XNews

TypeSafe AI 推出 Jev:一种系统一决策模型

TypeSafe AI 推出 Jev:一种系统一决策模型

由 ChatGPT 合著者 Diogo Almeida 创立的 TypeSafe AI 发布了 Jev,这是一种名为“系统一”的新型 AI 模型。Jev 不生成自由文本,而是输出带有校准概率的类型安全结构化结果。专为代码中的快速决策(分类、路由、提取)而设计,在处理系统一任务时,Jev 的速度比尖端大语言模型快 20-200 倍,成本低 40-400 倍,响应时间为 70-500 毫秒,且输出令牌免费。

Key insights

架构:无文本生成、并行采样、类型安全

Jev 采用并行采样,所有输出一次性计算,不同于大语言模型的串行令牌生成。它不生成自由格式文本;输出结构预先定义,使类型错误在数学上不可能发生,并消除了幻觉。每个输出都配有认识论上诚实的概率。这基于 RLCD(用于校准决策的强化学习),这是 TypeSafe 开发的一种新训练方法。

性能与定价

响应时间为 70-500 毫秒,而尖端大语言模型为 3-329 秒。输入令牌价格为每百万个 0.042 美元;输出令牌免费。TypeSafe 声称,在处理系统一任务时,Jev 在同等智能水平下速度快 20-200 倍,成本低 40-400 倍。工作流评估使用了 GPT-6 Astra 和 Anthropic Fable 5.1 作为参考;Jev 的相对性能可能被低估。然而,极端的加速倍数(例如 193 倍、444 倍)代表了最佳情况。

目标用例:智能 if 语句

Jev 被设计为代码中需要 AI 判断而非表达的组件。用例包括:工作流中的智能分支(路由工单、情感检测)、大规模数据处理(分类、标注、提取)、实时应用(游戏 AI、动态定价)、以及护栏(检查大语言模型输出的安全性、格式、越狱)。该公司称这些为“智能 if 语句”——即规则引擎过于僵化、大语言模型又太慢或太贵的场景。

社区演示与实验

多个演示展示了 Jev 的能力:实时 DOOM AI 控制(约每秒 10 次调用,每小时 7 美元)、维基百科竞速游戏(比非推理型大语言模型步骤更少)、语义搜索(带含义的 Ctrl+F,例如在 PostgreSQL 中查找“远程工作”)、以及 Manus 团队使用 Jev 在浏览器和 3D 渲染中进行快速决策构建的游戏。这些展示了快速、廉价的决策模型如何实现新的交互方式。

产品定位与定价理念

TypeSafe 的 CEO 解释说,他们押注于任务空间的扩展,而非单位智能的价格战。名称“Jev”参考了杰文斯悖论:随着资源效率的提高,总消耗量增加。免费输出令牌反映了决策成本如此之低以至于不值得计费。该公司已声称实现盈利,并计划继续降低价格。这将 Jev 定位为大语言模型的补充,而非竞争对手,适用于确定性决策节点。

Source posts