TypeSafe AI发布Jev模型：专注结构化决策的“系统一模型”，速度提升近200倍、成本降低超400倍

SmartHey9月21日消息，TypeSafe AI 近日正式推出 Jev 模型，定位为“System One Model”（系统一模型）——一种不生成文本、专为快速、低延迟结构化决策而设计的新型AI模型，其推理延迟与运行成本显著低于传统大型语言模型。

TypeSafe AI 由 Diogo Almeida 创立。他曾就职于 OpenAI，是 RLHF（基于人类反馈的强化学习）关键技术的核心研究者之一，该技术为 ChatGPT 的诞生奠定了重要基础。公司成立两年，本周结束长期隐身状态，并宣布完成由 DCVC 领投的 4000 万美元种子轮融资。

“系统一模型”这一命名源自认知心理学中的“系统1”概念——指人类快速、直觉式、无需深思的判断机制。Jev 正是为此类高频、固定选项、可量化输出的重复性决策任务而生，典型场景包括内容审核分流、风险概率评估、批量数据标注、自动化流程条件分支等，而非自然语言生成、代码编写或多轮对话。

Jev 完全摒弃自回归文本生成范式，其输出严格限定为三类结构化原语：

Choice（选择）：从预设的有限选项集中（最多255项）选出最优项，并返回各选项对应的概率分布或置信度评分。

Score（评分）：依据输入，在指定数值区间（如0–1）内输出连续型评分及对应置信度。例如客户流失风险值、内容质量分、排序权重等，适用于分级、排序与批量标注任务。

Noul（布尔概率）：针对明确的是/否问题，输出经校准的概率值（如“该内容违规概率为87.3%”）及置信度，可用于多模型结果交叉验证、低置信预警触发，或驱动自动化工作流中的逻辑跳转。

在训练方法上，Jev 采用自主研发的“校准决策强化学习”（Reinforcement Learning for Calibrated Decisions, RLCD），核心目标是使模型输出的置信度与其实际准确率高度一致——例如当模型对100个预测均给出70%置信度时，其中约70个应为正确结果。这一特性使其特别适用于需可信度保障的生产级决策场景，如金融风控、合规审核与模型可信性评估。

TypeSafe 表示，在同等结构化决策任务中，Jev 的推理速度可达前沿大语言模型的20至200倍，单位任务成本仅为后者的1/40至1/400。

其定价模型简洁透明：输入 token 每百万仅需 0.042 美元；由于无自回归解码过程，输出 token 完全免费。

官方公布的基准测试显示，Jev 在部分任务中最高实现193.6倍的速度提升与444.6倍的成本下降——但公司同时强调，该数据反映的是理想条件下的性能上限，实际部署效果将依具体任务与集成方式而定。

为直观展现其实时决策能力，TypeSafe 发布了一段 Jev 实时操控《毁灭战士》游戏的演示视频：模型以约每秒10次的频率持续输出动作指令，整小时推演成本仅约7美元；在维基百科链接导航任务中，Jev 的完成效率亦超越多个以高速非推理模式运行的先进模型。