决策模型Jev为何爆火快193倍、省444倍关键词Jev、TypeSafe AI、System One 模型、决策模型、Agent 架构目录一、导语为什么这条消息值得关注二、它到底是什么先做概念澄清三、核心设计拆解3.1 跳过自回归解码3.2 RLCD把「校准」放到训练目标里3.3 与通用大模型的关键差异四、真实表现数据怎么说五、谁该用、谁不该用六、冷静视角边界、风险与未解问题总结2026年9月15日前 OpenAI 研究员、InstructGPT 共同作者 Diogo Almeida 创立的 TypeSafe AI 发布了一个不写字的模型 Jev本周在开发者圈快速走红。它带走的不是又一次「模型变大变强」的故事而是一个反向的提问当 AI 越来越多嵌进软件、驱动流程是不是很多环节其实只需要它又快又准地拿个主意而不是陪人长聊。一、导语为什么这条消息值得关注它不走「生成文本」的路线而是只做一件事接收一段状态或数据返回带概率的结构化判断。官方给出的数字是端到端延迟 70~500 毫秒比前沿大模型快最高 193.6 倍成本最低降至约 1/444输入定价 0.042 美元 / 百万 token、输出免费。发布不到一周Vercel 的 AI Gateway 里已有近三成付费团队接入——它被称为该平台采用最快的模型之一。对做 Agent、做自动化工作流的开发者来说这条消息值得认真看它指向的可能是「让 AI 做决定」和「让 AI 写东西」两条路线正式分家。二、它到底是什么先做概念澄清很多人第一反应是「又一个聊天模型」。先把它不是什么说清楚。它不是聊天机器人也不写代码。Jev 不生成任何一段自然语言。你给它一段状态一条工单、一页 DOM、一段日志再预先定义好要问的问题和候选答案它直接返回「选哪个 概率 置信度」。一个客服场景里传统大模型会先把工单读一遍、再一个 token 一个 token 写出「这封邮件看起来属于账单类……」程序还得把这段文字解析回字段Jev 省掉中间那句话直接给结构化结果。它叫 System One 模型名字来自认知心理学。诺贝尔经济学奖得主 Kahneman 在《思考快与慢》里把人的思维分成系统一快、直觉、自动和系统二慢、分析、费力。当下主流大模型越来越像系统二而 Jev 赌的是另一头世界上大量智能任务其实不需要长篇推理只需要一个又快又便宜的判断。模型名 Jev 取自 19 世纪经济学家 Jevons杰文斯悖论单位成本越低总用量反而越高——TypeSafe 想表达的是决策成本打下来之后软件和 Agent 会产生过去因太贵而没出现的判断需求。它只认三种问题。Choice从一组选项里选一个返回每个选项概率 整体置信度、Score按有序档位打分比如低/中/高、Noul回答是非返回 0~1 之间的概率比如「这条消息含注入攻击的概率是 0.93」。同一个请求里可以对同一份状态并行问多个问题多问几个几乎不增加耗时。一个常被忽略的工程价值是与其抛给大模型一个含糊的复合问题不如拆成好几个窄问题并行问——上游代码拿到的是一组互不干扰的概率而不是一段需要二次解析的长文。这也解释了为什么它和「让大模型输出 JSON」不是一回事JSON 模式只约束了输出格式模型仍然在生成文本、仍然可能格式错乱Jev 是直接把决策当成模型的原生接口连「生成文本」这一步都去掉了。那它到底适合解决什么问题一句话凡是输出空间能提前定义、且要被软件直接消费的判断都是它的地盘。图一把任务按「够用的最低一层」分层Jev 处在比通用大模型更靠前、更便宜的决策层三、核心设计拆解3.1 跳过自回归解码常规大模型是逐个 token 生成答案的每一个 token 都依赖前一个。Jev 的目标里没有「一整段文章」自然也不需要慢慢把答案「写」出来。TypeSafe 称其用并行采样替代了顺序生成多个问题在一次单向计算里同时得出。这也是 70~500 毫秒延迟的来源——对软件来说这个速度意味着判断可以塞进一次同步请求而不必变成带队列、重试和结果落库的后台任务。APUS 后来的开源复现也印证了这一点它让本地 9B 模型做一次前向打分直接给出「点哪里、选哪个」的决策从机制上消除了生成错误选择器或格式幻觉的可能。还有一个常被低估的点叫 typesafety类型安全。因为所有可能的输出和类型都提前定义好了模型在结构上就无法凭空编出第四个类别或一段多余的说明。对下游程序来说这意味着解析器永远不会因为「模型突然多说了一句」而崩——这种稳定性恰恰是自动化系统最看重的比单纯快一点更重要。3.2 RLCD把「校准」放到训练目标里Jev 的训练方法叫 RLCDReinforcement Learning for Calibrated Decisions面向校准决策的强化学习名字本身就是对 RLHF 的回应。RLHF 优化的是「人更喜欢哪个回答」适合聊天产品但当模型要进自动化系统真正重要的往往只有两个量答案是什么、这个答案有多确定。RLCD 训练模型在给出结构化决策时输出尽量可靠的概率与置信度——如果一个模型长期对某类判断给出 90% 置信度那这些判断最好真的约有 90% 是对的。这样软件才能围绕概率写逻辑高于 95% 直接执行70% 交给更强的模型继续判断40% 转人工。TypeSafe 把这种能力称为 composable intelligence智能不必每次都以一整段自然语言出现它可以成为软件内部随时调用的一项能力。3.3 与通用大模型的关键差异维度通用大模型GPT / Claude 类Jev 决策模型主任务生成文本与推理结构化决策输出开放文本下游需解析类型确定 概率即取即用延迟秒级公开区间约 3~329 秒70~500 毫秒价格输入约 0.20~10 美元 / 百万 token输入 0.042 美元 / 百万 token输出免费能否解释能写理由不能最佳场景写作 / 编码 / 复杂分析分类 / 路由 / 打分 / 高频判断为什么这点对 Agent 尤其关键一个 Agent 跑起来本质是个循环模型决定下一步做什么工具去执行模型再评估结果然后继续。这个循环里每一次决策都要再调一次模型。过去为了一个「是或否」却唤醒了千亿参数的大模型慢慢把答案「写」出来延迟层层累加、成本迅速失控只要某一步 JSON 格式解析失败整条流水线就卡死。Jev 把这类中间判断从「生成」里剥离出来循环才可能真正跑进工业化规模。这里的瓶颈从来不是核心逻辑不够聪明而是中间的「执行摩擦」太大每一步微小动作都要去调一次千亿参数的超级模型延迟层层累加到几十秒甚至几分钟成本迅速失控更别说某一步 JSON 解析失败就直接卡死半路。把高频、边界已知的判断交给毫秒级决策模型等于在系统架构里插进一层「前置反射弧」。图二Jev 的能力由预先定义的输出 Schema 锁定——能做的和明确不做的边界四、真实表现数据怎么说这里把「官方说法」「第三方实测」「目前未知」分开看避免把宣传当结论。官方公布的数字。TypeSafe 自有 workflow 评测里Jev 在分类类任务上最高达到 193.6 倍速度优势、444.6 倍成本优势在四个典型企业工作流里准确率 67.8%几乎打平 GPT-5.6 Terra 的 67.9%。公司自己也说明这些 workflow 可能已接近现实收益的高位且测试来自内部团队不排除设计偏差。用作真值标准的参考答案还是由其他大模型跑出来取平均得到的——这一点后面还会回到。第三方实测。Vercel 工程师把一个命令分类任务从 OpenAI 模型换成 Jev观察到 5~18 倍提速且准确率更高另一份邮件分类实测里Gemini 略准但贵 10~20 倍。Every 的评测负责人用 Jev 检查 37 篇文档、完成 777 次独立判断总耗时不到 0.7 秒其中一个写作质量判断任务Jev 约 0.35 秒对照的 Fable 5.1 需要 8.83 秒约快 25 倍、便宜约 580 倍。采用侧的信号也很强上线后 Vercel AI Gateway 里 Jev 的团队覆盖率在 9 月 20 日已升至 27.8%请求量占比约 20.8%成为该平台采用速度最快的新模型之一。另一条独立验证来自 APUS 的开源复现其 fast-browser-use 用本地 9B 模型做一次前向打分在消费级笔记本上跑出约 79 毫秒的「快决策」延迟——意味着闭源 API 之外的端侧路线也能验证这套范式。独立测试给出的提醒。一组 2000 封钓鱼邮件的第三方测试里Jev 只问一个问题准确率 62.6%而 Claude Haiku 4.5 是 81.3%但当把问题拆成 5 个更窄的问句时Jev 升到 95.0%。这说明两件事Jev 不是「更聪明」而是「更便宜更快」纯准确率未必占优它的效果高度依赖你把问题问得够不够窄、够不够具体。两个演示一正一反。正向的TypeSafe 让 Jev 玩《毁灭战士》模型读取的是已转成文本和数据结构的游戏状态并非直接看画面每秒约做 10 次决策整套推理成本约 7 美元/小时用来证明高频决策循环可行。反向的browser-use 社区项目的「7.1 秒订机票」演示很吸睛但那只是单一自报任务且明确标注 shadow DOM、iframe、canvas、弹窗等场景不在范围内——速度在单一精心挑选的网站上不等于在杂乱的真实网页上同样可靠。图三Jev 与通用大模型在六个维度上的分工而非谁取代谁五、谁该用、谁不该用最适合的场景有四个共同点高频每天成千上万次小判断不是寥寥几次、边界已知输出空间能提前定义、延迟或成本敏感、并有「拿不准就升级」的兜底。典型如工单路由、内容合规初筛、大批量数据打标、以及在几十个 API 里决定调哪一个。一个正在成形的最佳架构是「外层决策控制器」让便宜的 Jev 坐在昂贵大模型前面先判断要不要做、该调哪个工具、这一步对不对、要不要终止流程只有真正需要写作或深推理时才唤醒大模型。具体到一个研究型 Agent大模型负责制定检索计划Jev 检查计划是否请求了受限数据源、判断现有证据是充足/缺失/矛盾/过期只有需要时大模型才去检索最后再由 Jev 决定输出是交付、送审还是拦截。怎么判断一个任务该不该交给 Jev看四个条件是否同时成立高吞吐、窄问题、错误代价低或有兜底、规则引擎已经明显力不从心。四个都满足就值得试任一个不满足就退回大模型或老规则。还有一个二阶效应值得提判断成本打下来之后很多过去因为太贵而被整个跳过的环节现在可以在流程的每个节点都加一道轻量校验——接收时先筛、调工具前先判、出结果前先核。这些检查以前不是没想到是算过账觉得不划算现在账变了。不适合的场景同样清晰长文写作、写代码、开放式研究、需要向人解释「为什么」的场合以及在金融、医疗、法律这类强监管领域直接做关键决策——因为没有思维链可读合规部门无法追溯它凭什么这么判。代码层面调用方式很轻# 用 TypeSafe SDK 做一次「是否紧急」的判断Noul 类型fromtypesafeimportTypeSafe clientTypeSafe(api_keyYOUR_KEY)respclient.decisions(state用户连续三天连不上 Stripe 账户正在丢单要求尽快处理,questions[{type:Noul,name:is_urgent,instruction:这条消息是否传达紧急或时间敏感}],)print(resp.nouls[is_urgent])# 返回 0~1 的概率如 0.999如果暂时拿不到 API目前仍是候补名单制APUS 已开源 fast-browser-use用本地模型做一次前向打分完成浏览器决策在 M2 Pro 笔记本上离线跑通维基检索任务中位约 18 秒、表单填报约 3 秒零云端调用、零 API 费用代码以 MIT 协议开放。这意味着「决策模型」这条路线不依赖闭源 API 也能在端侧验证。六、冷静视角边界、风险与未解问题热闹归热闹至少三块阴影被刻意回避了。可解释性基本归零。传统思维链模型至少会把「为什么这么选」写在草稿里信贷拒批、交易拦截这类场景合规部门还能追溯Jev 只有干瘪的选项和概率黑盒权重里找不出原因。强监管领域直接撞合规墙。架构与基准都不透明。TypeSafe 宣称发明了 RLCD 取代 RLHF但奖励函数怎么设计、网络结构基于什么、校准概率的数学方法官方均未披露参数规模、backbone、训练数据也全未公开。更微妙的是目前所有基准都来自 TypeSafe 内部评测用作真值标准的参考答案还是由其他大模型跑出来取平均得到的——自证闭环带明显公关色彩。外界至今难以判断这一套里有多少是全新的模型架构、多少只是把输出接口和采样方式重新设计了一遍。定价能否持续要打问号。每百万 token 仅 4 美分、输出完全免费单次结构化决策的成本约 0.0004 美元低到像在拿 4000 万美元融资打价格战。作为对照调用一次 GPT-5.6 Terra 的费用约是其 76 倍Claude Opus 则是数百倍。Jev 仍处小范围邀请内测当大量高并发的真实企业流量涌入能否在保持超低延迟的同时维持收支平衡还是未知数。断言它已经改写格局显然过早——但「让模型少说多做」这条思路确实戳中了当下 Agent 又卡又贵的痛点。总结Jev 不是又一个聊天模型而是一类新物种把「判断」从「生成」里单拎出来用极低成本交给软件直接消费。它的价值不在更聪明而在更便宜、更快、更可预期——适合淹没在高频结构化决策里的自动化系统。对开发者来说眼下最实在的动作是重新审视自己的 Agent那些为了一个「是或否」却唤醒了千亿参数大模型的地方也许都能换成一层毫秒级的决策模型。它取代不了会写会想的模型但很可能重新划分「哪类智能该由谁干」的边界。#Jev #决策模型 #SystemOne #Agent架构 #TypeSafe