Jev 是 TypeSafe AI 本周发布的一款全新 AI 模型，创始人是 Diogo Almeida——他曾是 OpenAI 研究员，参与打造了 ChatGPT，并共同发明了 RLHF（基于人类反馈的强化学习）这项奠定当前大模型时代的关键技术。而 Jev 最特别的地方在于：它不是一个大语言模型（LLM），它不输出文本，而是输出概率。
核心能力
Almeida 在离开 OpenAI 后创办了 TypeSafe AI，目标只有一个：让 AI 真正「有用」，而不是只会说人话。他观察到，过去四年行业一直在优化「人类语言」，但计算机实际需要的是另一种语言——结构化的决策。Jev 正是为此而生。
- 输出概率而非文本：Jev 输出的是「校准决策」（calibrated decisions），即附带置信度的判断结果，而不是一段文字
- 不会幻觉：因为输出空间由用户预先定义，模型无法「编造」不存在的答案
- 极低的成本：输出 token 完全免费，输入 token 按「十亿」计费，而非行业通行的「百万」
- 极快：去掉了语言生成这一步，推理速度大幅提升
- 「System One」模型：专注于直觉式判断，而非逐步推理
技术上，Jev 采用纯合成数据训练，用的是 Almeida 称之为「从校准决策中强化学习」（RLCD）的方法。公司对架构守口如瓶，外界猜测它可能构建在一个开源权重 LLM 之上。
使用体验 / 局限
Jev 目前通过 API 提供服务，主要面向开发者，用来做分类、路由、安全校验这类自动化任务。上线初期需求一度高到公司 API 短暂无法服务用户。
实测数据很亮眼：Vercel 的工程师用它替换 OpenAI 的 ChatGPT Luna 5.6 做命令安全分类，速度提升 5 到 18 倍，准确率反而更高；Bryo AI 的 CTO 拿它和 Gemini 比邮件分类，Gemini 准确率略高，但成本贵了 10 到 20 倍。
局限也很明确：Jev 不能生成文本，只适合「做判断」而非「写内容」；同时，它把「幻觉」问题部分转移给了用户——当模型返回 50% 的置信度时，你需要自己决定是否采信。它更像是 LLM 的「智能校验器」或「低成本路由器」，而非替代品。
综合评分
| 维度 | 评分 | 评价 |
|---|---|---|
| 功能完整度 | 7.5 / 10 | 专注决策/分类，非通用模型，能力单一 |
| 易用性 | 7.0 / 10 | 开发者导向，需预先定义输出结构 |
| 性价比 | 9.5 / 10 | 输出免费、输入按十亿计费，成本极低 |
| 中文支持 | 8.0 / 10 | 语言无关，中文场景同样适用 |
| 输出质量 | 8.0 / 10 | 校准概率可靠、零幻觉，部分任务略逊于 LLM |
综合评分：8.0 / 10
Jev 是一款「反潮流」的产品：在大模型越做越大、越做越贵的当下，它用「放弃语言」换来了速度、成本和可靠性。对需要海量自动化判断的开发者来说，它可能是比 LLM 更务实的选项。想发现更多好用的 AI 工具，欢迎访问 AI Dash。
Pingback: 决策模型爆发：Amazon 开源 Strands Decider 2B，能跑本地的 AI 选路神器 – AI Dash