编者摘要：本次由 ChatGPT 初代核心研究者、InstructGPT 论文作者 Diogo Almeida，正式发布全新 AI 模型 Jev，彻底颠覆传统 LLM 技术范式。过去两年，团队闭门攻关行业核心难题：现有大模型对话能力极强，却始终无法落地大规模软件自动化。根本原因在于传统 LLM 必须通过生成自然语言或结构化文本完成判断，再由程序解析执行，速度慢、成本高、易产生幻觉，不适合高频工业级决策。
Jev 摒弃文本生成逻辑，依托全新 RLCD 校准决策强化学习算法，直接输出带精准概率的结构化决策结果，适配风控判定、业务分流、工具选择、审批判断等场景。相较传统大模型，Jev 提速 20–200 倍、成本降低 40–400 倍，输出 Token 免费，最低延迟仅 70ms，且实现概率校准、无类型错误。
行业正式迈入双层智能架构时代：大模型承担复杂推理规划，Jev 承接海量低成本毫秒级决策。伴随 TypeSafe 4000 万美元种子轮融资落地，AI 竞争核心从 “模型更聪明”，转向低成本、可嵌入全场景的工业级智能决策。
Jev 新模型10关键问题问与答
1. Jev 是谁做的？
由ChatGPT、InstructGPT 联合发明者 Diogo Almeida带队，前 OpenAI、Google、Meta 核心团队两年隐身研发推出的全新一代 AI 决策模型。
2. 为什么要做 Jev？传统 LLM 不够用吗？
传统大模型擅长 “说话、推理、创作”，但不适合软件自动化。每次判断都要生成文本、再解析，速度慢、成本高、易幻觉，无法大规模塞进业务代码。
3. Jev 和普通大模型最大区别是什么？
放弃文本生成，只做结构化决策。不输出废话、不写小作文，直接输出可被代码执行的判断、分类、评分与置信概率。
4. Jev 的核心技术是什么？
全新训练范式 RLCD 校准决策强化学习。不优化话术好听，只优化判断正确率与可信度匹配，90% 置信基本等于 90% 真实准确率。
5. Jev 性能优势到底有多强？
对比传统 LLM 决策任务：提速 20–200 倍、降价 40–400 倍，输出 Token 完全免费，最低延迟仅 70ms。
6. Jev 能解决什么业务场景？
专注高频自动化判断：交易风控、用户分流、审批判定、工具选择、内容核验、智能路由、数据打分等工业级场景。
7. Jev 不能做什么？
不会聊天、不会写作、不会通用创作。它不是替代 ChatGPT，而是替代 LLM 里低效的决策环节。
8. 什么是未来双层 AI 架构？
- System2（大模型）
负责复杂推理、规划、创作、长任务 - System1（Jev）
负责海量、快速、超低成本的代码级智能判断
9. 商业进展如何？
TypeSafe 刚完成 4000 万美元种子轮融资，顶级机构 DCVC 领投，正式进入商业化落地阶段。
10. 这次 AI 革新的核心变化是什么？
AI 竞争不再只比 “谁更聪明”，而是比谁能把智能足够便宜、足够稳，塞进软件每一处 if 判断，真正实现全域自动化。
附录 TypeSafe AI 发布：System One 模型与 Jev
发布时间：2026 年 9 月 15 日作者：Diogo Almeida，TypeSafe 创始人，ChatGPT 联合发明者之一
在参与发明 ChatGPT 之后，我一直在追问自己：为什么具备超人对话能力的大模型，并没有带来通用人工智能 AGI？过去两年，我在低调研发一套全新的模型训练方法 RLCD，以及一款全新的前沿 AI 模型 —— 今天我们正式发布：Jev
-
速度提升 20–200 倍 -
成本降低 40–400 倍（输出 token 完全免费） -
面向决策任务优化的前沿可组合智能
在我看来，这是通往 AI 驱动经济革命最短的路径。
但性能提升并非没有代价：Jev 不能生成文本。把 Jev 和传统大语言模型并排对比，就能清晰看到取舍。一个有趣的类比：用并行计算替代串行计算，当年 Transformer 正是靠这一点超越了 RNN 循环神经网络。
介绍 System One 模型与 Jev
多年前大模型在对话能力上就已经超越人类，但大规模自动化落地为什么迟迟没有到来？这是过去四年驱动我持续思考的核心问题。我曾在 OpenAI 参与研发让语言模型学会遵循指令、与人对话的技术，这套成果最终成为 ChatGPT 背后的核心研究。当时我一度认为对话模型可以通向 AGI。但伴随热度不断发酵，我渐渐意识到：这里缺失了一块至关重要的东西。
经过两年秘密研发、无数技术攻坚与研究突破，我非常激动地宣布：TypeSafe AI 正式推出首款System One 模型。这是一类全新的前沿模型，专门用来快速生成结构化决策结果，可直接被软件调用。
我们从零搭建了一套面向自动化的完整技术栈：全新模型架构、最大化效率的并行采样器，以及我们命名为RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）的训练方法。
首款公开模型 Jev现已开启早鸟访问。在 System One 类任务上，Jev 拥有与现有前沿大模型相当的智能水平，同时速度与效率高出两个数量级。Jev 放弃了自由文本生成能力，但针对结构化输出做深度优化，不会产生幻觉。
你可以把 Jev 理解为具备前沿智能能力的函数调用：输入非结构化状态信息，输出带类型约束的概率化决策结果。
非同寻常的论断，需要非同寻常的证据，下文附上完整验证材料。
新旧前沿模型对比表
实验证据与技术结果
我们本身就是怀疑论者，也欢迎所有质疑。有部分结论很容易自行验证：
-
单次调用速度：我们确实能达到这个速度，目前公开评测是在西海岸服务器（我们服务部署地）搭配笔记本客户端完成。 -
单次调用成本：定价完全透明。我们无法证明定价没有补贴，需要更长时间验证定价可持续性（我们预期未来价格继续下降）。 -
无类型错误：只要找到一个反例就可以证伪，但从原理上这在数学层面是保证成立的。
对于更大胆的论断，我们会尽可能补充细节说明。
并排对比演示
演示直观展现 Jev 和 LLM 的核心差异：Jev 并行输出全部概率，而不是自回归逐 token 生成。字符串文本虽然通用性极强，但代价高昂。放弃自由文本生成，反而赋予我们很多新能力！
补充说明：早鸟用户可以打开演示地址。查询经过高度简化，问题选用可读性强的键名，保证页面输出易懂。输入状态是简短精炼的段落，目的是凸显采样机制差异。较短输入会对我们模型有利。细心的人会发现，本次演示中，唯一和 GPT-5.6 Terra 不一致的地方是「客户流失概率等级」。在我们看来，这个问题本身答案就存在模糊性。本演示选用 GPT-5.6 Terra 默认推理模式，因为我们测试下来，它在平均能力上和 Jev 最具备可比性。顺带一提：正是类似的演示，让我们下定决心全力投入 System One 模型这条技术路线。
工作流评测
我们设计了一套全新评测体系，衡量 AI 嵌入代码后的实际表现。评测不优化固定标准答案，也不固定评测框架和模型（避免通过评测工程造成过拟合）。我们假设存在一个正确的计算图（代码实现的工作流），使用当前最强、最昂贵的外部大模型预测结果作为参考概率。
简单说：所有模型使用完全相同的工作流。我们将结果和最强模型（Astra 与 Fable）的均值做对比。
Jev 表现十分突出，在帕累托最优曲线上取得接近两个数量级的优势。我们也对比了在提示词内完成完整思维链逻辑的 LLM，但这类方案效果显著弱于直接使用工作流。
注：这里的调用任务比上面的并排演示复杂得多，更贴近真实业务自动化生产负载。下面是我们发布 4 套工作流里最简单的一套。
真实世界里最可靠的工作流，往往包含大量独立、拆解后的子问题；细粒度行为依赖概率，而不是离散判定。最终结果是分支逻辑，但得到答案的过程需要大量领域工程，并且要求高度稳定。
全部评测数据、案例、分歧样例、完整查询语句与工作流都可以在 evals.typesafe.ai 查看。
补充说明：官网所说193.6 倍提速、444.6 倍降价，就来自这套评测，属于性能上限，真实场景提升幅度通常会更低。工作流任务没有刻意挑选、美化来抬高模型表现，也不在训练数据分布内。但任务由我们模型能力团队编写，依然可能存在偏差。我们以 GPT-6 Astra 和 Fable 5.1 的平均结果作为标准答案，相当于偏向 OpenAI 和 Anthropic，反而可能低估 Jev 与 DeepSeek 模型的相对能力。LLM 使用我们开源的 system-one-adapter-python 封装库，强制 LLM 输出适配我们 API 的结构化决策。这是从 LLM 获取决策结果最准确的方式，但相比不带概率输出的调用，会更慢、更贵。
幻觉与类型安全
幻觉和类型安全本质上高度相关，我们认为类型安全是自动化系统的基础底线。智能体里出现幻觉式工具调用只是麻烦；但如果系统带有延迟保障，或是多层依赖链路中嵌入 AI，幻觉就是致命缺陷。现有模型无论能力多强，依然会产生幻觉、类型报错。
补充说明：LLM 相关数据来自 OpenRouter，存在潜在偏差：更复杂查询大概率会路由到更强的模型。Jev 的类型安全数据不是实测统计：Schema 结构匹配由机制保证，因此在图表中可以直接记为 0 错误。
趣味演示案例
最激动人心的是这套技术可以解锁全新场景，我们还有很多成果待展示，下面是团队最喜欢两个 demo：
- Doom 游戏
这个 demo 很好地展示实时智能，以及代码 + AI 的可能性。开发工程师原本担心每秒 10 次调用（成本约 7 美元 / 小时），但团队觉得比预期便宜。这个项目很有意思，后续我们会发布详细教程，还计划举办黑客松活动。
说明：demo 输入是带文本的结构化游戏状态，还没有用到图像输入。纯非 AI 的 Doom 机器人可以打得更好；我们的目标是让机器人对不同形式的游戏状态做出反应，并且可以遵循指令。
- 维基竞速 Wikiracing
游戏规则：从一个维基页面出发，仅依靠页面内链接，抵达目标维基页面。每一步需要在数百到数千链接里做选择。这个场景非常适合展示单位时间内的智能收益，同时体现无幻觉在高选项数量场景下的叠加优势。
说明：纯属巧合，第 2、3 轮挑战起始页面都是 “橡皮鸭”，团队成员才发现。本 demo 里 Jev 的提速幅度低于前面案例，因为对比基准是大模型关闭推理模式（Astra 设置最低推理等级）。这是为了让演示观感更流畅；如果开启推理，LLM 表现会差很多。Jev 最高支持 255 个候选选项。当候选集数量很高时，采用两阶段机制：独立打分，再显式决策，因此偶尔会出现延迟小幅上升。
未来规划
Jev 还处在早期阶段，我们还有大量研发计划，会持续迭代交付🔥。今天 typesafe.ai 正式上线，我们会尽快把开发者从候补名单转为正式访问。我们希望听到大家需要自动化哪些决策任务，Jev 在哪些场景好用，又会在哪里失效。告诉我们你想构建哪些科幻级应用！
创立 TypeSafe 的初衷：我们相信 AI 需要一套软件可以信赖的接口。期待看到新应用不断涌现，渗透到开发者社区与整个经济体系。
FAQ 常见问题
“System One 模型” 和 “Jev” 名字的由来
灵感来自丹尼尔・卡尼曼《思考，快与慢》。模型类别名称来自书中概念：系统 1（System 1）—— 快速、直觉式思考；系统 2 是慢速审慎推理。
传统认知里系统 1 思维容易出错。但基于后续我们会公布的理由，我们认为 System One 模型可以做到比替代方案更可靠。
Jev取自威廉・斯坦利・杰文斯（William Stanley Jevons）。我们认为机器智能的发展路径类似煤炭工业：蒸汽机效率提升之后，煤炭需求反而暴涨。智能成本每下降一个数量级，就会解锁多一个数量级的全新应用场景。
备注
- 创始人背景
Diogo Almeida，ChatGPT 联合发明者，前 OpenAI 研究员，离开 OpenAI 后低调两年创立 TypeSafe AI。 - 核心判断
对话型 LLM 虽然聊天能力很强，但自由文本生成、自回归 token 串行输出、幻觉、类型不稳定、高成本，导致很难大规模嵌入软件做自动化。 - Jev 定位：System One 模型
-
❌ 不生成自由文本、代码、对话；✅ 只输出带概率的结构化决策（分类、打分、布尔判断） -
并行一次性输出全部结果，不是逐 token 自回归生成 -
训练方法 RLCD，目标是校准概率，输出置信度 -
无类型错误，消除结构化调用幻觉；延迟 70–500ms - 定价
输入 token $0.042 / 百万 token，输出 token 免费；官方评测最高可达 193.6 倍提速、444.6 倍成本下降。 - 适用场景
软件内自动化决策、路由、风控、大数据批量打分、实时业务逻辑、LLM 结果校验防护；不适合聊天、写文章、写代码。 - 取舍
牺牲通用文本生成能力，换取速度、成本、类型安全、可靠概率置信度，目标是让 AI 真正大规模嵌入软件系统，推动产业自动化。