Jev：不聊天，只做决策，TypeSafe 推出全新 System One AI 模型

TypeSafe AI 近日正式发布首个 System One Model——Jev。与 ChatGPT、Claude 等擅长生成文字、代码和对话内容的大语言模型不同，Jev 选择了另一条路线：不生成自由文本，而是专门负责快速做出结构化决策。

Jev 已于 2026 年 9 月 15 日开放 Early Access。

简介

TypeSafe 将 Jev 定位为面向软件自动化的 AI 模型。

传统 LLM 接收输入后，会逐 Token 生成文字，再由程序解析模型返回的内容。而 Jev 不负责“写答案”，开发者需要预先定义问题以及允许的输出类型，Jev 根据输入状态直接返回结构化结果、概率以及置信度。

简单来说，如果传统 AI 更像：

“阅读信息 → 思考 → 写一段回答”

那么 Jev 更接近：

“阅读信息 → 判断 → 返回程序可以直接使用的结果”

因此，它更适合分类、路由、评分、筛选和工作流分支等场景。TypeSafe 将这种模式形容为可以嵌入程序中的“智能 if 判断”。

特点

不生成文字，而是输出决策

Jev 最明显的特点就是放弃了自由文本生成。

目前 TypeSafe 公布的工作流主要使用三类判断：

• Noul：类似 Yes / No 判断

• Choice：从多个候选项中选择

• Score：按照指定范围进行评分

这些结果可以直接交给代码继续处理，而不需要先让 AI 输出一段 JSON 或自然语言，再进行解析和校验。

同时，每项判断都会附带概率和置信度，开发者可以自行设置阈值。例如高置信度时自动执行，置信度不足时再交给人工或其他模型处理。

快，而且便宜

由于 Jev 不需要像传统 LLM 一样逐 Token 生成长文本，它可以并行完成多个判断。

根据 TypeSafe 官方公布的数据，Jev 的端到端响应时间约为 70～500ms，输入价格为：

每 10 亿 Input Tokens 42 美元

也就是约 0.042 美元 / 100 万 Tokens，输出则不按 Token 收费。

TypeSafe 在其工作流测试中还给出了最高 193.6 倍速度提升、444.6 倍成本降低的数据。不过官方同时说明，这些数字来自其特定的 System One 工作流测试，并认为它们可能属于实际应用中偏高的提升结果，因此不能简单理解成 Jev 在所有 AI 任务上都比传统 LLM 快或便宜数百倍。

使用范围

Jev 并不是 ChatGPT 的替代品。

它不会帮你写文章，也不是用来聊天、总结长文或者生成代码的模型。它更适合成为软件系统背后的一个“决策组件”。

例如：

客服系统

根据用户反馈判断是退款、技术问题还是账号问题，然后自动分配给对应部门。

AI Agent

判断下一步应该调用哪个工具、执行哪个操作，或者是否需要人工确认。

内容审核与分类

一次完成多个标签、风险等级和内容类型判断。

业务自动化

根据订单、邮件、客户或业务状态做分类、评分和流程分支。

TypeSafe 还展示了游戏 Doom、Wikipedia Wikiracing 等实验，用来演示 Jev 在实时、高频决策场景中的使用方式。

截图

Jev 来自 TypeSafe AI，其创始人兼 CEO Diogo Almeida 此前曾在 OpenAI 和 Google Brain 工作。TypeSafe 官方介绍称，他参与了 RLHF、InstructGPT 相关研究。

TypeSafe 为 System One Model 开发了一套名为 RLCD（Reinforcement Learning for Calibrated Decisions） 的训练方法，即“面向校准决策的强化学习”，重点并不是让模型生成更好的自然语言，而是让模型输出能够直接被软件使用的决策以及相应的不确定性信息。