实测Jev：判断力中游但极速低成本，TypeSafe押注AI机器间交互

事件概述

TypeSafe于9月15日发布名为Jev的“System One Model”，这是一款专注于结构化判断而非文本生成的模型。它接收预定义状态和问题，直接返回选择、评分或真假判断及相应概率，旨在供程序直接调用。上线Vercel AI Gateway后24小时内，近13%的付费团队试用，创下平台历史纪录。

核心信息

1. 性能实测：速度与成本优势显著，准确率居中游

测试选取50条中文电商客服问题，要求模型判断紧急度、购买意向、处理类别和严重度。

• 准确率：Jev完整准确率约为64%–65.2%（得分32–32.6分），在便宜小模型组中排名第二，略低于DeepSeek V4 Flash。相比强组模型如MiniMax M3（准确率约75%+），Jev少做对约5.4题。
• 速度与成本：Jev每题响应时间约0.73–0.75秒，50题总成本约0.002美元，均为测试最低。相比之下，MiniMax M3多花0.0035美元，耗时1.8秒；DeepSeek V4 Flash耗时5.58秒，成本为Jev的2.5倍。
• 结论：Jev并未在智能上碾压同级或更强模型，而是提供了“低延迟、低成本、接受一定误差”的取舍方案。

2. 技术特性：结构保证与概率校准

• 架构：采用新模型架构、并行sampler及RLCD（用于校准决策的强化学习）训练方法。输出空间预先限定，确保不会出现Schema之外的类型错误，即官方所称的“零幻觉”仅指不生成非法选项或格式。
• 阈值波动风险：测试发现部分失分源于数值卡在阈值附近（如人工标注2.00，Jev输出1.99）。重复测试中个别题目出现通过/失分交替现象，表明精确概率输出并不自动等同于业务规则可靠，开发者仍需处理阈值附近的波动。
• 概率校准：TypeSafe致力于让概率成为软件可依赖的信号，若一批判断给出80%概率，长期看应有80%成立。Choice和Score附带概率分布及置信度，辅助程序决定自动执行、补充信息或转交人工。

3. 行业背景与理念转向

• 团队背景：CEO Diogo Almeida是OpenAI InstructGPT研究论文作者之一，曾推动语言模型遵循人类意图。联合创始人Sasha Sheng（前Meta/Facebook）、CTO Erik Gafni等均有深厚工程与研究背景。
• 核心理念：Almeida质疑“聊天模型超越人类却未见大规模自动化落地”。TypeSafe押注未来99%的AI交互发生在机器之间（如Agent路由、工具调用、结果验证），只有1%面向人。Jev是对通用大模型“聊天化”交付模式的反叛，主张将判断接口专门优化以服务于软件执行过程。
• 市场情绪：Jev的热度部分源于团队履历及AI圈对“更高分数、更长上下文”发布模式的审美疲劳。TypeSafe提出“Build Prod, Not God”，强调构建可投入实际使用的产品而非追求模型神化。