Jev：返回类型化校准决策的System One模型

ChatGPT 在 2022 年的横空出世教会了 AI 如何与人对话。如今当初参与打造 ChatGPT 的一位核心成员押注：下一个里程碑属于 AI 与软件对话的场景。TypeSafe AI 正式发布 Jev。Jev 基于 Transformer 架构，但它并非大语言模型。Jev 不生成文本——你向它发送一个状态（state）和带有类型的问题，它返回的是带概率的、代码可直接分支判断的决策。

能否部署？可以作为托管 API 访问，已开启早鸟等待队列。TypeSafe 尚未公布权重、参数规模或自托管选项。

什么是 System One Model？

这个名字借用了 Daniel Kahneman 对「快思考」与「慢思考」的划分。TypeSafe 团队认为，经过 RLHF 微调以适配人类偏好的模型——催生了对话，却也带来了过度自信和模型降级（mode dropping）等问题。这些缺陷使得系统始终无法绕过人类介入。

Jev 采用了一套全新技术栈：新架构、并行采样器，以及用于校准决策的强化学习（RLCD）。TypeSafe 未披露具体架构细节。

Jev API 工作原理

一个端点处理所有请求：POST https://api.typesafe.ai/v1/systemone。请求体携带 state、model，以及一个 questions 映射。文档定义了 3 种问题类型。

Primitive	Ask	Returns
Choice	从列表中选 1 个选项	choice、probabilities、confidence
Score	在有序级别上评分	score、probabilities、confidence
Noul	这个陈述是否正确？	noul，0 到 1 之间的概率值

所有问题针对同一 state 并行、独立运行。TypeSafe 表示，增加问题几乎不影响响应时间。Choice 最多支持 255 个选项。

from typesafe_sdk import Choice, Noul, TypeSafeClient

client = TypeSafeClient()  # reads TYPESAFE_API_KEY
r = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={"billing": "Payment issues", "technical": "Bugs"},
        ),
        "is_urgent": Noul(instructions="The message conveys urgency"),
    },
)
print(r.answers["department"].choice, r.answers["is_urgent"].noul)

安装方式：pip install typesafe-sdk（Python 3.10 及以上）。JavaScript SDK 以 @typesafe-ai/sdk 发布。快速入门还覆盖了 cURL 以及面向 Claude Code 的 agent skill。

置信度即产品

每个 Choice 和 Score 回答都携带一个 0 到 1 之间的置信度值。TypeSafe 通过概率分布的形态推导得出。在文档示例中，billing 以 0.84 胜出，但置信度仅为 0.596，因为 technical 仍保有 0.159 的概率。

文档给出了 3 条路径：高置信度直接执行；中间地带送人工复核；低置信度转交人类处理。阈值应随错误行动的成本动态调整。

定价、速度与基准测试的细枝末节

Jev 输入 token 定价为每 10 亿 token 42 美元。TypeSafe 列举的现有 LLM 定价区间为每 100 万输入 token 0.20 到 10 美元。在其录制的演示中，Jev 完成一次调用耗时 0.114 秒，花费 0.000081 美元。GPT-5.6 Terra 耗时 8.566 秒，花费 0.013880 美元。

TypeSafe 团队宣称 Jev 速度快 193.6 倍、成本低 444.6 倍。但需要注意以下几点：

• 对比基准答案是 GPT-6 Astra 和 Fable 5.1 的平均值。
• 工作流评估由 TypeSafe 内部能力团队编写。
• TypeSafe 预期这些收益处于实际使用的高端区间。
• TypeSafe 无法证明定价不含补贴。
• 「零幻觉」仅指 schema 匹配有保障，0% 这个数字并非基于经验测得——答案仍可能出错。

开发者们正在用 Jev 构建什么

发布后数日内社区项目便已涌现。举例如下：

• 命令安全性：Vercel CEO Guillermo Rauch 报告 Jev 在 p95 延迟下比 GPT Luna 快最高 18 倍，且更准确。他的帖子提到 fx reviewer 仍运行在 Luna 上。工程师 Pranit Sharma 分享了该基准测试。
• 邮件分类：Bryo AI CTO Nikhil Mudholkar 发现 Gemini 准确率略高，但成本高出 10 到 20 倍。
• 浏览器 Agent：Browser Use 的 jev-ultrafast 在 7.1 秒内完成了一次苏黎世到伦敦的 Google Flights 搜索（视频）。
• 手机 Agent：Droidrun 的 mobile-jev 在真实 Android 手机上驱动 Uber 完成操作：约 21 秒执行 9 个动作（视频），但最终未完成预订。
• 视频评分：jevmeter 每次辩论每句话评分约花费 0.05 美元（在 X 上的演示）。
• 实时打字：Steve Krouse 的 Typewriter 在你输入时实时更新 16 条判断（可以体验）。
• 游戏：Jev 完成了《星际争霸》首个战斗任务（视频），也在 heist-one 中扮演守卫（视频）。
• Agent 护栏：jev-guard 将每个工具调用评定为 deny、ask 或 allow（78 秒视频）。
• 数据与家居：pg-jev 为 Postgres 添加自然语言过滤。HA-Jev 将回答转换为 Home Assistant 实体。

交互式解说

Jev 输出的是带概率的 typed decisions，而非字符串。

3 种原语（Choice、Score、Noul）可以在 1 个请求中共享。

输入 token 成本为每 100 万 0.042 美元，输出 token 免费。

TypeSafe 报告端到端响应时间为 70ms 到 500ms。

主要基准测试由厂商自行运行，请在自有数据上测试。