作者丨晨阳 编辑丨子钺
硅谷AI圈近日被名为Jev的模型刷屏。该模型不生成文本，仅输出判断结果。上线Vercel AI Gateway 24小时内，近13%的付费团队开始使用，首日采用率超同期新模型两倍以上；36小时内吸引14万名开发者涌入内测。
Jev背后的TypeSafe AI成立于2024年，由前OpenAI研究员Diogo Almeida联合创立。2026年9月15日，结束两年隐身研发后产品正式亮相。公司同步宣布完成4000万美元（约合2.7亿元人民币）种子轮融资，由DCVC领投，估值约2亿美元（约合13.4亿元人民币）。
教ChatGPT“说话”的核心作者，打造了一个不“说话”的模型
Diogo Almeida是2022年InstructGPT论文主要作者之一，参与建立了让ChatGPT学会“好好说话”的RLHF训练流程。2024年，他在峰会上公开反思：AI能解高数题，但普通企业客服仍需人工兜底，因为优化自然语言能力对计算机自动化帮助有限。
教ChatGPT说话的人，做了一个不说话的模型
Diogo Almeida
带着这一洞察，Almeida离开OpenAI，与计算生物学专家、连续创业者Erik Gafni（任CTO）及前Meta FAIR研究工程师Sasha Sheng（任COO）共同创立TypeSafe AI。团队历经两年隐身研发，打造出与主流路线截然不同的模型。公司名“TypeSafe”寓意输出的确定性与可预测性；模型名“Jev”则源自“杰文斯悖论”，寓意效率提升将激发更大需求。
从左到右依次为：Erik Gafni、Sasha Sheng、Diogo Almeida
“选择题”打败“作文题”：极致的速度与性价比
当主流大模型竞相扩大参数量与推理链时，Jev选择砍掉所有文本生成能力，仅保留“判断”功能，被官方定义为“系统一模型”（System One Model）。输入信息与预定义选项后，它仅返回选择、评分或概率值。
“选择题”打败“作文题”
底层架构革新带来百倍提速
传统大模型采用自回归生成，计算量大；Jev的输出空间预先定义，一次并行采样即可完成。其端到端延迟仅70至500毫秒，比前沿大模型快最高193倍。价格方面，输入每百万token仅需0.042美元，输出免费，单次决策成本约0.0004美元，仅为调用GPT-5.6 Terra的1/76。
精准的概率校准与极简API
Jev为每个答案附上校准概率值，采用RLCD确保“概率必须准”。其API仅支持Choice（多选一）、Score（打分）和Noul（是非判断）三种类型，全程无文本生成。它不同于传统分类器，保留了大模型的零样本泛化能力，无需重新训练即可根据标准进行判断。
Jev上线Vercel的AI Gateway后，24小时内付费团队采用率达13%，是GPT-5.6系列同期的两倍以上。Vercel工程师用它替换原有分类器，速度提升5到18倍且准确率更高。在开发者社区，微信社群运营中的消息过滤、意图识别等高频判断场景成为最热门落地应用，Jev从结构上规避了传统大模型慢、贵及易触发风控的痛点。
微信社群运营中的高频判断场景成为热门落地应用
切入“无对手”赛道，重塑AI Agent架构拼图
避开红海，抢占轻量决策高地
目前，国内外虽有部分企业跟进推出纯判断型产品或决策接口，但多为跟进行为。海外如Cactus Compute的Needle 3主打端侧，Fleet AI侧重现有模型外挂安全层，均未在技术路线上与Jev的“非生成式、并行输出、带校准概率”完全对标。
过去三年业界狂热追求System 2（长程推理与Agent自主运行），导致“纯判断模型”这一中间地带鲜受关注。投资人更偏爱AGI的宏大叙事，使得这类“高级if语句”式的中间路线长期处于视野盲区。
重塑AI Agent架构，建立生态壁垒
从商业逻辑看，Jev并非替代大模型，而是AI Agent架构中的关键拼图：昂贵的大语言模型负责规划与慢思考，高频原子化判断交由Jev等轻量决策模型，两者通过工程层Harness协同调度。Jev爆火后，APUS迅速开源了跨平台复现方案，证明“用模型做Harness”的工程路线已完全跑通。
尽管开源社区已出现复现项目，但TypeSafe的先发优势与开发者生态壁垒难以轻易逾越。当开发者需要做出判断时，第一个想到的便是Jev，这正是其核心护城河。
Jev的爆火揭示了一个被忽视的核心事实：过去三年，主流大模型都在教AI如何“更像人”，却鲜少有人追问软件系统真正需要的是什么。如果AI的终极价值不是变得更聪明，而是变得可靠、廉价且无处不在，那么当系统需要确定性时，AI给出的最终答案应当是——判断。
