TypeSafe Jev 模型解析：一个不生成文本的 AI

lihuu 收录于工具研究

2026-09-18 约 2178 字预计阅读 5 分钟

发布：2026-09-15 官网：typesafe.ai 文档：docs.typesafe.ai Playground：console.typesafe.ai/playground

一、是什么

TypeSafe AI 的第一款模型，创始人 Diogo Almeida（前 OpenAI 研究员、2022 年 InstructGPT 论文共同作者）。公司融资 4000 万美元，蛰伏两年。

核心定位：不是 LLM，一个字的文本都不生成，只输出带校准置信度的结构化概率判定，给软件直接调用。

把「会聊天」换成「会判断」，做机器原生（machine-native）的决策原语。

创始人的出发点：模型聊天能力早就超人，但真正能嵌进代码的自动化还缺关键一环——LLM 输出字符串，要给软件用就得解析 + 校验，还有跑偏风险。

二、三种提问原语

类型	回答什么	返回
Noul	这个陈述是真的吗？	`noul`，0~1 的是/否概率
Choice	选哪个选项？	`choice` + `probabilities` + `confidence`（最多 255 个选项）
Score	在哪个等级？	`score` + `legend` + `probabilities` + `confidence`

三者可混在一次 API 调用里，全部并行评估，共享同一份 state。加问题几乎不增加响应时间。

示例（客服工单路由）：

        
        
        
    
{
  "department": {
    "type": "choice",
    "choice": "technical",
    "probabilities": { "billing": 0.08, "technical": 0.85, "sales": 0.07 },
    "confidence": 0.82
  }
}

设计原则：每个问题只问一件具体的事——「一个有知识的人几秒内能做出的判断」。需要推理链或权衡多因素的，拆成多个问题，在代码里用权重组合。优先级变了就改代码里的系数，不用重写 prompt。

三、核心数据

项目	数值
输入价格	$42 / 十亿 token（$0.042 / 百万）
输出价格	免费
延迟	70ms ~ 500ms
宣称加速	工作流场景下快 193.6 倍、便宜 444.6 倍
对比	比 Claude Fable 5.1 输入价低 238 倍
请求预算	约 32000 token / 15 万英文字符

真实成本参考：

1000 条 RSS 判断 ≈ 2 分钱
37 篇文档 × 21 个问题（777 个判断）≈ 0.25 美分

价格可信度：官方自己承认「We can’t prove it isn’t subsidized」——极可能在烧钱换增长，长期价格会降，但这是赌注不是承诺。

四、技术栈（全新三件套）

新架构：不逐 token 自回归生成，一次查询并行返回全部输出
并行采样器：硬件感知，多问题共享 state 独立评估，无 context-rot
RLCD 训练法：Reinforcement Learning for Calibrated Decisions（对比 LLM 的 RLHF / RLVR）。目标是置信度等于真实准确率——标 100 条「90% 愤怒」，就该有 90 条真愤怒

命名：

Jev → 19 世纪经济学家 William Stanley Jevons，Jevons 悖论：效率提升反而让消耗增加。寓意「智能单价每降一个数量级，解锁一个数量级的新用例」
System One → 卡尼曼《思考，快与慢》的系统 1（快、直觉），相对系统 2（慢、推理）

五、怎么用

1. Playground（最快验证）

console.typesafe.ai/playground — 登录后粘一段文本当 state，加问题看结果

2. HTTP API

POST https://api.typesafe.ai/v1/systemone
Authorization: Bearer <API_KEY>
Content-Type: application/json

API key 在 console.typesafe.ai/settings/keys 获取。

3. SDK

Python：pip install typesafe-sdk（需 ≥3.10）
JavaScript：官方有 SDK

4. Agent Skill（对 Hermes / Claude Code 最相关）

npx skills add typesafe-ai/skills --skill typesafe-ai

装完 coding agent 就知道怎么调用，可以在处理任务时用 Jev 做判断。

六、实测表现（第三方）

Every 的 Mike Taylor：

37 篇文档 × 21 个问题 = 777 个判断，不到 0.7 秒，约 1/4 美分
12 段文本挑错：Jev 抓到 7 个缺陷中的 6 个（Fable 5.1 全抓到），但快 25 倍、便宜 580 倍
结论：适合当「知识工作的 linter」，能边干活边反复检查，而不是事后抽查

TypeSafe 自家工作流评测（711 个案例，4 个任务）：

工作流	Jev 准确率	最佳对比	说明
安全事件	61.7% / 0.3s	Opus 66.2% / 15.1s	接近 Sol，低于 Opus
Agent trace 可观测	71.6% / 0.5s	Sol 76.6% / 40.3s	略低但快得多
发票处理	61.8% / 0.5s	Sol 79.1% / 34.3s	最大质量差距
客服	76.0% / 0.4s	Sol 78.3% / 10.1s	接近 Sol，高于 Opus
聚合	67.8% / 0.4s	Sol 74.1% / 23.3s	赢在成本和时间，不是准确率

七、⚠️ 边界与风险

1.「零幻觉」是窄口径宣称

只保证不输出 schema 之外的东西（不会吐非法 JSON），不保证语义正确。可以把正确的部门判成 billing——那是模型错误，不是类型错误。

「零幻觉」≠ 零假阳性、零假阴性、零偏差、零过置信。

2. 基准测试是「模型一致性」不是「真值」

参考答案用 GPT-6 Astra + Claude Fable 5.1 的平均判断，不是独立验证过的正确答案。任务和 harness 都是自家的，承认可能有偏。

3. 校准性未被独立验证

置信度曲线的公开数据缺失。官方建议在自己的数据上测阈值——这是好建议，但不是校准保证。

4. 集成成本转移给你

要自己设计决策图、定标签、设阈值、处理低置信度、评估错误。省掉 token 开销，加上软件工程和评估工作。

5. 其他限制

❌ 没有开源权重，纯 API，不能本地部署
❌ 参数、架构、硬件、训练数据、SLA、速率限制全部未披露
❓ 中文能力完全未知，所有公开评测都是英文
❓ 免费额度未见公开说明
🔒 数据要发给第三方（隐私边界）

八、定位判断

它不是 ChatGPT 的替代品，是「智能 if 语句」/ 决策层。

典型生产栈：

Jev 做分类/路由/打分 → 普通代码执行策略 → 需要写话时再调 LLM 或模板

适合：高频、重复、对同一份 state 做大量小判断的场景——工单路由、检索重排、Agent 安全闸门、大数据 map-reduce 打标、实时应用、写作 AI 味检查。

不适合：写文章、写代码、解释理由、看图、需要推理链的任务、确定性计算（如价格公式）。

真正的价值：不是「快 200 倍」这种营销数字，而是把不确定性明确暴露在代码边界上——模型停在「判断」，代码掌握「阈值、分支、权限、副作用」。这比让 LLM 一口气吐决策 + 动作健康得多。

现状：early access / waitlist，公开证据支持「便宜快的判断层」，还不足以支持「前沿智能」的说法。等真值评测和校准曲线出来再看。

最后更新：2026-09-17

来源：TypeSafe 官网 + 官方文档 + 第三方评测（Every、Kingy AI、The Register、The Decoder）

目录