ChatGPT联合发明人推出Jev模型，专攻程序化逻辑决策

专为程序化逻辑设计的‘系统一模型’

TypeSafe公司正式结束两年隐身期，发布其首款AI模型Jev。该公司由OpenAI前核心成员、ChatGPT联合发明人Diogo Almeida创立。Jev被定义为一种‘系统一模型’（System One Model），专为自动化程序化决策而生——它不生成自然语言，也不依赖自回归文本生成，而是将非结构化状态作为输入，在单次并行查询中直接输出类型安全（type-safe）的结构化值。该设计旨在无缝嵌入生产级代码库，从底层规避语法类型错误与输出幻觉风险。Almeida将其比喻为‘前沿智能的函数调用’：输入是非结构化状态，输出是带置信度的、强类型的概率化决策。

硬件感知并行采样与校准型强化学习

Jev的底层架构围绕一项新训练范式——‘面向校准决策的强化学习’（RLCD）构建。不同于主流大模型采用的基于人类反馈（RLHF）或可验证奖励（RLVR）的训练方式，RLCD专注于让模型输出的置信度分数与实际执行准确性严格对齐。其推理引擎采用硬件感知的并行采样器，一次性评估并返回全部结构化结果，而非逐token生成。输出被严格约束于预定义schema内，从而省去了传统大模型部署中必需的解析管道与防护包装层。该采样器支持高达255个离散选项的高基数选择，通过两阶段独立打分—再择优机制完成决策。

性能与成本优势显著

内部测试显示，Jev端到端响应延迟稳定在70–500毫秒区间，远低于当前对话式前沿模型常见的3–329秒延迟。在固定计算图的标准化工作流评测中（对比GPT-6 Astra与Fable 5.1共识基线），Jev执行速度最高达193.6倍提升。输入处理成本为0.042美元/百万token，显著低于通用对话模型0.20–10美元/百万token的典型报价。由于不涉及自回归token生成过程，TypeSafe对输出token不设计量计费。

真实场景压力验证

Jev已在多个高要求场景完成实地验证：在《毁灭战士》（Doom）实时游戏状态中，Jev驱动的反应式Bot以每秒10次查询频率运行，小时成本约7美元；在Wikiracing链路导航测试中，Jev通过同步评估所有候选链接、避免生成幻觉死路，以更少步数完成遍历，表现优于无推理能力的外部模型。实测确认其核心适用场景包括：实时特征提取、PB级数据流水线、输出验证层，以及规则易脆的手动分支逻辑自动化。

开放早期开发者接入

TypeSafe已于今日开放Jev早期开发者访问权限，并启动部署候补名单中的工程团队入驻流程。