发布日期：2026-10-10

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日发布的 System One 模型，专为软件内部决策设计，不输出自然语言，只返回类型化答案——Choice（单选）、Score（评分）、Noul（是否概率）三种原语，每个答案都约束在代码提供的选项范围内（来源：TypeSafe AI 官方文档，2026-10-10）。发布后 24 天，TypeSafe AI 完成 a16z 领投的 8.7 亿美元融资，估值从种子轮的 2 亿美元升至 75 亿美元，涨幅约 37 倍（来源：百度百家号报道，2026-10-10）。本文基于 TypeSafe 官网和 API 文档，整理 Jev 的架构原理、三种原语用法、与 LLM 的本质区别、定价，以及适合在 Agent 工作流中取代 LLM 的具体场景。

Jev 是什么，System One 是什么意思

TypeSafe 把 Jev 称为"System One 模型"，名字取自卡尼曼《思考，快与慢》中的系统一——快速、直觉、无需深度推理的判断（来源：百度百家号，2026-10-04）。

在 Agent 实际落地时，绝大多数的决策节点都是这类判断：这条日志是否是错误？这张工单该路由到哪个部门？这段内容的情绪是正向还是负向？这些问题不需要 LLM 生成一段解释，只需要一个可以被代码直接使用的答案。Jev 专门处理这类场景（来源：TypeSafe AI 文档 docs.typesafe.ai/primitives，2026-10-10）。

核心差异： LLM 返回的是供人阅读的自由文本，代码必须再次解析才能使用；Jev 返回的是类型化结构体，答案永远在你提供的选项范围内，延迟 70–500ms，输入定价 $0.042/百万 token，输出免费（来源：TypeSafe AI 文档，2026-10-10）。

三种原语：Choice、Score、Noul

以下说明来自 TypeSafe AI 官方文档（docs.typesafe.ai/primitives，2026-10-10）。

Choice（选择） — 答案是一组无序选项之一。适合路由、分类、检测等场景，例如把客服工单路由到对应部门、判断代码使用的编程语言。返回字段：choice（选中项）、probabilities（各选项概率分布）、confidence（分布峰值程度）。

Score（评分） — 答案落在一个有序的连续谱上。适合严重程度、满意度、技能等级等场景。score 可以落在两个相邻级别之间（非整数），返回字段包含 legend（级别对照表）。

Noul（是否概率） — 干净的是/否判断，概率本身就是有效信息。返回 0–1 的连续值，接近 1 表示强烈为"是"，接近 0 表示强烈为"否"，0.5 表示模型对两侧各持 50% 概率，不代表"中等程度"。Noul 没有单独的 confidence 字段。

三种原语可以混合在一次 API 调用中并行评估，增减问题不影响其他问题的结果。

API 接入：三步完成第一次调用

以下步骤来自 TypeSafe AI 官方文档（docs.typesafe.ai/introduction/quickstart，2026-10-10）。

第一步：获取 API Key

前往 console.typesafe.ai/keys 创建密钥。

第二步：发送请求

端点固定为 POST https://api.typesafe.ai/v1/systemone，模型 ID 用 jev-latest（当前映射到 jev-1.13.0）：

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "用户反馈：订单迟迟未到，非常愤怒，要求退款",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "question": "应路由到哪个部门？",
        "choices": ["物流", "退款", "客服"]
      },
      "urgency": {
        "type": "score",
        "question": "紧急程度如何？",
        "levels": ["低", "中", "高", "紧急"]
      },
      "needs_refund": {
        "type": "noul",
        "question": "用户是否明确要求退款？"
      }
    }
  }'

第三步：Python SDK

pip install typesafe-sdk

客户端自动读取环境变量 TYPESAFE_API_KEY，默认调用 jev-latest。

在 Agent 工作流中替代 LLM 的具体场景

TypeSafe 文档（2026-10-10）提出"推测性展开"（Speculative fan-out）：在 Agent 流程的决策节点，预先提问所有可能需要的问题，由代码决定使用哪些答案，而不是等 LLM 一步步推理。

典型替代场景：

  • 内容审核路由：判断内容类型 + 风险级别 + 是否需要人工复核，三问并行，一次调用完成

  • 工单分类与分级：Choice 选部门、Score 定优先级、Noul 判断是否超出 SLA，替代多次 LLM 调用

  • Agent 守门层：在调用昂贵模型前，用 Jev 先判断当前输入是否在任务范围内，confidence 低时上报人工

对于需要统一管理多个模型 API 账单的团队，七牛云 Token Plan 提供 OpenAI 兼容接入点（https://api.qnaigc.com/v1），可将 Jev 与其他主流大模型的调用集中到一个 Key 下管理（来源：七牛云 Token Plan 产品页）。

24 天 37 倍：融资时间线

以下数据来自百度百家号报道（2026-10-10）：

  • 2026 年 9 月 15 日：TypeSafe AI 结束两年隐身，发布 Jev，同步宣布完成 4000 万美元种子轮融资，估值约 2 亿美元

  • 2026 年 10 月 9 日：完成 8.7 亿美元"Series AI"融资，a16z 领投（Martin Casado 进入董事会），红杉资本与 DCVC 跟投，投后估值 75 亿美元

  • 数天内突破 100 万用户，发布三周内单日处理数万亿 token，约 1/3 的财富 500 强在使用

创始人 Diogo Almeida 是前 OpenAI 研究员，参与过 ChatGPT 和 RLHF 的开发（来源：百度百家号报道，2026-10-10）。TypeSafe 团队约 20 人。

本文数据截至 2026 年 10 月 10 日。Jev 三种原语说明、API 端点、模型 ID、定价（$0.042/百万 token 输入，输出免费）、延迟范围（70–500ms）来自 TypeSafe AI 官方文档；融资金额、估值、投资方、用户数据来自百度百家号报道（2026-10-10），TypeSafe 官博未公开具体融资数字。

参考资料