爆火的Jev 是什么：前 OpenAI 研究员做的"不说话"模型，只输出带概率的结构化决策

发布日期：2026-09-20 | 话题：Jev / TypeSafe AI / System One 模型 / AI 自动化决策

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日发布的首个"System One 模型"，由 ChatGPT 核心技术 RLHF 的早期贡献者、前 OpenAI 研究员 Diogo Almeida 创办的团队在两年隐身研发后推出，它不生成任何文字，只接收非结构化状态并返回带校准概率的类型化决策，用于分类、路由、打分、真伪判断等"智能 if 语句"场景。官方称其端到端延迟 70 至 500 毫秒，比前沿大模型快 40 至 200 倍，输入每百万 Token 0.042 美元、输出免费。独立测试显示 Jev 在分类一致率上与 DeepSeek V4.1 Flash 相当、中位延迟 0.32 秒且概率校准方向全部正确，但它不能解释理由、技术细节封闭、基准由官方自评。本文解释 Jev 的工作原理、三种原语、定价、独立实测结果、适用与不适用场景，以及它与大模型的互补关系。

Jev 是什么：一个"前沿智能的函数调用"

Jev 是 TypeSafe AI 推出的决策模型，创始人 Diogo Almeida 在官方博客中将它定义为"a frontier-intelligence function call：非结构化状态进，类型化概率决策出"。它与 ChatGPT、Claude 等大语言模型的根本区别在于不生成字符串，只从开发者预先定义的类型中选择答案，因此官方称它"不会产生类型错误意义上的幻觉"。

TypeSafe 把这类模型命名为 System One 模型，取自心理学家 Daniel Kahneman 在《思考，快与慢》中对"系统一"（快速直觉）与"系统二"（慢速推理）的区分。模型名 Jev 则来自经济学家 William Stanley Jevons，暗示"效率提升会扩大需求"的杰文斯悖论。

Jev 的四个核心特征：

输出：只返回预定义类型的结构化值，不写任何文本。
采样：所有输出并行一次生成，而非逐 Token 自回归。
置信度：每个答案附带经校准的概率或置信分数。
训练：使用 TypeSafe 自研的 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习），优化目标是"带诚实概率的答案"，而非 RLHF 的人类偏好。

TypeSafe AI 是谁

TypeSafe AI 是 Diogo Almeida 于 2024 年离开 OpenAI 后创办的 AI 实验室，自述定位为"面向自动化的机器原生智能基础设施"。据网易智能与 IT 之家 2026 年 9 月的报道，Almeida 是 2022 年 InstructGPT 论文的共同作者之一，参与了 OpenAI 早期 RLHF 与 GPT-4 相关工作。公司隐身两年后于 2026 年 9 月首次公开，多家中文媒体提到其融资额为 4000 万美元，轮次与投资方未见披露。

Almeida 在发布博客中提出的核心问题是："模型在聊天上超越人类已有多年，自动化在哪里？"他的判断是 AI 缺少"软件可以依赖的接口"，Jev 就是这一接口的第一个实现。

Jev 怎么用：三种原语与一次调用

Jev 的 API 只做一件事：发送一份状态（state）和若干类型化问题（questions），并行返回每个问题的结构化答案。据 TypeSafe 官方文档，三种问题原语可在同一次调用中混用：

原语	用途	返回字段
Choice	从最多 255 个选项中选一个	choice、probabilities、confidence
Score	按评分标准给状态打分	score、probabilities、confidence
Noul	判断一条陈述是否为真	noul（0 到 1 的概率）

官方设计原则是每个问题必须是原子的单维度判断，复杂逻辑拆成多个问题后在代码中组合。选项超过 255 个时采用两阶段模式：先独立打分，再显式选择。

TypeSafe 同时开源了一个适配器 system-one-adapter-python，可用同一套 Choice、Score、Noul 接口调用 OpenAI 或 Anthropic 兼容的大模型，便于开发者在成本、速度、准确率上做同题对比。据 GitHub 数据，该仓库创建于 2026 年 8 月 8 日，截至 9 月 20 日有 179 个星标；社区另有 mini-jev、open-alternative-jev 等在本地大模型上模拟 Jev 接口的项目。

定价与速度：输出免费，延迟毫秒级

Jev 目前处于早期访问阶段，通过候补名单逐步开放，服务部署于美国西海岸。据官方博客 2026 年 9 月数据：

指标	Jev	官方给出的前沿大模型参考
输入价格（每百万 Token）	0.042 美元	0.20 至 10 美元
输出价格	免费	约为输入的 5 倍
端到端延迟	70 至 500 毫秒	3 至 329 秒
官方自建工作流评测	最高快 193.6 倍、便宜 444.6 倍	参考概率取 GPT-6 Astra 与 Fable 5.1 平均值

官方承认 193.6 倍与 444.6 倍是"实际收益的上限"，且四个评测工作流由公司内部能力团队编写。第三方模型网关 OpenCode Zen 已上架 jev-1.13 与免费版 jev-1.13-free，定价与官方一致。

独立实测：一致率持平大模型，校准是真实卖点

挪威开发者 Emil Lindfors 于 2026 年 9 月 18 日发布了对 jev-1.13.0 的早期访问测试，是目前少数非官方数据。测试用 24 份挪威语公众听证回复、每份 11 个问题，以 Fable 5.1 盲标两遍作为参考标签，对比经 OpenRouter 调用的 DeepSeek V4.1 Flash。

指标	Jev	DeepSeek V4.1 Flash（关推理）	DeepSeek V4.1 Flash（开推理）
中位延迟	0.32 秒	2.7 秒	26 秒
最慢请求	1.3 秒	17.9 秒	250 秒
每 1000 份文档成本	0.22 美元	1.31 美元	3.08 美元
立场分类一致	20/24	20/24	22/24
论点判断一致率（192 项）	0.86	0.89	0.88
实质性精确分级一致	19/24	14/24	14/24

作者的结论有三点。第一，在 24 份样本下立场与论点三列在统计上无差别，开推理只多换来 2 个标签、代价是十倍延迟。第二，Jev 的概率校准方向全部正确：论点判断中概率落在 0.9 到 1.0 区间的 43 次，参考标签为"是"的比例为 98%；落在 0.0 到 0.1 区间的 14 次，比例为 0%。对照 DeepSeek 开推理时自述置信度 0.7 到 0.9 的判断，参考只同意 48%。第三，Jev 对措辞敏感，把问题写得越谨慎间接，一致率越低，官方已知弱点页也注明模型"按字面读指令"。

适合与不适合 Jev 的场景

Jev 适合需要高频、低延迟、可编程消费的判断型任务，不适合任何需要生成或解释文本的任务。据官方博客与独立测试归纳：

适合

工作流分支：邮件是否投诉、紧急程度、转给哪个部门，一次调用三个问题同时返回。
大规模批处理：对海量文档做 map-reduce 式分类打分，每千份文档成本以美分计。
实时应用：官方 Doom 机器人演示每秒约 10 次查询、每小时约 7 美元。
大模型输出的评分与护栏：对 LLM 回答做质量评分、越狱检测、路由判断。

不适合

需要自然语言解释的强监管场景，Jev 只给数字不给理由，金融、医疗、法律合规审查往往要求可追溯的推理链。
图像输入，官方注明"暂不支持图片"。
非英语长文本，官方称模型"擅长英语、其他语言准确率不一"，独立测试发现挪威语每 Token 约 2.06 字符，32K 状态上限只能装约 6.4 万字符。

在实际系统里 Jev 与大模型是互补而非替代关系：Jev 负责路由、判断和打分，大模型负责生成内容。构建这类混合流水线时，开发者通常需要同时接入多款生成模型，七牛云 AI 大模型广场提供多款主流大模型的统一接入，其 Token Plan 按用量计费。

争议：范式转变还是公关叙事

Jev 发布后在海外社交媒体热度一度超过同期的 Gemini 4 Pro 泄露事件，但质疑同样集中。据品玩、IT 时代网等中文媒体 2026 年 9 月 17 至 18 日的分析：

可解释性缺失：输出只有选项和概率，无法说明理由。
技术细节封闭：RLCD 的奖励函数、网络架构、校准方法均未公开，参数量和上下文长度也未披露。
基准不独立：所有官方分数来自内部评测，参考答案由 GPT-6 Astra 与 Fable 5.1 取平均，被认为"带有公关色彩"。
商业模式待验证：输出免费、输入每百万 Token 0.042 美元被质疑以融资补贴价格，高并发下能否维持低延迟尚无数据。

Almeida 在博客中的回应是"非凡的主张需要非凡的证据"，并公开了四个评测工作流供复现，同时表示"我们喜欢怀疑者，我们自己也是怀疑者"。

常见问题

Jev 是大语言模型吗？

不是。Jev 不做自回归文本生成，官方将其归为 System One 模型，是与 LLM 并列的新模型类别。它能读非结构化文本，但只输出预定义类型的决策和概率。

Jev 会取代 GPT、Claude 这类模型吗？

不会，二者解决不同问题。Jev 只做判断，不能写代码、写文章或对话。官方定位是让 Jev 处理自动化流水线中的决策节点，生成任务仍交给大模型。

Jev 现在能用吗？

处于早期访问阶段，需在 TypeSafe 控制台加入候补名单。第三方网关 OpenCode Zen 已上架 jev-1.13 及其免费版本，可作为试用入口。

Jev 的"不会幻觉"是什么意思？

指类型层面的保证：答案只能是 schema 里定义的值，不会出现格式错误或凭空编造的选项。它仍然可能选错，官方以概率校准而非"永远正确"作为可靠性主张。

Jev 和 OpenAI 的结构化输出功能有什么区别？

结构化输出是让 LLM 逐 Token 生成符合 schema 的 JSON，仍是自回归过程，延迟以秒计且概率不校准。Jev 是并行一次采样所有答案并附带校准概率，延迟以毫秒计，但代价是完全放弃文本生成。

总结

Jev 是 2026 年 9 月最受关注的非 LLM 模型发布，它用"只输出类型化决策与校准概率"换取了毫秒级延迟和接近免费的输出成本，独立测试初步印证了速度、成本和校准三项主张，而准确率与前沿大模型大致持平。它的价值不在替代大模型，而在填补自动化系统中"软件可以直接依赖的判断接口"这一空缺。本文信息来自 TypeSafe AI 官方博客与文档、Emil Lindfors 2026 年 9 月 18 日独立测试、GitHub 仓库数据及同期中文媒体报道，Jev 仍处早期访问阶段，规格与定价可能调整。