Diogo Almeida 参与发明 ChatGPT 之后，问了自己一个问题：聊天模型已经超越人类了，AGI 为什么还没来？
他在 OpenAI 做了让语言模型遵循指令的核心研究，回头看却觉得方向可能走偏了。RLHF 让模型擅长讨好人类，但也种下了过度自信、模式坍缩和幻觉的根。这些东西对聊天可以容忍，对自动化系统不行。
两年隐身开发后，Almeida 的 TypeSafe AI 发布了 Jev。一个不写代码、不聊天、不生成任何文本的模型。它只做三件事：选哪个、打几分、是不是。然后附上一个置信度概率，告诉程序自己有多大把握。
Almeida 说得很直接：20 到 200 倍速度提升，40 到 400 倍成本下降，输出 token 免费。他称之为「AI 经济革命的最短路径」。
48 小时内，该模型迅速爆红出圈，社区冒出了 14 个开源项目。有人拿它做浏览器 Agent，有人让它控制火箭着陆，Vercel 直接把路由集成进了 eve 框架。
它到底是什么
Jev 的定位出奇简单：一个能读懂自然语言的超级分类器。
输入是非结构化文本或 JSON，输出是带概率的定型决策。不做文本生成。输出空间在 API 定义那一刻就锁死了，永远不出类型错误。Almeida 在博客里写得直白：LLM 再聪明，tool call 里的幻觉对自动化系统就是 deal-breaker。Jev 的 schema 匹配是数学上保证的，0%。
TypeSafe 管它叫 System One Model，名字来自卡尼曼《思考，快与慢》的 System 1，对应 LLM 那种逐 token 生成的 System 2。Jev 这个词取自 William Stanley Jevons，提出 Jevons 悖论的那个经济学家：蒸汽机效率提升后煤炭总消耗反而暴增，因为更便宜的能源解锁了更多用途。Almeida 预计 AI 会走同样的路。
三个基本操作：
Noul：判断一个条件是 true 还是 false，返回概率。比如「这个 ticket 紧急吗？」，返回 {yes: 0.92, no: 0.08}。
Choice：从一组选项中选一个，返回完整概率分布。比如「该转给哪个部门？」，返回 billing: 0.71, technical: 0.18, sales: 0.11。单次最多 255 个候选。
Score：在一个有序尺度上打分。比如「紧急程度 1-5」，返回 {score: 4.2} 加每级分布。
Almeida 的总结：一个 frontier-intelligence 函数调用。非结构化状态进去，类型化概率决策出来。
它为什么这么快
核心不是模型训练，而是推理方式。
标准 LLM 做结构化输出时，一个 token 接一个 token 地自回归生成 JSON，然后程序再解析。生成 {"is_urgent": true, "department": "billing"} 可能要 150 到 500 次顺序推理。不仅慢，偶尔还会出非法 JSON。
Jev 的做法完全不同：
-
上下文和输出 schema 一起做一次 prefill，生成 KV-cache -
给每个字段创建并行分支，复用这份 KV-cache -
每个分支只看自己那几个候选 token 的 logits，其余全 mask -
Softmax 归一化得到概率分布，取最高的
不往外蹦字，一口气读完上下文，同时回答所有问题。把生成问题变成了并行分类问题。
Harsha Gundala 用 Qwen-2.5-1B 做了开源复现。28 字段的企业工单分类：自回归基线 1,900ms，并行 constrained decoding 270ms。7 倍加速，100% schema 合规。他自嘲：「他们隐身开发了两年，我隐身开发了两小时。」Sam Snelling 也开源了 System One Lite，MLX + 本地模型。
推理技巧跟模型架构无关，任何开源 LLM 改推理引擎都能做到。Jev 真正的壁垒是 TypeSafe 用 RLCD（Reinforcement Learning for Calibrated Decisions）专门训练了一个小模型，让它在「做判断」这件事上比通用 LLM 更准、信心更诚实。
RLCD 这个名字值得展开。RLHF 优化人类偏好，RLVR 优化可验证奖励，RLCD 优化的是校准。模型输出的概率和真实准确率对齐：高置信度意味着高准确率，低置信度意味着该把人叫进来。
一个被反复转引的细节：Almeida 在回复里说，生成式 AI 时代之前，模型校准本来就是 ML 的基本功。不校准怎么放进系统里？
速度、成本，还有「输出免费」
TypeSafe 自建了 4 组自动化工作流评测。给 LLM 用了 System One 适配器包一层确保格式兼容，以 GPT-6 Astra 和 Fable 5.1 的平均值做参考答案。
结论：Jev 最高比 Claude Sonnet 5 快 193.6 倍，比 Claude Opus 5 便宜 444.6 倍。
定价公开。输入 token 每百万 $0.042，输出 token 免费。Almeida 说不是补贴，长期只会降。逻辑简单：Jev 根本不生成 token。
端到端 70ms 到 500ms。Almeida 在推上问：「为什么 SaaS 基本还跟 2019 年一样？」他的答案是延迟。现在延迟降了两个数量级，AI 可以进代码内循环了。
官方 Demo
Almeida 发布视频里带了两个 demo，团队最喜欢的。
Doom。Jev 以约 10 次/秒的频率实时控制角色。同时做多维度判断：要不要开火、当前最高优先级目标是什么、此刻该往哪闪避、怎么移动。所有判断在约 100ms 内并行完成，约 $7/小时。
Jev 判断要不要开火（置信度 0.82）、当前最高优先级目标（"restore health" 置信度 0.57）、该往哪闪避（"dodge_left" 置信度 0.43）。Almeida 说之后会办黑客松让大家改着玩。
Wikiracing。从「Baseball」跳到「Sun」，每一步在成百上千个链接中选一个。Jev 对阵 GPT-5.6 Terra、Claude Haiku、Claude Sonnet（非推理模式）。
Jev 更快、步数更少。高基数选择场景下不幻觉的优势会滚雪球。超过 255 个候选时用两阶段处理：先独立打分再精选。
14 个项目，社区在玩什么
0xLogicrw 整理的列表是目前最全的汇总。两天之内冒出来。
模型路由：最早被验证的用例
路由的痛点很清楚：简单任务烧大模型太贵，靠规则判断难度又太脆。Jev 用自然语言理解加概率输出来做，一次前向传播决定交给谁。
jev-codex-router 先让 Jev 判断每轮编程任务有多难，再自动决定交给便宜模型还是强模型。237 个真实 turn 回放，成本降低约 60%。
jev-router（Pratyush Garg）给 Claude Code 和 Codex 做了完整方案。Fast、Balanced、Strong、Long 四个 tier，每轮开始时路由一次，同一轮工具循环复用。作者自测 token 用量降了 43%。/jev-explain 能展示 Jev 的选择理由：复杂度 0.82、推理需求 0.91、工具复杂度 0.64。
Vercel 的动作最快。eve 框架内置了 auto 功能，默认用 typesafe-ai/jev 做评估器，从配置的模型列表自动选择。还提供 evaluate 函数，可以在自定义工具里直接调 Jev 做 choice、score、noul 判断，甚至做 tool approval 自动审批。Vercel AI Gateway 上 model ID 就是 typesafe-ai/jev，不需要等 waitlist。
Riley Brown 用 eve 搭了一个 Agent，前端实时展示 Jev 每次选择。Agent Native 放出完整 prompt，复制粘贴就能让 Claude 或 Codex 自己搭一套。
浏览器自动化
jev-ultrafast（Browser Use 团队）。Jev 每步判断做什么、点哪个元素，需要输入文字时才调小模型。Google Flights 搜航班完整跑完 7.1 秒。Agent 主循环里没有截图，Jev 直接消费结构化 DOM 状态。
编程工具链
Winnow 给 Claude Code 做上下文垃圾回收。Read、Bash、Grep 输出太长时，先让 Jev 判断哪些内容跟当前任务有关。
Jev Review 做代码审查前置筛选，先判断 correctness、security、reliability，再把重点问题交给更重的模型。
Blink 在代码库里做语义寻路。每到一个目录层，Jev 判断哪些文件最可能跟问题有关，把更多搜索资源分配过去。
SemDecide 把 Jev 做成 Unix 命令行工具，直接塞进脚本和 CI。
游戏与物理仿真
1v1 Jev 做了一个 FPS，约 9Hz 判断移动、瞄准、射击、跳跃。
Utkarsh Agrawal 的实验更离谱。MuJoCo 里搭了一个 Falcon 9 级火箭：42 米助推器、425 吨、9 台发动机、真实大气、马赫相关阻力、风速、燃料消耗。Jev 全权控制发射到着陆。没有自动驾驶脚本，没有预设轨迹，代码里没有安全否决。决策频率约 1Hz，输出延迟约 0.4 秒。火箭每 0.8 秒就会变得不稳定一次。
12 次实验后助推器成功着陆。245 次 API 调用，$0.04。Jev 自己在着陆段选了 5 台发动机点火。
量化交易
Prism 让 Jev 判断流动性池的 toxic flow、市场压力、均值回归可能性。默认 shadow/advisory 模式，不直接驱动交易。
Agent 集成与桌面自动化
typesafe-mcp（Go）和 jev-mcp（Node.js）把 Jev 接进了 Claude Code、Claude Desktop 和 Codex。后者封装了事实核验、Prompt Injection 检测和语义排序。
jev-desktop 读取 Accessibility Tree，Jev 判断该操作哪个控件。neo4jev 在知识图谱上做概率寻路。
争议和回应
Niels Rogge 发推吐槽：1200 万次观看就为了一个 JSON 分类器？我们确实在一个泡泡里。
从技术本质看，Jev 做的就是拿预训练模型的编码能力在固定 schema 上做并行分类，跟 BERT 时代的 token 分类没本质区别。
但反驳也有道理。自回归 LLM 在这个领域表现其实很差，伪置信度输出既不准也不便宜，但差得刚好让人继续用。Jev 的真正价值不是分类本身，而是把这件事做到足够快、足够便宜、足够可靠，让它能在代码里被当做函数调用。
Almeida 博客的 FAQ 也坦诚：Jev 不是小号 LLM，用了全新架构、全新采样器、全新训练方法。目标不是传统 benchmark 跑分，是造一个软件能依赖的接口。
一个模式
14 个项目一个模式：Jev 反复做「要不要、选哪个、打几分、下一步干什么」的快速判断。需要生成代码、写文章、复杂推理时，交给传统大模型。
以前 Agent 决策层靠 LLM 生成文本实现。让模型输出一个 JSON 告诉你下一步干什么，然后解析它。一个适合写文章的工具硬做结构化判断。
Jev 把决策和生成了剥离。输出 token 免费这件事也是最精准的商业信号：TypeSafe 赌的是决策调用量会远超生成调用量。
如果 Almeida 的判断是对的，AI 自动化需要的不是一个更强的聊天模型，而是一个软件能依赖的接口。就像 Jevons 悖论说的：效率每提一个数量级，总用量反而暴涨。一个输入 $0.042/MTok、输出免费、70ms 响应的判断原语，可能只是开头。
目前 Jev 还在早期访问阶段，waitlist 批得很快。不想等的可以直接通过 Vercel AI Gateway 调用，model ID：typesafe-ai/jev。
关注公众号回复“进群”入群讨论