ME News

ME AI 消息，9月20日，上纬新材旗下消费级具身智能品牌启元机器人在上海西岸梦中心举行全球首场新品发布会，以“我和我的个人机器人”为主题，正式发售启元Q1、启元T1两款个人机器人，其中，启元Q1售价19999元，启元Q1探索版售价26999元；启元T1售价19999元，启元T1 Pro售价29999元，并同步公布品牌、技术、产品与生态战略。本次发布会采用多城联动模式，上海、广州、深圳、杭州、厦门、西安、武汉等城市同步开启线下体验活动，让消费者在“家门口”也能体验到前沿具身科技的魅力。 作为粤港澳大湾区核心引擎与商贸之都，广州持续迸发 “科技 + 生活” 融合活力。启元机器人广州门店落子天河区商圈，让具身智能从展台走进真实消费场景，为广州消费升级与智能生活场景写下创新注脚。 现场，启元Q1、启元T1全程投入展示，花式秀绝技，迅速成为现场焦点。作为全球首个个人机器人，启元Q1现场展现出灵活丝滑的姿态控制、贴心细腻的智能应答、趣味满满的互动玩法，产品还支持软件零代码编排，硬件3D打印DIY等自定义玩法。启元T1采用行业首创的Transformer跨形态一体化架构，可在轮足人形与四足形态间自主无缝切换，能够智能跟随，还可联动运动相机完成跟拍、绕拍等多样玩法，从室内跟到室外，成为你的拍摄搭子。 两款产品兼具颜值与硬核能力，引得众多市民到店打卡体验，现场人气高涨。更有不少消费者现场锁单，抢先解锁属于自己的个人机器人，让「我和我的个人机器人」不再停留于想象。 此前，启元Q1、启元T1已亮相2026世界人工智能大会，以动态巡游、实景交互等形式打破静态陈列；在ChinaJoy期间，启元机器人通过IP跨界联动、沉浸式逛展互动，让年轻用户直观感受个人机器人的个性化与生活化。此外，启元机器人还在全球消费科技领域的重要展会“德国柏林国际消费电子及家用电器展览会”等国际舞台包揽多项奖项、收获国际认可。从科技展会、潮流盛会，到城市商圈，启元机器人正一步步走出展厅，走进普通人的生活场景。 随着多城体验活动的同步启动，启元机器人多地门店建设节奏也在有序推进。目前，广州天河区正佳广场6楼尚品宅配×启元机器人广州体验中心已开启体验，上海、深圳、杭州、厦门、西安、武汉等城市门店也同步等待大家到场体验。除了线下零售门店，线上电商也可以下单。未来，启元机器人将持续拓展线下体验网络，让更多人在家门口也能直观感受启元Q1、启元T1 带来的人机交互新体验。 （来源：ME）

ME News 消息，9 月 20 日（UTC+8），加密分析师 Darkfost 发文表示，已知场外交易（OTC）平台地址持有的比特币储备已降至历史最低水平，目前约为 12.3 万枚 BTC，而 2021 年 9 月曾接近 50 万枚 BTC。OTC 储备持续下降可能有多种原因，包括投资者更倾向于长期持有 BTC、比特币持有结构趋于分散，以及矿工等参与者不再主要通过 OTC 渠道出售 BTC。此外，部分持有者可能更愿意直接通过公开市场卖出。无论具体原因如何，OTC 储备大幅减少意味着在公开市场之外待售的 BTC 越来越少。如果买方需求更多转向公开市场直接购买，可能对 BTC 价格形成支撑。（来源：ME）

ME AI 消息， 在近期几起备受关注的黑客攻击事件引发人们对 AI 可能“杀死全人类”的担忧之前，我们的能源系统就已经极易受到网络攻击，而且这种风险还在不断上升。 “我们一直都是猎物，只不过是在捕食者的胃口下勉强生存。”Institute for Security and Technology（IST）负责公共安全与韧性的常驻高管 Joshua Corman 去年对我说。当时，我正忧心于一则Department of Homeland Security 发布的警告：伊朗相关人员及其支持者可能会对美国发动网络攻击。 上周，我打电话给 Corman，和他聊起了近期发生的失控 AI 事件…… 前往 The Verge 阅读完整报道。（来源：ME）

本文涵盖9月22日至24日2026云栖大会重磅议程。
文章作者、来源：阿里云
开幕式暨云栖主论坛
云栖大会不止于此。大会同期设置 120+ 场分论坛与 4 大主题展区，覆盖从底层技术到产业应用的完整链路，为与会者提供更具深度的交流与观展场景。敬请期待。

随着费用开关获批，USDe 若重回 75 亿美元，协议收益将首次转化为 ENA 的持续回购需求。
文章作者：0xWizard
文章编译：深潮 TechFlow
Ethena 自上线以来已累计产生 10.4 亿美元收益，其中过去 12 个月（市场条件并不理想）贡献了 2.84 亿美元。但 ENA 持有者至今一毛未得。9 月 2 日治理投票通过「费用开关」：一旦 USDe 供应量的 14 日均值突破 75 亿美元，通过该开关路由的 95% 收益将在公开市场买入 ENA。当前 USDe 规模为 47.5 亿美元，仍比阈值低 58%。作者认为未来 3 至 6 个月内将跨过阈值，由三大催化剂驱动：股票永续合约、加密资金费率转正、分发渠道扩张。
Ethena 自上线以来已产生 10.4 亿美元收益，其中过去 12 个月（市场条件并不理想）贡献了 2.84 亿美元。但到目前为止，ENA 持有者从中获得的收益为 0。
但在 9 月 2 日，持有者终于获得了一条通向这部分收益的路径。治理投票通过了费用开关：一旦 USDe 供应量的 14 日平均值突破 75 亿美元，通过该开关路由的 95% 收益将在公开市场买入 ENA。
当前 USDe 规模为 47.5 亿美元，仍比阈值低 58%。我们认为它将在未来 3 至 6 个月内跨过阈值，由三大催化剂驱动：
股票永续合约：一本赚取 15% 至 20% 资金费率、与加密市场条件无关的基础簿
加密永续合约：资金费率已从负值区域恢复，正向 +8% 水平迈进
分发改善：Ethena Pay、TRON 部署、以及 CEX 抵押品集成，都在把 USDe 带给潜在的新持有者
按当前 14.3 亿美元的估值，ENA 的定价大约是协议最差年份所收取费用的 5 倍。一旦费用开关被触发，情况就变了：Ethena 两年来一直打造的「费用引擎」开始直接向 ENA 持有者支付收益。
三大催化剂

1. 股票永续合约
截至 8 月下旬，股票永续合约在主要交易平台的未平仓合约达到约 62 亿美元，大约是 3 月水平的 10 倍。近几个月，这些头寸的资金费率在 Hyperliquid 上年化约 14%、在 Binance 上约 17.5%，而 ETH 和 BTC 上仅为 4% 至 7%。关键在于，股票资金费率与加密资金费率不相关：这是一种无论加密市场处于牛市还是熊市都会支付的收益来源。
8 月 28 日，Ethena 宣布将把 USDe 的背书扩展至股票永续基础交易，首批合作交易所部署预计在未来几周内落地。Ethena 预计，RWA 永续合约将在 12 至 24 个月内超越加密配置（目前占背书的 13%）。
如果 RWA 永续合约以 15% 至 20% 的资金费率超越加密簿，那将带来 2% 至 3% 的混合收益提升。如果该部分最终扩张到背书的一半规模，仅股票这一腿就能贡献 8% 至 10% 的可持续收益。
更重要的是，股票永续合约背后的潜力远大于加密永续合约。2026 年 7 月，全球股票市值达到 166.5 万亿美元，而 crypto 约为 2.2 万亿美元。根据 Ethena 自己的预测，股票永续合约的未平仓合约可能增长至 4 万亿美元，大约是 1100 亿美元峰值 crypto 永续簿的 40 倍。这是同一笔基础交易，只是规模大了几个数量级。当然，一个 4 万亿美元的市场不会永远支付 15% 至 20%（随着更多资本进入，资金费率会被压缩），但深度才是关键。一个更大、且不相关的收益引擎，才是把 USDe 供应量拉向 75 亿美元阈值、以及随之而来的费用开关的力量。
2. 加密资金费率已恢复
2026 年 2 月至 4 月，Binance 上的加密资金费率处于负值区域，ETH 在 2 月平均 -4.0%，为 2023 年以来最弱的月份。在此期间，Ethena 将其背书从基础交易重新配置到各种 DeFi 借贷、流动性稳定币、机构借贷和 RWA（直到最近，USDe 背书中仅有 1% 是基础交易）。尽管这些配置的收益低于 2024 年 crypto 基础交易，但在资金费率不支付时，它们为 sUSDe 持有者提供了稳定的 4% 至 5% 收益。
快进到现在，BTC 现报 8 万美元，资金费率再次转正，8 月 ETH 资金费率平均 +5.7%、BTC 平均 +7.3%。随着市场持续回暖，Ethena 应该会把更多簿位重新转向 crypto 基础交易，重演 2024 至 2025 年让 USDe 供应量触及 150 亿美元的剧本。
值得注意的是：Ethena 的 crypto 基础交易如今已被证明具备林迪效应（lindy），它熬过了 10/10 等历史性清算事件以及其他普遍糟糕的市场环境，而其他较小的竞争对手则土崩瓦解。
3. 分发：TRON 上线、CEX 抵押品
收益本身不会让 USDe 增长。人们需要一个购买的场所，以及一个持有的理由。
交易员现在可以在 Bybit 和 Binance 上以 USDe 作为保证金，并在 Bybit、OKX、Bitget 和 Binance 上持有它。Coinbase 和 Robinhood 已经在其产品中接受它（Coinbase 金库、Robinhood Earn）。USDe 也于 9 月 11 日在 TRON 上线，该链本就是稳定币交易量最大的链。请注意，当一条链真正重要、且增长策略执行得当时，链上扩展至关重要（参见 USDe 在 Robinhood 上线后很快触及 3 亿美元）。
9 月 1 日，Ethena 推出了 Ethena Pay（@EthenaPay），由 @gdog97_ 和 @litocoen 牵头。余额持有 USDe 可赚取高达 6% 的收益，所有消费还可获得 5% 的 AVAX 返现，这让 Pay 成为吸引零售用户持有 USDe 的完美钩子。9 月 1 日至 9 日期间，链上卡消费额达 63.2 万美元，日均支出从 1.6 万美元升至 6.16 万美元。这仍是一个 beta 版本（上线时仅有几百名非美国/欧盟用户），但这是普通用户第一次能够持有 USDe、从中赚取收益、并用卡消费。
鉴于 EtherFi 和 Plasma 的 crypto 卡产品取得成功，以及 Ethena Pay 丰厚的奖励（由 @avax 提供支持），这有望成为推动 USDe 迈向 75 亿美元大关的明星产品之一。
费用开关
一旦上述催化剂推动 USDe 供应量突破 75 亿美元，费用开关就会开启。Ethena 的一部分收益将开始在公开市场买入 ENA。这个分成比例是：75 亿美元时抽取 5% 收益，100 亿美元时 10%，150 亿美元时 15%，200 亿美元时 20%。几乎所有这些分成（95%）都用于回购。
回购规模随 USDe 储备簿的盈利能力而放大。协议收益率（protocol yield）是 Ethena 在 USDe 背后资产上赚取的利率，因此公式为：
USDe 供应量 × 协议收益率 × 费用开关分成比例 × 95%
在 6% 协议收益率下，各档回购规模如下：
第一档规模很小，但 100 亿美元和 150 亿美元档（USDe 在 2025 年曾一度达到 150 亿美元）才是关键。每年 4% 和 9% 的当前市值，都用于买入该代币。
参考链接：Ethena 基金会公告
风险与需要注意的事项
10 月 5 日解锁：所有 VC 的代币解锁已被压缩到 10 月 5 日。估计占流通供应量的 14%，按当前价格约为 2 亿美元，比原定归属时间表提前了 17 个月。Ethena 基金会宣布，他们已买下那些在 2025 年 10 月 10 日之后卖出 ENA 的大型种子轮投资者的锁仓代币。这缓解了大规模解锁带来的供应压力，但投资者仍应保持警惕。
资金费率转负：如果大盘停滞、crypto 永续资金费率再次转负，USDe 储备将再次转向非基础交易的低收益（4% 至 5%）去向。这会抑制持有 USDe 的需求，尤其是 sUSDe 和 PT loopers。
股票永续合约规模偏小：如果股票永续合约的部署被推迟、未平仓合约缩水，或股票永续资金费率跌至 crypto 水平，那么这个新的非 crypto 相关收益来源的效果就会大打折扣。混合后的 sUSDe 收益率停留在个位数中段，这成为把 USDe 铸造到 75 亿美元的一个较弱理由。
借贷或信贷暴雷：储备的很大一部分位于 DeFi 借贷（如 Aave、Morpho）和机构信贷（如 Maple、FalconX）。一次漏洞利用或借款人违约都可能削减背书并暂停铸造。
供应量始终无法突破 75 亿美元：如果整个 2027 年 USDe 供应量都低于阈值，那么费用开关永远不会开启，ENA 就只是一个治理代币。
结论
一旦 USDe 供应量稳定保持在 75 亿美元以上，费用开关就会开启。有三个新催化剂可以把它推到那里：股票永续合约、加密资金费率翻正，以及购买和持有 USDe 的新分发渠道（TRON、CEX 抵押品、Ethena Pay）。
当 @0xENAS 在 2024 年 10 月发表《Ethena：万亿美元级 crypto 机会》（可惜现已删除）时，那个机会是稳定币市场加上支付 USDe 收益的 crypto 基础交易。如今这个市场更大，且分发更好。
本文的一切都是一种押注：押注我们所说的催化剂能让 USDe 供应量回到 75 亿美元并继续向上。如果你不相信这一点，就不要持有 ENA。如果你相信，你知道该怎么做。

东风表示，车企做具身智能的最大红利是复用，汽车大模型和自动驾驶积累的感知与决策能力可直接迁移到机器人身上。
文章作者、来源：AIBase
东风汽车要把机器人从展台送进车间了。9月20日，据报道，东风汽车智能化技术首席总工程师张振林透露，旗下人形机器人将于今年10月正式进入工厂，主攻生产制造领域的分拣、质检等活计。到今年年底，这台机器人会先在小批量、小点位上试制，目标是在明年年底把能力拉到和真人持平。
更先一步落地的是机器狗
张振林提到，东风自研的四足机器人会比人形机器人更快被投进4S 店导购这类场景——腿比手快，在商业服务线上抢先跑通。他点破了一个关键逻辑：车企做具身智能，最大的红利是复用。汽车大模型、自动驾驶积累下来的感知与决策能力，可以直接迁移到机器人身上，不必从零喂数据，商业化量产的节奏因此被悄悄加速。照他的判断，具身智能的形态远不止人形或四足，未来汽车本身也会成为其中一种。
这两款产品其实已在今年8月的2026世界机器人大会上亮过相。人形机器人“小东”从一开始就对准汽车制造里的物料分拣场景反复打磨，不满足于机械地重复单一动作，而是朝着柔性作业、全流程自主执行的方向进化——也就是从“会动”往“会想”爬。四足机器人“元仔”则扛着自主导航、多模态感知和智能交互三样本事，适配园区巡检、智能服务等多条线，同样在往自主作业升级。当车企把造车的功底平移到造机器人，车间里的那场具身智能换人试验，已经按下了倒计时。

微信AI团队正式开源了知识管理框架WeKnora 0.8.0版本。
文章作者、来源：AIBase
微信 AI 团队正式开源了知识管理框架 WeKnora（维娜拉），最新发布的 0.8.0 版本已全面面向公众开放使用。它的定位可以概括为一句话：让知识库不只是“能查到答案”，而是“能动手去执行”。
WeKnora 想解决的是大模型落地时最现实的问题——知识躺在文档里，模型说得头头是道，但要把它们变成可验证的结果，中间缺一双手脚。
anydoc 解析 + GraphRAG，把杂乱文档变成知识图谱
第一个亮点是 anydoc 解析：PDF、Word、Markdown、网页等多种格式可直接导入，无需预先转换；配合 Wiki 模式，能把杂乱的文档自动整理成结构化的知识体系。
第二个是 GraphRAG。普通 RAG 靠向量检索把相关片段捞出来拼给模型，GraphRAG 则更进一步——把实体和关系抽取出来建成图谱，在回答“事物之间怎么关联”这类问题时，比纯向量检索靠谱得多。
Skill Sandbox Runtime：知识可以被安全“执行”
最值得关注的是 Skill Sandbox Runtime。知识库中的内容可以被封装成“技能”，运行在 Docker、E2B、CubeSandbox 等沙箱环境里——这意味着知识不只是被“读到”，而是能被安全地“执行”。模型可以从知识库里调用一个技能、在沙箱中跑一遍并返回可验证的结果，而不是停在“我建议你怎么做”。
再加上长期记忆（Long-term Memory）功能，这套框架的意图相当完整：解析、组织、检索、执行、记忆形成一条龙。架构采用模块化设计，可按需取用；许可证为 MIT，开源友好、商用无负担，这也是它敢于面向“从个人到企业”场景的底气。

IPO 这场戏，注定要在两家巨头的资本暗战里开场。
文章作者、来源：AIBase
Anthropic 打算把敲钟的日子往后挪一挪，这家 Claude 开发商计划将首次公开募股推迟到11月，比许多投资者此前押注的10月晚了一步。知情人士透露，部分顾问认为多等一个月，能让公司把第三季度的财务数据摆上桌，用真金白银证明自己的竞争地位——这纸报表，正是当下最硬的说服工具。
市场的胃口已经张得很大。投资者此前预计 Anthropic 上市估值约2万亿美元（现汇率约合13.44万亿元人民币），募资额最高可达1000亿美元(约合6721.85亿元人民币)，两项都准备超越 SpaceX 今年6月刚创下的纪录。公司将在未来几天与潜在投资者碰面，部分人预计会当场发难:如果 AI 模型推出速度放缓，你的财务和估值还能撑住吗?顾问和老股东却笃定，刹车不会伤筋动骨，因为现有模型本身就在源源不断产出现金流，他们预计公司到2026年底年化收入将突破1100亿美元(约合7394.03亿元人民币)。
一个有意思的伏笔是时间线。将 IPO 定在11月的决定，据说是在前研究员公开警告 AI 发展过快、引爆"该不该限速"那场辩论之前就做出的，也就是说推迟并非直接源于安全争议。但9月17日，Anthropic 先在总部召集早期投资者和合作伙伴，由 Jared Kaplan、Benjamin Mann 和 Andrej Karpathy 几位高管亮出新产品，其中包括一款叫 Model Hardware Standard 的工具——它让 AI 智能体得以直接操控显微镜、机械臂这类物理设备，把模型的"手"伸向了实验室和工厂。当晚旧金山一家牛排馆的晚宴上，席间话题则绕回了 CEO 达里奥·阿莫代伊的安全警告与随之而来的舆论漩涡。
不少硅谷投资机构反而觉得，阿莫代伊在上市前把安全姿态摆明白，是一步好棋。一位投资者点破:一旦变成上市公司，就要承受股东更苛刻的审视，提前在风险问题上亮明立场，等于给未来可能爆雷的场面先垫了缓冲。换句话说，安全叙事从"绊脚石"被悄悄翻成了"护身符"。
对手的节奏也在搅动这盘棋。最大竞争对手 OpenAI 已明确2027年之前不上市，眼下正处在新一轮融资的早期讨论，若成行估值将超1.2万亿美元——上次它从投资人手里拿下了超过1200亿美元。部分 Anthropic 投资者心里有本账:万一 OpenAI 抢在自家上市前融到同量级资金，市场对 Anthropic 的需求可能会被分走一块。IPO 这场戏，注定要在两家巨头的资本暗战里开场。

一个能力看起来更少的AI，为什么反而火了？
文章作者：朱雪莹
文章来源：华尔街见闻
这两天，一个有点反常的AI模型突然刷屏了。
它叫 Jev。
不会聊天，不写代码，甚至不会像ChatGPT一样给你生成一大段答案。它只干一件事：做判断。
但就是这样一个看起来"能力被砍了一大半"的模型，却突然在开发者圈火了。
有人用它40秒分析724条实时广告，总共做出8724次判断；有人把它接进Claude Code，专门清理没用的上下文；还有人让它给AI Agent当"裁判"，检查任务到底有没有真的完成。LangChain也已经开始测试Jev作为Agent评估器的表现。
更夸张的是速度和价格。
TypeSafe公布的测试中，Jev最高提速约193.6倍，成本最多降低444.6倍。输入每百万Token只要0.042美元，输出Token甚至免费。
一个能力看起来更少的AI，为什么反而火了？
因为到了Agent时代，AI真正需要的可能不只是"深思熟虑"，还有海量、快速、便宜的判断：下一步做什么、该调用哪个工具、任务到底完成没有。更重要的是，这些判断未来需要AI自己在后台完成，不再需要人一直坐在屏幕前盯着。Jev看上的，就是这些每天可能发生几百万次的小决定。
更有意思的是，Jev模型创始人Diogo Almeida，恰恰参与过RLHF，而现在他开始反思RLHF：这套让ChatGPT变得好用的训练方式，可能并不适合AI真正走向自动化。
一个多月前，Almeida做过一场演讲。现在回头再看，那场演讲几乎就是Jev的"思想说明书"。
AI都会做高等数学了，为什么还做不好客服？
Diogo Almeida的履历很特殊。
他曾在OpenAI工作，是GPT-4、ChatGPT以及InstructGPT/RLHF相关工作的参与者。也就是说，他曾亲手参与构建了今天大模型最重要的一套后训练范式。
但在那场演讲里，他上来就调侃自己，是OpenAI内部少数几个公开“黑”ChatGPT的人之一。
他的演讲主题更加直接：What's Next After RLHF？
Diogo先提出了一个看起来很矛盾的问题。
今天的大模型已经可以挑战非常难的数学题，代码、推理和各种benchmark一路往上走。
可到了很多企业真正想自动化的业务里，人却始终拿不掉。
比如客服。
让AI查资料、总结文档、起草回复，没问题。
但如果让AI自己决定：这笔钱到底退不退？这个用户要不要赔偿？
企业一下就谨慎起来了。
明明这些事情看起来比高等数学简单得多，为什么反而不敢交给AI？
Diogo给出的答案很简单：Today's AI is incredible at assistance, not automation.
今天的AI很会帮你干活，却还不太能自己把活干完。
这两件事看起来只差一点，实际上完全不同。
Claude Code再强，你通常还是坐在电脑前。它写代码，你看；它改文件，你检查；错了，你再让它改。
所以在Diogo看来，Claude Code依然属于ChatGPT开启的"协助时代"。
真正的自动化是什么？
人根本不在场。
AI在后台自己判断、自己执行，一天可能运行几十万甚至几百万次，你甚至永远不会看到它做了什么。
问题也就来了：为什么今天的AI这么聪明，却偏偏离不开人？
Diogo把矛头指向了一个自己非常熟悉的东西——RLHF。
我们训练AI的时候，就把人塞进了回路里这件事多少有点讽刺
因为RLHF，恰恰是Diogo当年参与推动的技术路线之一。
RLHF的基本逻辑其实不复杂：收集人的偏好，然后让模型越来越符合人的偏好。
所以Diogo在演讲里给出了一个非常直白的解释：为什么今天的大模型总需要有人在回路里？
因为训练它的时候，我们字面意义上就把人塞进了那个回路里。
模型从一开始就在学习：什么样的回答，人更喜欢？
这也解释了大模型一个我们已经非常熟悉的特点——，哪怕不知道，它也经常能说得特别像那么回事。
Diogo在现场举了一个很损的例子。
有人给ChatGPT发了一段放屁的录音，告诉它这是自己创作的一首音乐，请它"真诚、坦率"地评价。
结果ChatGPT一本正经地夸了起来，说这是一首很有阴森、诡异氛围感的环境音乐。
Diogo甚至用了一句话总结："Overpromising is a feature."
过度承诺不是Bug，是feature。
对于聊天产品来说，这未必致命。用户还在屏幕前，错了可以纠正。
但真正的自动化系统完全不同。
机器不关心你的回答好不好听，它只需要知道两件事：到底该怎么做，以及你到底有多大把握？
这也就解释了，为什么一个多月后发布的Jev，看起来会如此反常。
所以，Jev干脆不让AI"说话"了
普通大模型哪怕最终只需要回答"A还是B"，往往也要经过生成Token的过程。
Jev直接把这部分砍掉。
它目前主要做三件事：
Noul，回答Yes还是No；
Choice，从几个选项里选一个；
Score，按照标准打分。
然后直接返回判断和概率。
不给你写小作文，也不陪你聊天。
官方公布的端到端延迟低至70—500毫秒，相比前沿模型快20—200倍，价格低40—400倍。
但真正关键的，其实不是"快"，是后面那个概率。
为此，TypeSafe提出了一套新的训练方法：RLCD，Reinforcement Learning for Calibrated Decisions，校准决策强化学习。
它想解决的问题非常现实：如果AI告诉你一件事有80%的概率发生，这个80%到底能不能信？
理想情况下，模型判断为80%概率的一批事情，最后就应该大约有80%真的发生。
这在自动化系统里非常重要。
99%的把握，可以直接执行。
51%的把握，可以扔给更强、更贵的大模型，甚至转给人。
真正麻烦的不是AI不知道，是AI不知道自己不知道。
所以Jev真正想改变的，是AI输出的对象。
过去ChatGPT生成的答案，主要是给人看的。Jev给出的判断和概率，则是准备直接交给软件用的。
Agent时代，可能需要的不是一个更大的大脑
这也解释了为什么Jev偏偏在现在火了。
因为Agent真正运行起来以后，会产生海量的小判断：
下一步调用哪个工具？这个网页该点哪个按钮？这条信息还有没有用？任务到底完成没有？结果要不要重新检查？
这些问题单个看都不难，但一个Agent一天可能需要判断几十万、几百万次。
如果每一次都叫最强的大模型，花几秒钟"深思熟虑"，再吐出一大段Token，成本和延迟很快就上去了。
Jev想抢的，就是这一层。
大量高频的小决定交给Jev，真正需要复杂推理的任务，再交给大模型。
这也是为什么TypeSafe把Jev叫做 System One Model。
这个概念来自丹尼尔·卡尼曼的"系统1"和"系统2"：一个负责快速、直觉式的判断，一个负责慢速、复杂的思考。
Jev甚至连名字都来自"杰文斯悖论"：
一种资源变得越来越便宜，人们未必会少用，反而可能用得更多。
如果调用一次AI很贵，你只会把它用在最重要的地方。
但如果一次AI判断便宜到几乎可以忽略呢？
一封邮件、一条日志、一次工具调用、一个网页按钮、Agent执行的每一步，都可能加入一次AI判断。
当然，现在就说Jev代表下一代AI，还太早。
它所谓的"零幻觉"，更多意味着不会跳出规定的答案类型乱编，不代表不会选错；193.6倍、444.6倍这样的极端数据，也主要来自TypeSafe自己的测试。
但Jev这次爆火真正值得关注的，可能不是它能不能挑战GPT或者Claude。
而是一个参与造出ChatGPT的人，正在重新追问一个更底层的问题：
过去几年，整个行业都在想，怎样让AI想得更久、说得更多。
但如果未来真正需要的是几十亿次机器之间的判断，AI为什么每一次都要先"说一段话"？
ChatGPT教会了机器怎么和人说话。
而Jev押注的下一步是：当人不再坐在屏幕前，机器能不能自己做决定？