Jev 不写一句话，只做判断题：一个给程序用的 AI 决策模型火了

一个人维护产品时，大量代码其实在做同一件事：读一段输入，判断它属于哪一类、该交给谁、要不要放行。过去这种判断点大多塞给大模型——它先吐几百字，你再用正则和 try-except 把那个”是”或”否”抠出来。一道判断题，走了一趟造句流程。

9 月 15 日，旧金山创业公司 TypeSafe AI 发布了一个叫 Jev 的模型，干的就是把这趟流程砍掉。它不聊天、不写代码、不写文章，连自由文本接口都没有。你给它一段状态（文本、JSON 都行）和一组事先定好的问题，它一次性并行返回带置信度的结构化答案。创始人 Diogo Almeida 是前 OpenAI 研究员、InstructGPT/RLHF 论文作者之一；TypeSafe 2024 年成立，2026 年 9 月走出 stealth，据报道拿了 4000 万美元种子轮（DCVC 领投）。

上线不到一周，X 上相关帖子堆到几百条，Vercel 在 9 月 18 日披露：Jev 接入 AI Gateway 后 24 小时内，约 13% 的付费团队已经在使用，是 Gateway 历史上采用最快的新模型之一。

它到底是什么

TypeSafe 把它叫「System One Model」，借的是卡尼曼《思考，快与慢》里 System 1 的概念：快、直觉、直接的判断，对应传统大模型那种逐 token 慢思考的 System 2。一句话定位：

非结构化状态进，有类型的概率决策出。

Jev 只回答三种题：

Choice（选择）：从你预设的选项里挑一个，最多 255 个。返回概率分布 + 置信度。
Score（打分）：在有序标尺上给分（如 1-5 愤怒值）。
Noul（是非）：返回”为真”的概率，0 到 1。

所有问题在一次前向计算里并行完成，没有自回归生成。带来的直接好处是不会类型错误、不会输出选项之外的东西——你规定类型只能是 A/B/C，它不会突然返回 D，也不会吐出一段坏掉的 JSON。TypeSafe 管这个叫”零幻觉”，但要打个折：它只保证不越界，在合法选项里选错照样会发生。

训练方法叫 RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习），目标是让置信度像靠谱的天气预报——说 80% 把握时，统计上真的大约对 80%。这件事做成了，工程上才有意义：你可以放心写分流逻辑，高把握自动过，低把握转人工或转大模型。

为什么突然刷屏

核心就两条：便宜、快。

定价：$0.042 / 百万输入 token，输出免费。作为对比，前沿大模型输入普遍 $0.20 起，输出还要贵约 5 倍。
端到端延迟：70-500ms。TypeSafe 自家工作流评测给出最高 193.6 倍更快、444.6 倍更便宜的数字，但这些评测由厂商设计、对 Jev 有利，应理解为特定 System One 负载下的结果，不是”全面强几百倍”。

它抓的是 Agent 里最常见也最被忽略的一环：判断。一个 AI 设计平台收到”帮我做 6 张小红书咖啡品牌图”，Jev 可以负责几十个微决策——这是设计任务吗（99%）、归哪个领域（品牌视觉 81%）、调哪个 Skill（87%）、要不要参考图（否 93%）、结果符合品牌视觉吗（0.89）。真正做创意和出图的还是图像模型。所以理解 Jev 最好的方式不是”又一个 GPT 对手”，而是”AI 里终于有了专门负责 if/else 的模型”。

跟大模型不是替代关系

它和 GPT / Claude 们是分工，不是竞争：

维度	大模型	Jev
核心任务	生成（文字/代码/JSON）	决策（分类/选择/打分）
擅长	对话、创作、推理	路由、判断、实时质检
相对短板	慢、贵、可能跑偏	不生成、不解释、长推理弱

未来更可能的 Agent 形态：用户请求 → 大模型理解规划 → Jev 判断下一步调哪个工具 → 工具执行 → Jev 检查结果是否合格 → 大模型生成最终回答。Jev 处在中间层，做高速 if/else。

能用在哪

已经跑出来的真实用法：

客服分单：读工单+订单历史，一次给出部门、情绪、是否紧急，代码按阈值路由。
内容审核 / 风控：对违规或风险内容做快速筛查。
Agent 工具路由：LangChain 发布第二天就上了 TypeSafeClassifier，把”下一步调哪个工具”从大模型手里接走。
结果质检：Vercel 在 AI SDK 7 的 evaluate 里集成它，做合规审核和事实一致性打分。
实时决策：有人拿它在 Monad 链上每 300ms 做一次买卖判断并真实成交；官方用结构化游戏状态（非画面）玩 Doom，约每秒 10 次判断，一小时成本约 $7。

上手要多少钱、怎么接

官方通道：去 typesafe.ai 排队拿 API Key，有人反馈填完问卷几小时就过。注册送的免费额度约 $5，按每次决策约 $0.0004 算能跑 1.25 万次。
不想排队：OpenRouter 注册后直接调 typesafe/jev；Vercel AI Gateway 和 Cloudflare Workers AI 也都上了，价格与官方一致。
代码：官方有 Python / JS SDK。注意 SDK 读 TYPESAFE_API_KEY，而给 Claude Code / Codex 用的代码评审插件读 JEV_API_KEY，是两个变量，别混。

一个最小例子（Python SDK）：

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
client = TypeSafeClient()  # 默认 jev-latest

ticket = "我连了 3 天 Stripe 一直失败，正在丢单，急！"
resp = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="该转给哪个团队？",
            criteria={"billing": "支付/退款/账单", "technical": "故障/接入问题", "sales": "价格/升级"},
        ),
        "is_urgent": Noul(instructions="是否表达紧急性？"),
    },
)
# 直接进业务代码，不用解析 JSON
if resp.answers["is_urgent"].noul > 0.8:
    escalate_to_oncall()
elif resp.answers["department"].confidence < 0.6:
    send_to_human_queue()

别急着上生产

热度起来后，“快 200 倍""永不犯错""LLM 要被取代”满天飞。有人正经跑了两组实测，结论比宣传冷静：

中文偏弱：TypeSafe 官方文档自己写明了，CJK（中日韩）语言支持但准确率不如英文。海外社区共识更直接——中文判断目前还是国产模型（DeepSeek、Qwen、GLM）更强。你看到的”28 秒 428 条”是英文任务。
对轻量模型不占便宜：@servasyy_ai 用 100 条中文资讯 × 3 道题（300 个判断）对比 Qwen 3.8 Flash，Jev 准确率 94.7% 对 93.0%，两边各花约 $0.003，基本打平。官方”便宜 40-400 倍”比的是前沿大模型。
赢在没有长尾：上海实测中位数约 0.7 秒（慢于官方 0.1 秒口径），但最慢一次只有 1.5 秒；对照 Qwen Flash 最慢一次 32 秒。对卡在主链路上的判断点，可预测比平均快更值钱。
硬伤：数数、精确算术、日期推算不靠谱；长链条多跳推理明显下滑；提示词注入依然有效——涉及退款、资金、删库这类高风险动作，底层硬编码权限拦截该留还得留。

对一人公司意味着什么

一句话：如果你产品里有一个卡在主链路上、每天要跑几十万次的小判断（分类、路由、审核、质检），现在值得去试一把——把那个大模型调用换成 Jev，按置信度设门控阈值，高把握自动过、低把握转人工或转大模型。

但今天上手大概率会被它的中文判断气到，而且样本还太薄、官方通道还在排队、第三方网关不是服务承诺。我的看法和那位实测作者一样：再等等。不过方向是确定的——“给人用的模型”和”给机器用的模型”正在分家，Jev 只是这个趋势的第一个爆款，而且是个英文版的。中文这块牌桌上还没人坐稳。

原文：https://typesafe.ai/blog/introducing-system-one-models-and-jev