今天我们来扒一扒最近爆火的Jev

9月15日，前 OpenAI 研究员 Diogo Almeida 带着爆火硅谷的新模型 Jev 出现了。

Jev不是用聊天的形式给用户解决问题。

过去几年，GPT、Claude、Gemini 一直在把大模型往“更会说、更会推理”的方向迭代。

Jev 却走了另一条路，它不像这些大语言模型，Jev一不写文章，二不陪聊天，只负责给软件做判断。

Jev 是美国旧金山创业公司 TypeSafe AI 推出的第一款称作 System One Model。这个名字来自心理学家丹尼尔·卡尼曼的“系统一 / 系统二”理论。系统一是快、直觉、几乎不费力的判断；系统二是慢、费力、逐步推理。当前，主流大语言模型这些年致力于把系统二做强，他们在做长思考、工具调用、写长文。Jev 只做系统一，给软件一次“条件反射”式的判断。

TypeSafe AI的创始人Diogo Almeida（全名 Diogo Moitinho de Almeida），他毕业于美国佐治亚理工学院，先加入了 Google Brain，后来在 OpenAI待了大约四年半。

2022 年那篇改变行业的论文——Training language models to follow instructions with human feedback（InstructGPT），他是主要作者之一。这篇论文告诉世人可以将人类示范、偏好排序和强化学习拧在一起，让模型学会“听人话”。

OpenAI 后来把这套方法用在 ChatGPT 上，Diogo Almeida也被列入 GPT-4 技术报告的贡献者。业界常说他是 RLHF（一套用来让大模型的行为更符合人类期望的训练方法） 和 ChatGPT 的共同发明人之一。

按理说，他应该是对话框时代最得意的人。但事实却非如此，他曾对 TechCrunch （美国科技类博客）说过一句话：ChatGPT 伤了他的心。他的能力固然是惊艳的，可一旦真要嵌进生产系统，摩擦无处不在。他有一句话，大意是：我们手里握着闪电，却并不好用，问题在于我们一直在为人类语言做优化，而计算机说的是另一种语言。

2024年，Diogo离开 OpenAI，和 Erik Gafni、Sasha Sheng（曾工作于 Meta / FAIR）在旧金山创办 TypeSafe AI。公司很低调，只埋头做两件事：一套新的训练方法 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习），以及一种不为聊天，只向软件决策服务的模型形态。

数据方面也押得很极端，他们宣称训练几乎全用合成数据，不做用户数据。

2026 年 9 月 15 日，TypeSafe 带着约 4000 万美元种子轮（DCVC 领投，外界报道估值大约两亿美元量级）和 Jev 一起出山。Diogo 在 X 上问：既然聊天模型已经超越人类了，为什么还没走向 AGI？

他选择的是换赛道：让AI成为代码里的函数调用。

从“AI型对人说话”到“教AI对机器决策”，这不是一个人情绪化的叛逆，而是他看清大模型训练的上限之后的转向，Jev 就是他探索新方向的答案。

我们知道GPT 路线已经把生成能力做了起来，一个模型既能分类，也能写代码、抽取信息、调用工具......AI是“写长文的大模型”，但是当处理一个只需要回答“是/否”的问题时，这其中产生的消耗实在有点浪费，也有点贵。

Jev 在这个耗时和浪费的环节做了弥补，由于GPT的生成能力几乎把理解任务一起吞并，这其中必然消耗大，Jev 做的，则是把“判断”从生成当中拆出来，在做单一判断性任务时就会更加高效，避免浪费，这也是它真正值得观察的地方。

70—500毫秒的响应时间，已经可以放进实时系统。浏览器插件、Agent 路由、交易风控、安全拦截，都可以在一次请求里调用。

如果一个系统每天需要做几百万次“小判断”，让大模型逐次生成答案，成本很快就会上去。Jev 不生成长文本，只返回决策结果，成本结构自然完全不同。

软件真正关心的往往不是“模型选了什么”，而是“这个答案到底有多值得相信”。

概率足够稳定，程序才可以决定什么时候自动通过，什么时候转人工，什么时候交给另一个模型继续处理。

Agent执行任务时，大模型可能需要反复判断：要不要调用这个工具？这条命令安全吗？这封邮件需要升级吗？这个模型够不够用？这些任务每次都要动用长篇推理模型真的没必要。Jev 更加省时省力，与Agent 配合默契。