Jev 成為 Vercel 採用速度最快的 AI 模型

重點摘要

Vercel 的數據顯示，Jev 在 9 月 15 日限量發布後的兩週內，已被 35% 的付費團隊使用，成為該公司追蹤的所有模型中，推出前兩週內採用速度最快的模型。其觸及率幾乎是排名第二的 Sonnet 5.5 的兩倍。Jev 的設計目標，是在少數預先設定的輸出選項中快速、低成本地做出選擇。報告也指出，開源模型的使用持續成長，前沿實驗室的支出則大幅增加。這些數據合在一起顯示，開源模型與前沿模型可能互補，而非直接相互取代。

情緒分析

• 文章對 Jev 早期的採用情況大致持正面態度，強調付費團隊迅速採用，以及它在速度與成本方面的潛在優勢。文中將這項成果視為其創造者 TypeSafe AI 的一項重要成就。
• 報導的語氣審慎，並非一味慶賀。文章指出，Vercel 的 AI gateway 只能呈現模型使用情況的一部分，且可能低估 OpenAI 和 Anthropic 等自行營運 API 的供應商。
• 文章對開源模型抱持樂觀看法，並引用其在處理 token 數量與支出中的龐大占比。同時，前沿實驗室支出成長十倍的報告數據，被視為市場正在擴大的證據，不一定代表某一類模型正在取代另一類。
• 整體情緒正面但有所保留：強勁的採用情況與市場成長，並列呈現資料來源的限制及結論適用範圍的限制。

文章正文

根據 Vercel 公布的數據，Jev 已成為採用速度最快的 AI 模型，不過這項紀錄僅適用於該公司分析涵蓋的指標與使用者。Vercel 週四公布的數據顯示，Jev 上線後兩週內，已有 35% 的付費團隊使用。其觸及率幾乎是報告中排名第二的 Sonnet 5.5 的兩倍。Vercel 表示，根據其追蹤結果，沒有其他模型在推出後的前兩週內達到更快的採用速度。

早期的採用成績對 Jev 的創造者 TypeSafe AI 而言是一項重要成果。該模型於 9 月 15 日限量發布，專為一種特定任務而設計：從少數預先設定的輸出選項中進行選擇。它不會生成開放式回答，而是可用於分類資訊，或在明確定義的選項之間做出選擇。報告指出，這種較為專一的設計，使它能以比 Sonnet 等替代方案更低的成本、更快地運作。

當組織需要快速處理大量資料時，這種做法可能很有用。若任務是分類或轉送大量輸入內容，未必需要每次都使用通用模型生成冗長回答。Jev 的設計著重於有效率地完成這類有限的決策。該模型發布後，市場對這類模型的興趣增加，也促使 OpenAI、Amazon 等推出競爭產品。然而，在 Vercel 公布數據之前，公開證據還不足以確認這股關注是否已轉化為大量實際使用。

這些採用數據來自 Vercel 的 AI gateway，這是一項類似 OpenRouter 的統一 API 服務。gateway 讓 Vercel 得以檢視經由其服務的活動，但並不代表整個 AI 模型市場。由於 OpenAI 和 Anthropic 等主要供應商提供自有 API，這些數據可能低估了它們的使用情況。因此，這些數據反映的是 Jev 在 Vercel 可觀測生態系中的發展勢頭，而非其在所有模型使用量中的精確占比。

Vercel 本身也是 Jev 的早期採用者。該公司使用 Jev 取代 GPT-6 Luna，用來分類有害指令。這個例子說明了該模型預定的用途：在範圍明確的分類任務中，從已定義的結果中選擇，可能比使用功能更廣泛的模型實用。報告沒有提供這項部署的其他細節，也未將其結果與先前的系統進行比較。

Vercel 的報告也指出，開源模型持續保持發展動能。這些模型占經由該公司 gateway 處理的 token 數量 70% 以上，並占總支出的近 25%。token 占比與支出占比衡量的是使用情況的不同面向：兩者合在一起顯示，開源模型處理了 gateway 大量的活動，但支出占比相對較低。

與此同時，前沿實驗室的支出成長了十倍，儘管其占整體支出的比例較小。開源模型使用量上升、前沿實驗室支出增加，這兩者的並存顯示市場不同領域都在成長。Vercel 的數據並不能證明某一類模型正在取代另一類。相反地，這些數據支持一種可能性：組織會在某些任務中使用成本較低或具專門用途的開源模型，同時仍持續為其他任務投入資金使用前沿模型。

整體而言，這份報告將 Jev 的快速採用視為 AI 市場變遷的一部分。它精簡而高效率的設計似乎吸引了 Vercel 付費團隊採用，而 gateway 數據也反映出開源模型的廣泛使用，以及對前沿供應商投資的增加。這些發現提供了有用的市場概況，但資料來源有所限制，因此應將其解讀為 Vercel 所觀察到的流量證據，而非整個產業的完整衡量結果。

關鍵洞察表