TypeSafe AI发布Jev：首个面向软件调用的‘系统一模型’

‘对话人类’之后，是‘对话软件’

2022年ChatGPT开启了AI与人对话的时代；TypeSafe AI联合创始人认为，下一个关键拐点是AI与软件系统直接对话。为此，该公司正式发布Jev——一个基于Transformer、但并非大语言模型（LLM）的新型推理系统。Jev不生成自然语言文本，也不支持聊天交互；它接收结构化状态（state）和类型明确的问题，直接输出可被程序分支逻辑（if/else）消费的带置信度的结构化答案。

什么是‘系统一模型’？

名称源自丹尼尔·卡尼曼提出的‘系统一（直觉）/系统二（推理）’认知双轨理论。TypeSafe指出，当前主流RLHF调优的LLM过度适配人类偏好，导致幻觉、模式坍塌与过度自信，迫使人类持续介入闭环。Jev则采用全新技术栈：定制化架构（未公开细节）、并行采样器，以及名为‘面向校准决策的强化学习’（RLCD）的新训练范式，目标是让输出概率分布真实反映不确定性。

API设计：极简、强类型、并行化

Jev仅提供一个统一端点：`POST https://api.typesafe.ai/v1/systemone`。请求体包含`state`、`model`标识及一个问题映射（map of questions）。官方定义三类原语问题：

• Choice：从预设列表中单选，返回选项、各选项概率及整体置信度；
• Score：在有序等级（如‘低/中/高’）上打分，返回等级、概率分布与置信度；
• Noul：判断陈述真假，返回0–1区间概率值（‘Noul’即‘No/Yes’+‘Uncertainty’的合成词）。

所有问题在相同状态上并行且相互隔离执行，新增问题几乎不增加响应延迟。Choice最多支持255个选项。Python SDK（`pip install typesafe-sdk`）与JavaScript SDK（`@typesafe-ai/sdk`）均已发布，并提供cURL示例及Claude Code插件支持。

置信度：决策可信度的核心指标

每个Choice或Score答案均附带0–1范围的置信度值，由概率分布的集中程度计算得出——例如某次billing选项概率0.84，technical为0.159，则置信度仅为0.596。官方建议按错误代价设定三级响应策略：高置信度自动执行；中置信度人工复核；低置信度交由人类兜底。

性能与定价：激进宣称背后的限定条件

Jev定价为$42/十亿输入token；对比称现有LLM为$0.20–$10/百万token。在其演示中，Jev耗时0.114秒、花费$0.000081完成任务；GPT-5.6 Terra耗时8.566秒、花费$0.013880，TypeSafe据此宣称Jev快193.6倍、便宜444.6倍。但需注意：该基准测试使用GPT-6 Astra与Fable 5.1的平均结果作参考答案；工作流由TypeSafe自身能力团队编写；公司亦坦承‘无法证明价格未受补贴’；所谓‘零幻觉’仅指输出严格符合预定义schema，不保证答案事实正确性。

开发者实测：多场景快速落地

上线数日内，社区已涌现多个应用案例：Vercel CEO验证其在命令安全场景下p95延迟比GPT Luna低18倍；Bryo AI发现Gemini准确率略高但成本高10–20倍；Browser Use实现7.1秒完成Zürich-London航班搜索；Droidrun在真实Android设备上以21秒执行9步Uber操作（未完成下单）；jevmeter以约$0.05成本完成整场辩论逐句评分；Steve Krouse的Typewriter工具支持边打字边实时更新16项判断；Jev还成功运行《星际争霸》首战任务及劫案游戏‘heist-one’中的守卫AI；jev-guard可对每个工具调用实时判定‘拒绝/询问/允许’；pg-jev为PostgreSQL添加自然语言过滤，HA-Jev将答案转为Home Assistant实体。

编者观点

中国AI基础设施厂商可关注‘系统一模型’所代表的范式迁移——当AI从‘内容生成器’转向‘可编程决策引擎’，对低延迟、高确定性、强类型接口的需求将重塑模型部署、评测与商业化路径。