Diogo Almeida发布决策模型Jev：RLCD训练
Sounds almost too good to be true.
跳出传统LLM范式的新颖尝试，用极低算力成本解决特定决策问题，Agent开发者和推理优化者值得关注其RLCD方法与性价比表现。
Sounds almost too good to be true.
听起来好得近乎不真实。
Jev is an AI model built for decisions rather than text generation, introduced by Diogo Almeida and trained using a new method called RLCD.
Jev 是一个专为决策而非文本生成而构建的 AI 模型，由 Diogo Almeida 推出，并采用一种名为 RLCD 的新方法进行训练。
Claimed to be 20–200× faster and 40–400× cheaper than comparable LLMs.
据称其速度比同类大语言模型（LLM）快 20–200 倍，成本更低廉 40–400 倍。
Costs $0.042 per million input tokens, with free outputs.
每百万输入 token 收费 0.042 美元，输出免费。
The trade-off: it cannot generate text. Demos include controlling a game and choosing Wikipedia links. The idea is to embed fast, cheap AI decisions into software.
代价是：它无法生成文本。演示包括控制游戏和选择维基百科链接。 其理念是将快速、低成本的 AI 决策嵌入软件中。
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力