Jev AI 是什么？TypeSafe 的"System One Model"一文读懂

这几天 AI 圈又有个新名字在刷屏：Jev AI。有人说它是“杀死聊天”的模型，有人说它是下一个分类神器，还有人已经拿它玩上了 Doom。Jev AI 到底是什么？这篇文章一次讲清楚：它是谁做的、怎么工作、贵不贵、现在能不能用，以及那些宣传数字里哪些能信、哪些要打问号。

一句话：Jev AI 不是聊天模型，是专门做决策的模型

Jev 是美国旧金山公司 TypeSafe AI 在 2026 年 9 月 15 日发布的第一款“System One Model”（系统一模型）。注意，它不是 LLM，不能聊天——你没法跟它闲聊、让它写作文。

它只干一件事：你给它一段非结构化的状态数据（比如一封客服工单、一串用户行为），再给它几个“带选项的问题”，它一次性返回带概率的类型化决策：选哪个选项、每个选项概率多少、置信度多高。官方的 slogan 就是：“unstructured state in, typed probabilistic decisions out”（非结构化状态进，类型化概率决策出）。

“System One”这个名字来自卡尼曼《思考，快与慢》里的 System 1——人类又快又直觉的那套思考。TypeSafe 的野心就是：让机器也有一个又快又便宜的“直觉系统”，专门负责拍板，不负责说话。

名字还有个彩蛋：Jev 取自经济学家杰文斯（Jevons），致敬“杰文斯悖论”——效率提升反而带来总消费量上升。TypeSafe 显然希望：决策越便宜，大家用得越多。

谁做的：ChatGPT 联创之一 + 4000 万美元种子轮

公司：TypeSafe AI，2024 年成立，总部旧金山。
创始人：Diogo Almeida——前 OpenAI 研究员，RLHF 的共同发明人之一、InstructGPT 的联合作者。换句话说，ChatGPT 背后那套“人类反馈强化学习”方法，有他一份功劳。另外两位联合创始人是 Erik Gafni 和 Sasha Sheng。
融资：2026 年 9 月随发布一起官宣，4000 万美元种子轮，DCVC 领投，估值约 2 亿美元。

这个履历值得单独拎出来说：一个 RLHF 联创，出来做的第一个模型居然是“拒绝聊天”的模型。这本身就是个信号——连把聊天模型做得最成功的人之一，都认为“决策”应该从“语言”里独立出来，变成单独的一类模型。

它怎么工作：三原语 Choice / Score / Noul

Jev 的整个 API 只有三种问题类型，官方叫“原语”（primitives）。这不是功能缺失，是故意的设计：

Choice（选择题）：从一堆选项里选一个。比如“这张工单该分给哪个团队？“选项：billing（账单）/ technical（技术）/ sales（销售）。返回：选了谁、每个选项的概率、置信度。一个 Choice 最多支持 255 个选项。
Score（打分题）：在一个有序量表上定位。比如“客户有多生气？“量表：平静陈述 / 有点恼火但客气 / 非常愤怒。返回一个可以落在刻度之间的分数（比如 1.035），外加每个等级的概率和置信度。
Noul（是非题）：“Noul”读作“nool”。比如“客户是否明确要求退款？“返回一个 0 到 1 的概率：0.92 就表示”有 92% 的可能是”。没有置信度字段——因为这个数字本身就是信念强度。

关键点：三个问题可以在一次调用里同时问，针对同一份输入，并行返回。 LLM 是逐 token 生成文本，Jev 是并行出决策。这就是它快的原因。

训练方法也值得一提：TypeSafe 从零搞了一套新方法叫 RLCD（Reinforcement Learning for Calibrated Decisions，为校准决策做的强化学习），不是拿 LLM 微调出来的。架构、采样器都是新的。

Jev 能力地图：中心是类型化决策，三个分支为 Choice（分类/路由）、Score（打分/分级）、Noul（是非判断）；不适合聊天和写作

关键数字：快、便宜，但先看小字

延迟：70–500ms，一次调用走完。
价格：每百万输入 tokens $0.042，输出免费。 注意是反过来的：LLM 是输出比输入贵，Jev 输出的是几个小数字，干脆不收钱。
Doom demo：官方放了个演示——Jev 实时玩《毁灭战士》（Doom），10Hz 决策频率，玩一小时成本约 $7。这个 demo 很会讲故事：它把“70ms 做决策”变成了一个你能看懂的画面。

Jev 与 LLM 基线对比：速度 193x、成本 444x（TypeSafe 官方自测数据）

⚠️ 诚实声明（必读）：你看到的“比对手快 193 倍、便宜 444 倍”，是 TypeSafe 自己跑的评测，目前没有任何独立第三方基准。在有人独立验证之前，请把它当作“公司说法”，不是事实。另外，“不会 hallucinate（幻觉）“这个说法也要打折：Jev 保证的是格式合法（不会输出一个选项之外的东西），但它完全可能自信地选错一个合法的选项。类型安全 ≠ 答案正确。

它和 LLM 的本质区别

	LLM（比如 GPT/Claude）	Jev
输出	文本，一段段生成	类型化数值：选项、概率、分数
速度	逐 token 生成，慢	并行决策，70–500ms
用途	聊天、写作、推理	分类、打分、路由、校验
幻觉风险	会编造、格式跑偏	格式不可能跑偏，但可能选错
计费	输入+输出都收费	输入 $0.042/M，输出免费

一句话：LLM 是嘴，Jev 是手。 嘴负责说话，手负责拍板。未来的 agent 系统里，很可能是 LLM 想、Jev 判。

现在能用吗？

目前是 waitlist（等候名单）制：去 typesafe.ai 官网申请 early access，通过后在 console.typesafe.ai 拿 API key。另外 Vercel AI Gateway 上已经能调到（typesafe-ai/jev），这是个不用等 waitlist 的替代路径。

英文教程已经被 DataCamp、dev.to 抢了先发——但中文区关于 Jev 的内容几乎是空白。这篇文章就是来填这个坑的。下一篇直接写上手教程：从申请、装 SDK 到跑通第一个调用。

FAQ

Jev AI 是 LLM 吗？

不是。Jev 是 TypeSafe AI 的“System One Model”，专门做结构化决策，不生成文本、不能聊天。它的输入是非结构化状态 + 带选项的问题，输出是选项、概率和置信度。

Jev AI 是谁开发的？

TypeSafe AI，一家 2024 年成立的旧金山 AI 公司。创始人 Diogo Almeida 是前 OpenAI 研究员、RLHF 共同发明人、InstructGPT 联合作者。2026 年 9 月拿到 DCVC 领投的 4000 万美元种子轮。

Jev AI 真的比 LLM 快 193 倍、便宜 444 倍吗？

这是 TypeSafe 官方自己跑的评测数字，目前没有独立第三方验证。先当作公司说法，谨慎看待。

Jev AI 现在能免费试用吗？

官方是 waitlist 制，需要去 typesafe.ai 申请。替代路径是 Vercel AI Gateway 上的 typesafe-ai/jev。具体申请和调用步骤见《Jev AI 教程：申请、API 调用与三原语》。

Jev AI 适合用来做什么？

高频、低成本的决策任务：客服工单分类、销售线索打分、内容审核分级、agent 工具调用校验。不适合任何需要生成文本、开放式回答的场景。想知道怎么把这个能力变现，看《用 Jev 搞钱：工单分类、线索打分、Agent 路由》。

参考资料

TypeSafe AI 官网 — 支撑公司、发布日期（2026-09-15）、System One Model 定位、waitlist 申请入口与 Doom 演示的事实；193x/444x 为该站发布的官方自测数据
TypeSafe 官方文档 — 支撑三原语（Choice/Score/Noul）的 API 定义、并行调用、RLCD 训练方法与定价细节