刚刚，近期备受瞩目的模型 Jev 正式向所有用户开放，不再需要申请候补名单。每位注册用户将自动获得价值 5 美元的额度，折合约 1.2 亿 Token。

Jev 的 Token 消耗远低于传统大模型。据网友实测，百万输入 Token 仅需 0.042 美分，因此赠送的 1.2 亿 Token 足以让用户尽情使用。

体验链接：console.typesafe.ai

在 9 月这个各大模型激烈竞争的时期，即使是 GPT 和 Claude 也无法稳居榜首。最近势头最猛、刷屏全网的模型，却是无法生成完整句子的 Jev。

Jev 的开发者 Diogo Almeida 曾是 OpenAI 的研究员，参与了 ChatGPT 的研发，并提出了基于人类反馈的强化学习算法（RLHF）。

这一算法在某种程度上定义了过去几年大语言模型的发展方向。然而，当这套方法推动整个行业走向繁荣时，Almeida 却对其产生了怀疑。

他表示：“我们有过一次成功的创新，但未能将其转化为真正实用的东西。”

他花了很长时间才意识到问题所在：我们一直在优化人类语言的处理能力……四年间，我们在处理人类语言方面表现出色，但这对于自动化来说并无实际用途，因为计算机使用的是不同的“语言”。

两年前，Almeida 离开 OpenAI，与 Erik Gafni、Sasha Sheng 共同创办了 TypeSafe AI。公司一直处于隐身状态，直到 9 月 15 日才正式亮相，同时带来了两样成果：一是由 DCVC 领投的 4000 万美元种子轮融资，二是他们的首个模型 Jev。

Jev 依然基于 Transformer 架构，但它刻意避开大语言模型路线，不会输出完整句子。

当你向它提供一段程序状态和预先定义好的问题时，它会返回一个类型化的答案，如一个选项、一个分数、一个介于 0 和 1 之间的概率，并附上置信度评分。

TypeSafe 将这种输出称为“校准后的决策”。这也是 Jev 首次进入公众视野时，许多人感到困惑的原因。

截图展示了 Jev 与大语言模型在处理相同请求时的表现对比。

要理解 Jev 的运作方式，不妨先放下大语言模型的思维习惯。以一个客服场景为例：用户发来消息称支付服务连续几天无法连接，已影响生意。此时需要判断：该交给技术还是账务团队，对方的不满程度如何，事情是否紧急。

根据 TypeSafe 的接口设计，同一请求中的问题共享一份输入，但独立并行评估。分类和紧急程度可以同时处理。

具体来说，其输出有三种基本形态。第一种是 Choice，从用户定义的列表中选出一项，最多支持 255 个选项，适用于路由和分类。第二种是 Score，将输入放在用户划定的尺度上打分，用于衡量紧迫程度、质量或风险。第三种是 Noul，本质上是一次是非判断，答案是一个数字，代表该事件为真的概率。

每次回答都会附带完整的概率分布和置信度，结果是强类型化的，无需编写 JSON 提示词、无需额外解析器，也无需担心模型突然输出 Markdown 代码块。

这种方式最直接的好处是节省时间和成本，同时减少自由生成带来的格式错误。TypeSafe 公布的数据显示，Jev 的端到端延迟在 70 至 500 毫秒之间，比同类大语言模型快 20 到 200 倍。

按当前公开价格，输入每十亿 Token 为 42 美元，即每百万 Token 0.042 美元；输出不收费。新增的问题和选项说明仍会占用输入 Token，但不再按生成答案的长度另行收费。

由于用户可以提前定义输出结果，因此模型不会产生幻觉（Jev 不会跳出预先设定的选项范围乱答，但选项范围内答错仍有可能）。

在一场公开的 Ably Pong 演示中，Jev 在 12 秒内做出了 47 次操作决策，而 Gemini、Claude 和 GPT 在同样时间内仅做出两三次，尽管后者在大多数情况下仍给出了正确判断。

在 Ably Pong 演示中，程序直接将游戏中的数字交给 Jev：球的位置、运动方向、球拍的位置，以及球预计到达球拍位置时的纵坐标。Jev 根据这些数字，从“向上、向下、保持不动”三个选项中做出选择。

想借助 Jev 构建可玩的产品，需要游戏程序和实时通信。上述项目由后端负责推进游戏、调用模型，再通过 Ably 将新状态发送给浏览器。也就是说，游戏规则、画面和联网都不是 Jev 生成的，它只被插入到那个反复执行的三选一环节中。

速度带来了应用场景的扩展。Jev 可以用作电脑操作的判断层，指导代理快速执行指令；也可以用于上下文压缩，判断哪些内容是关键信息，从而将上百万 Token 的上下文迅速收窄。

Browser Use 的公开项目 jev-ultrafast，具体实现了浏览器代理。它每访问一个网页，先读取当前可操作的页面元素，整理成带编号的清单：哪些是按钮、输入框，叫什么名字，当前填写了什么。

Jev 接收到这份结构化状态、用户目标以及操作历史。程序给它的选择空间，也由当前页面实际存在的元素动态生成。

以查机票为例，目标可以是“查找苏黎世到伦敦的单程航班，设置指定日期、人数和舱位，出现符合条件的结果后停止”。每一轮，程序会同时问几个问题：下一步应该点击、输入、选择下拉选项，还是等待？如果点击，应该点哪个编号？如果输入，应该填哪个编号？这些问题共享同一份网页状态，但分别作答。

最后程序只采用与实际操作匹配的目标：选择点击，就使用点击目标，其他答案暂时不用。碰到需要输入城市名称时，程序会另行调用一个生成文本的小模型，让它根据目标和当前输入框给出要填写的内容。浏览器执行后，再读取页面的新状态。

Vercel 公司的软件工程师 Pranit Sharma 表示，他的公司曾使用 OpenAI 的 ChatGPT Luna 5.6 运行分类器，以检查命令安全性。当 Vercel 用 Jev 替代 OpenAI 的 Luna 后，处理速度提高了 5 到 18 倍，准确性也大幅提升。

另一位开发者 Bryo AI 的 CTO Nikhil Mudholkar 也对 Jev 和 Gemini 进行了测试，评估它们在分类商业邮件方面的表现。在他的测试中，Gemini 的准确率略高，但成本高出 10 到 20 倍。

我们也可以按此思路自行搭建：先准备一张表，每行包含邮件标题、正文、收到时间和必要上下文。然后将业务拆解成几道明确的问题。例如，一封写着“订单被重复扣款，希望今天处理”的邮件，可以用 Choice 判断应进入售后、销售、合作还是其他队列；用 Noul 判断发件人是否明确要求采取行动；再用 Score 判断处理优先级。

“归根结底，这种方式将幻觉问题的处理责任稍微转移到了用户身上，”Earendil 公司的 CTO Armin Ronacher 解释道。“用户需要决定：如果这种情况出现的概率只有 50%，那或许可以忽略它。但如果概率达到 95%，那我就可以利用它了。”

Ronacher 表示，Jev 的另一个潜在应用是模型路由。预测某个任务是否需要特定模型很有用，但使用大型语言模型完成这一任务成本高昂。而 Jev 成本低廉且运行速度快，因此能够实现实时路由功能。

Jev 这个名字取自 19 世纪的经济学家 William Stanley Jevons。Jevons 提出的悖论指出，当某种商品成本下降时，该商品会被更广泛地使用。在这种情况下，智力成本下降应导致智力的广泛应用。也就是说，调用一旦变便宜，就会被用在更多原本不值得动用的地方。Almeida 显然对这个类比很满意，他设想的未来不是几个庞大应用垄断一切，而是大量微小的智能判断分散在各处运行，“更像早期互联网的样子，而不是现在人们努力搭建的那种大型应用”。

TypeSafe 至今未公开 Jev 的具体架构，外界普遍猜测它是在某个开源大语言模型的基础上改造而来。公司将其称为 System One Models，取自卡尼曼关于直觉思维的概念，强调它依靠直觉判断而非推理链条，并且是针对具体任务专门调校的。

官方建议将复杂判断拆解成几个明确问题，再由代码组合，而不是让模型包办一切。Almeida 透露，他很早就预判到自己会走上处理合成数据这条路，“这或许是我这辈子做过最明智的决定，比公司上市还明智，甚至比依赖真实人类反馈还明智。”

目前市面上采用这种路线的公司只有 TypeSafe 一家，但 Ronacher 预计，随着这种模式的实用价值逐渐被验证，跟进者会陆续出现。TypeSafe 也计划围绕不同场景推出更多版本模型。

被问到公司是否算得上一家前沿实验室时，Almeida 说：“前沿实验室的主要产物要么是恐惧，要么是炒作，我希望我们的主要产品是智慧。我们不属于那种一门心思创造无限财富，或者搞宗教式叙事，或者试图在数据中心里造神的实验室。”

Jev 上线后，需求量一度超出预期，API 短暂无法正常响应。有人用它做小众信息流的筛选，读取过去三天的相关帖子，提出八个问题，运行时间约两秒，单次成本 0.007 美元，用于剔除诱饵内容和隐藏广告。也有团队将其接入整套营销分析流程，扫描 Meta 广告库、比较不同广告格式的存活周期、在拍摄前评估创意脚本的竞争力，把原本需要人工完成的判断提速了 30 倍，成本压到 3 美元以内。AI 少说了很多话，软件却多做了几件事。如需了解更详细信息，可访问亚博官网入口。

本文来自微信公众号“APPSO”，作者：发现明日产品的 APPSO，36氪经授权发布。