一家安全公司算过一笔账：同样让一个 72B 的大模型给数据分类，让它把答案"写"出来，每条要花一秒；跳过生成、直接从输出分布里读答案，不到 0.1 秒。中间差出来的 8 到 40 倍成本，没有换来任何信息增量——全花在了"好的，让我想想"这类客套话上。
这基本就是 Jev 的全部出发点。
9 月 15 日，旧金山公司 TypeSafe 带着 4000 万美元种子轮（DCVC 领投）出场，发布第一个模型 Jev。它不会聊天，不会写文章，甚至在物理架构上不具备生成一句话的能力。创始团队来头不小：创始人 Diogo Almeida 是 RLHF 和 InstructGPT 的共同发明人——就是把 ChatGPT 从"复读机"调成"助手"的那套技术的发明人之一。
现在，他做了一个相反方向的产品：让 AI 彻底闭嘴。
一、软件要的不是作家，是化验单
你让大模型当客服，客户说"刚买的耳机有杂音，退钱"。它洋洋洒洒输出一大段 JSON，你的程序再写一堆解析代码，还得祈祷它别在格式上出幺蛾子。
但换个场景想想体检：你在意的是医生跟你说了一小时话，还是那张机器可读的化验单——每项指标一个值、一个参考范围、一个异常标记，系统直接入库？
TypeSafe 给这类模型起了个名字：System One 模型，借的是卡尼曼《思考，快与慢》的框架。他们的判断是：软件里绝大多数决策本来就是 System 1 式的——"这条工单分给谁""这条评论是不是广告""现在该买入还是观望"——快、直觉、选项有限。而我们一直在租 System 2（会推理、会写作文的旗舰大模型）去干 System 1 的活，为冗余的表达力按 token 付钱。
Jev 把表达力整个砍掉：非结构化的程序状态进去，带类型、带概率的决策出来。官方延迟 70 到 500 毫秒，输入每百万 token 0.042 美元，输出免费——因为根本没有"输出 token"这回事。
二、三种题型，把格式幻觉关在门外
Jev 不接受自由提问，只提供三种原生题型：
| 题型 | 干什么 | 输出 |
|---|---|---|
| Choice | 在最多 255 个选项里选一个 | 各选项概率 + 置信度 |
| Score | 按你定义的 2~10 档打分 | 分数 + 概率分布 |
| Noul | 判断命题真伪 | 真伪概率 + 置信度 |
因为答案空间提前被物理框死，类型错误和格式幻觉在数学上就不可能出现——它想编都没地方编。
支撑这套玩法的是两个新东西。一是并行采样器：大模型像打字机逐字蹦（自回归），Jev 像盖章，所有决策维度一次性并行算完。二是训练方法 RLCD（强化学习校准决策）：不走 RLHF 那套"取悦人类"的路子，专攻概率校准——说 90% 把握，长期看就真的对 90%。置信度是一等公民，下游代码才敢按置信度自动放权：高于阈值自动执行，低于阈值转人工。
三、48 小时，社区已经把它拆明白了
发布不到两天，GitHub 上冒出一批复现项目。最有意思的是 jevlike：由于 TypeSafe 没公开架构，开发者 vinnylarouge 从模型类型签名反向工程了一套等价实现——把每个选项编码成独立的查询向量，各自对上下文做注意力加权，再用共享点积打分。另一个项目 openjev-sglang 用更野的路子：拿 Qwen3.6-35B-A3B 加 SGLang 前缀缓存模拟同样的接口，64 个决策任务一秒内跑完。
真实世界的早期玩家也已经在晒案例：有人用 Jev 读订单簿做市，模型延迟约 81 毫秒，刚好塞进区块预算；有人给无人机装上它做 2.5Hz 的实时判断。这些项目未必都是 Jev 本尊，但指向同一件事："快速结构化决策"是一个真实存在、且此前一直被大模型高薪聘任的岗位。
应用侧的想象空间也清楚了：Agent 流水线里那些"该调哪个工具、该不该终止、结果靠不靠谱"的高频小判断，用 Jev 扛，官方口径能把昂贵的大模型调用量压掉 90% 以上；海量批处理——两万条评论打标签约 0.2 美元，一千篇论文分类约 0.08 美元——更是直接把"要不要上 AI"的讨论变成了"上多少"。
四、动手之前，先把这盆冷水收好
第一个要泼的，是那句"不会幻觉"。准确的说法是：它不能编造文本，但它完全可以自信地给出错误答案。选错了选项、打错了分，错误依然发生，只是形式从"编故事"变成了"面不改色的错判"。而校准概率是长期统计性质——说 90% 对 90%，是十万次里的 90%，你手头这一单照样可能翻车。
第二个坑是分布漂移。校准建立在训练分布上，客服话术变了、新类型的工单出现了，概率还是照样输出，但已经不再可信——而它不会报警提醒你"我过期了"。任何想让 Jev 接管关键决策的团队，都得自己建监控：定期抽样对账，拿真实结果反查校准曲线。
第三个是数据问题。官方宣传"快两个数量级"，中文圈的转述已经写到了"最高加速 193 倍、便宜 444 倍"——全都是厂商自测。模型处于 early access、闭源商业、没有第三方 benchmark，TypeSafe 用来对比的 LLM 决策基线还是自家的 wrapper，多少有点既当运动员又当裁判。数字可以听，决策先别押上去。
最后一条是天花板：它只能做选择题。255 个选项的上限、2 到 10 档的刻度，意味着一切需要开放生成、需要解释、需要创造的场景，它一概无能为力。如果你的判断本身需要"想清楚再说"，省下的钱一分都省不回来。
五、它不会取代大模型，它会住进大模型旁边
把整件事连起来看，一个分层的模型栈正在浮现：大模型负责表达，Jev 这类决策模型负责拍板，代码负责执行。Agent 的每一次工具调用、每一条内容审核、每一笔自动放款背后，都可能站着一个不说话的裁判。
对普通开发者，我的建议很具体：拿你系统里最烦的那个 if-else 开刀——就是那段堆了十几个 else if、每次业务变更都要改、改完还提心吊胆的逻辑——问问自己，它是不是本质上在做一个选择题。如果是，等 Jev 这类模型开放 API 降价普及，它可能就是你给系统装的第一个"化验科"。
省钱这件事，从来不是靠换一个更便宜的作家，而是想清楚哪些环节根本不需要作家。
相关链接：
- TypeSafe 官方公告：https://typesafe.ai/blog/introducing-system-one-models-and-jev
- jevlike（社区复现）：https://github.com/vinnylarouge/jevlike
暂无评论。