TypeSafe AI推出Jev结构化决策模型

TypeSafe AI 正式结束隐身状态，推出名为 Jev 的 AI 模型。该模型被定义为“System One Model”（系统一模型），借鉴心理学中“系统 1”的概念，指向快速、直觉式的判断过程，专门面向固定选项、连续评分或是非概率等重复决策任务。与传统大语言模型不同，Jev 不以生成自然语言、代码或多轮对话为主要输出形式，而是直接返回结构化决策结果。

在输出层面，Jev 只提供三类固定原语。第一类是 Choice（选择），模型从预先定义的选项集合中挑选一项，最多支持 255 个选项，并返回各选项的概率分布或对应置信度。第二类是 Score（评分），模型根据输入内容在指定数值范围内给出评分，并附带置信度信息，官方以 0 至 1 范围内的客户流失风险评分作为示例，其适用场景包括风险分级、记录排序和批量数据标注。第三类是 Noul（布尔概率），模型针对预设问题返回经过校准的是或否概率及置信度，可用于对其他模型的结果执行二次验证、识别低置信度结论，以及在自动化工作流中设置条件分支。

底层训练方式上，TypeSafe 采用“校准决策强化学习”（RLCD），目标是优化模型置信度与实际正确率的对应关系。举例来说，当模型在多个预测中给出 70% 置信度时，理论上约 70% 的相关预测应当正确，这一特性使其适用于风险评分、审核分流与模型输出验证等场景。

性能与成本是 Jev 最突出的卖点。公司声称，在同类结构化任务上，Jev 比前沿大语言模型快 20 至 200 倍，成本低至 40 至 400 分之一。定价方面，输入词元为每百万个 0.042 美元，而由于根本不存在自回归生成过程，输出词元实际上免费。TypeSafe 公布的基准测试数据显示，速度最高提升 193.6 倍，成本最高降低 444.6 倍，但同时承认这些数字代表实际性能的上限。

为展示实时决策能力，该公司发布了一段 Jev 玩《毁灭战士》的视频，其调用频率约为每秒 10 次，每小时游戏费用约为 7 美元。在一项维基百科链接导航基准测试中，Jev 完成任务的速度超越了多个以高速非推理模式运行的前沿模型。

TypeSafe AI 由 Diogo Almeida 成立，他曾在 OpenAI 工作，是 RLHF 研究的幕后功臣之一，而该研究催生了 ChatGPT。公司成立于 2 年前，本周宣布完成由 DCVC 领投的 4000 万美元种子轮融资。Jev 的推出意味着在生成式模型之外，结构化决策模型正成为一条独立的技术路径，尤其适合高频、低延迟且结果需要可解释置信度的自动化场景。