XNews

TypeSafe AI 推出 Jev,一款决策型 System One 模型

TypeSafe AI 推出 Jev,一款决策型 System One 模型

TypeSafe AI 由前 OpenAI 研究员 Diogo Almeida 创立,于 2026 年 9 月 16 日发布 Jev。这是一款 System One 模型,仅输出类型安全的结构化决策及校准概率,而非自由文本。响应时间在 70 至 500 毫秒之间,比前沿大语言模型快 20 至 200 倍,输入 token 价格为每百万个 0.042 美元,输出 token 免费。Jev 面向分类、路由、评分和提取任务。

Key insights

RLCD 训练解决大语言模型幻觉与校准问题

TypeSafe AI 的 Diogo Almeida 认为,RLHF 本质上会激励模型假装自信并丢弃不确定模式,从而产生幻觉。Jev 使用 RLCD(用于校准决策的强化学习),训练模型提供认识论上诚实的概率。由于 Jev 无法生成自由文本,“幻觉在数学上不可能出现”。每个输出都包含置信度分数,开发者可以设置自主执行与人工升级的阈值。

与前沿大语言模型的性能基准对比

在 TypeSafe 的 Workflow Evals 上,Jev 的响应时间为 70-500 毫秒,而 GPT-6 Astra 和 Fable 5.1 等前沿模型为 3-329 秒。TypeSafe 声称,在同等智能水平下,Jev 快 20-200 倍,便宜 40-400 倍。该公司承认,极端加速(193 倍、444 倍)属于最佳情况。Jev 的速度来自并行采样(所有输出同时计算),而非大语言模型的串行 token 生成。

实际演示:DOOM AI 与 Wikiracing

TypeSafe 展示了 Jev 驱动一个 DOOM 游戏 AI 机器人,每秒约调用 10 次,成本约为每小时 7 美元。在 Wikipedia 竞速(通过超链接从一篇文章导航到另一篇文章)中,Jev 在步数和速度上均优于非推理型大语言模型模式。这些演示表明 Jev 适用于需要重复调用的实时、延迟敏感型决策任务。

目标用例:软件的“智能 if 语句”

TypeSafe 将 Jev 定位用于代码中需要 AI 判断但无需人类可读文本的决策场景。主要用例包括工作流中的智能分支(工单路由、紧急程度评估)、大规模数据处理(对数百万条记录进行分类、打标签、提取)、实时应用(推荐、动态定价、游戏 AI),以及作为大语言模型输出的护栏(以低成本、低延迟检查安全性、格式和越狱尝试)。

定价策略与杰文斯悖论

Jev 的定价为每百万输入 token 0.042 美元(每十亿 42 美元),输出 token 免费。TypeSafe 表示已实现盈利,并计划进一步降价。“Jev”这一名称源自杰文斯悖论,即效率提升导致总消费量增加。该公司押注,将 AI 决策成本降至足够低将引发使用量激增。这与按输出 token 收费的大语言模型提供商形成对比,后者输出 token 可能构成一项重大成本因素。

Source posts