ChatGPT 元老打造 Jev 模型：快 200 倍便宜 400 倍，只吐機率不生成文字

TypeSafe AI 前 OpenAI 研究员 Diogo Almeida 于 9 月 15 日正式推出了旗下首款产品 Jev，官方称其为“System One Model”。Jev 不聊天、不写文章，只做一件事：快速进行概率判断。官方公布的示范案例显示，在同一道判断题上，Jev 仅耗时 0.114 秒。

Jev 的命名典故与设计哲学：System One、杰文斯悖论与 Diogo Almeida 的创办初衷

Jev 的命名蕴含两层典故。“System One”借用了心理学家丹尼尔·卡尼曼在《思考，快与慢》中的分类：系统一负责快速直觉，系统二负责缓慢推理；Jev 对标的是系统一，只负责那些无需深思、只需即时作出判断的任务。其名称则来自经济学家 William Stanley Jevons 提出的“杰文斯悖论”——一项资源使用得越高效、成本越低，人类反而会使用得越多。TypeSafe 显然希望 Jev 也能走上这条路，让开发者将其嵌入更多原本舍不得使用 AI 的场景。

Almeida 表示：“AI 要从根本上改变工作的完成方式，人不应成为智慧的唯一消费者。”投资方 DCVC 的合伙人则指出，TypeSafe 想解决的问题，是如何将日益强大的模型转化为开发者能够可靠地、大规模嵌入产品中的技术。

Jev 的三种输出原语、schema 锁定机制与 RLCD 训练方法说明

Jev 与大型语言模型（LLM）采用的是两套完全不同的机制。LLM 逐个 token 生成文本，而 Jev 则接收一段无固定格式的文本，通过一次并行计算，直接输出“类型化的概率决策”。答案格式由 schema（预先定义的字段规则）决定，并提供三种原语：Choice（从最多 255 个预设选项中选择一个）、Score（数值评分）和是非判断（附带概率）。每个答案都会附带经过校准的置信度分数，可用于决定是自动放行，还是转交人工或推理模型复查。

在训练方法方面，TypeSafe 自行研发了 RLCD（校准决策强化学习），有别于业界常用的 RLHF 和 RLVR。由于输出格式受到 schema 锁定，官方称 Jev 不会产生类型错误，并使用了“不会产生幻觉”的表述。

速度与定价的具体数字：每百万 token 0.042 美元、40 至 200 倍速度优势与 LLM 定价对比说明

TypeSafe 官方公布的性能数据显示：Jev 的端到端延迟为 70 至 500 毫秒，而 LLM 执行同类任务需要 3 至 329 秒；总体速度快 40 至 200 倍，成本低 40 至 400 倍。以 GPT-6 Astra 和 Claude Fable 5.1 的平均表现为基准，Jev 最高快 193.6 倍，成本低 444.6 倍。官方称，其智能水平与现有 LLM“相近”。

在定价方面，Jev 的输入价格为每百万 token 0.042 美元，输出免费；LLM 的价格普遍为 0.20 至 10 美元。GPT-5.6 Terra 的输入价格为 2 美元，输出价格为 12 美元。TypeSafe 称，Jev 的基础价格比 Fable 5.1 低 238 倍。TypeSafe 还让 Jev 运行 DOOM 以展示其速度：每秒查询 10 次，每小时成本约为 7 美元。

Jev 的能力限制、适用场景与 The Register 的批评

快速且低价的代价是能力受限：Jev 不能聊天、不能写程序，也无法解释自己的判断依据；它只接受文本输入，无法读取图片、音频或视频；答案始终被限制在预先定义的选项框架内；校准分数只代表模型在统计批量上的准确性，并不保证其在个别案例中判断正确。

The Register 指出，将“不会产生幻觉”作为优势与 LLM 进行比较并不公平——结构化输出和自然语言是两种完全不同的东西，前者没有产生幻觉的空间，并不意味着模型真的更聪明。TypeSafe 建议 Jev 适用于以下场景：

请求分类与路由

发票处理

客服分流

网络安全警报筛选

大规模数据处理

审核 AI agent 的输出

检测越狱攻击

为 LLM 输出增加一层护栏

常见问题

Jev 模型是什么？它与普通 LLM 有什么不同？

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日推出的“System One Model”，不生成文本，只进行概率判断；输入文本后，它通过一次并行计算输出类型化决策，答案格式由 schema 锁定，并提供 Choice、Score 和是非判断三种原语，每个答案都会附带经过校准的置信度分数。