赢了。
这个剧本听着耳熟吧？
AI圈已经演过一遍
2025年初，DeepSeek把推理成本打下来的时候，很多人的第一反应是「这下算力总该省了」。后来发生的事大家都看到了：调用量没有萎缩。老用户把用量翻倍，新用户涌进来，那些以前因为贵而懒得做的活儿，批量摘要、全量代码审查、常开语音，突然都能做了。
总量没省下来，盘子变大了。
所以Jev这个名字在我看来是句双关。它像在下注：把成本打下来的是我们。也像在挑衅：打下来之后，烧掉的只会更多。
效率路线不止一条
同一天的arXiv上还有个有意思的模型。ZGCM-1，从零训练的全开源7B稠密模型，滑窗加全注意力的混合架构，用 FP8 Muon 优化器，支持 256K 上下文。数学推理和Agentic搜索两项上，它对标的是Qwen3-235B和GLM-5.1这种大一个数量级的模型，而且权重、代码、数据配方全部公开（arXiv:2609.13356）。
把这几天的事情放在一起看：
| 路线 | 代表 | 打法 | 押注的东西 |
|---|---|---|---|
| 旗舰大模型 | Qwen3-235B / GLM-5.1 | 堆参数堆数据 | 能力上限 |
| 极致性价比 | Jev | 便宜40-400倍，快20-200倍 | 用量暴涨 |
| 开源小模型 | ZGCM-1 | 7B打235B，全开源 | 生态和部署 |
三条路看着互相较劲，其实说的是同一件事：单次调用的边际成本，正在跳水。不管是缩参数、改架构，还是提硬件利用率，殊途同归。
我的看法：省钱是错觉，换打法是真的
说实话，Jev的数字到底有没有水分，我觉得不是重点。哪怕把所有数字都挤掉一半，方向也不变：token 的单价在往零走。
有意思的是大家对「便宜」的反应。我观察到的实际情况是这样的：
- 个人用户是真受益，预算不变，从省着用变成敞开用；
- 厂商这边喜忧参半，单次调用的毛利被压薄，但盘子涨得比价跌得快，前提是你得是降价的那一方；
- 至于整个行业的算力总开销，大概率继续涨。便宜不会让公司省下预算，只会让他们把以前打不赢的任务也搬上来，预算的天花板跟着往上抬。
1865年杰文斯担心的是英国没煤可烧，结果大家越省越烧。2026年，一个用他名字命名的模型在重演同一幕：你在一个地方省下的钱，会花在更多的地方。
降价从来不是终点，是需求爆发的起点。Jev卖的是一堆「现在值得试试」的场景，谁能先想明白这一点，谁就省不下钱——但赚得到钱。