Jev 深度解析:不生成文本的 System 1 模型,70 毫秒输出结构化判断

Jev 是 TypeSafe AI 推出的 System 1 快思考模型:不生成文本,而是针对预定义问题返回结构化答案与概率,支持布尔判断、选项选择和打分。本文介绍其原理、训练信息、价格、性能与早期生态集成,说明“零类型错误”不等于答案零错误,并梳理其复杂推理能力不足、中文表现未经充分验证及官方性能数据缺少独立验证等局限。工单分类、内容审核预筛、Agent 动作选择和置信度分流等结构化判断场景值得试用,但目前更适合边缘场景,不宜押注核心链路。

2026 年 9 月 15 日,一家名叫 TypeSafe AI 的公司在 Hacker Night 上发了篇博文。三天后,帖子冲到 1863 分、491 条评论,登顶 Hacker News;一周之内,Vercel、Browser Use 相继官宣集成,OpenRouter 火速上架。主角是一个叫 Jev 的模型,它的卖点听起来像段子:

  • 不生成任何文本,只输出"选择 + 置信度"
  • 输出 token 免费,输入 $0.042 / 百万 token
  • 端到端延迟 70–500ms,官方口径比 LLM 快最多 193.6 倍、便宜 444.6 倍
  • "零幻觉"——类型错误在数学上不可能发生

本文数据截至 2026-09-23。Jev 发布刚满一周,仍处早期访问阶段,性能数字基本来自官方自报,下文会逐条标注水分。

jev 图片

一句话说清 Jev 是什么?

Jev 是一个"快思考"模型:你发给它一段状态(state)和几个预先定义好的结构化问题,它回给你类型安全的答案,外加一个校准过的概率。

它不做对话、不写代码、不写解释。关键认知是:这不是"加了输出限制的 LLM",而是一类新模型。创始人在 HN 评论区(ID:CompleteSkeptic)的原话翻译过来是:它技术上甚至不是一个语言模型——因为它不生成语言。

名字里藏着两个梗

  • 《思考,快与慢》:卡尼曼把人的思维分成 System 1(快、直觉、廉价)和 System 2(慢、深沉、昂贵)。LLM 是典型的 System 2——逐 token 推理;Jev 想做 AI 的 System 1。
  • 杰文斯悖论(Jevons Paradox):19 世纪经济学家 Jevons 发现,蒸汽机效率越高、煤耗越低,煤炭消耗总量反而爆发式增长。TypeSafe 赌的就是这个:智能越便宜,用例越爆发。

顺带一提背景:TypeSafe AI 创始人 Diogo Almeida 是前 OpenAI 研究员,参与过 ChatGPT 的核心训练方法。发布当天他本人在 HN 评论区挨个答疑,被网友戏称"最强售后"。

它到底输出什么:三种原语

整个 API 只有三类问题(官方称之为 primitives):

原语回答的问题返回
Noul(布尔)是还是否?true / false + 概率
Choice(选择)A、B、C 里选谁?选项 + 概率分布(上限 255 个选项)
Score(打分)这件事多少分?数值 + 置信度

为什么快:没有自回归

快的原因很朴素——没有自回归。LLM 生成 100 个 token 要跑 100 次前向传播;Jev 对所有问题只跑一次前向,答案直接从概率头读出、并行返回。

两种调用链对比

输出因此"便宜到不值得计费"(官方原话:too cheap to meter)——输出 token 干脆免费。

训练方法官方只给了一个名词:RLCD(校准决策强化学习)。社区从独立复现项目 jevlike(700+ 星)推测其架构是 Transformer encoder + 分类/回归头:每个选项对 state 做注意力池化,经共享打分头出分后 softmax 归一化——这也解释了 255 的选项上限从何而来。官方未确认架构细节。

"零幻觉"是一场文字游戏

官方宣传"0% 类型错误"。注意:这是 schema 匹配的结构性保证,不是实测统计——它不可能吐出类型之外的值(布尔就是布尔,选项列表之外的字它"说"不出来),但它照样会答错。

"零幻觉" ≠ "零错误"。它可能以 0.97 的置信度给你一个错误答案——只是这时概率本身也会相应地告诉你"我不太确定"是否可信,取决于校准质量。把它理解成"带概率的智能 if 语句",比理解成"不会骗人的模型"更准确。

价格与规格速查(截至 9 月下旬)

项目数字备注
输入价格$0.042 / 百万 token即 $42/十亿;官方称比 LLM 便宜 444.6 倍
输出价格免费"too cheap to meter"
端到端延迟70–500 ms对比 LLM 的 3–329 s
模型版本jev-1.13.0(别名 jev-latest)64k 上下文,仅文本输入
限速25 万 token/s · 1200 请求/分钟早期访问额度
接口POST /v1/systemone⚠️ 不是 OpenAI 兼容接口

特别提醒最后一行:Jev 的端点不是 /v1/chat/completions,所以"改个 base_url 就能用"的中转玩法在这里不成立。目前唯一的第三方通道是 OpenRouter(typesafe/jev-1.13,9 月 18 日上架)。

原生 HTTP 调用长这样,一个端点走天下:

curl https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "客户:我上周的订单还没发货,到底什么时候处理?我已经等不下去了。",
    "questions": {
      "is_urgent": {
        "type": "noul",
        "instructions": "这条消息是否紧急、需要立即处理?"
      },
      "department": {
        "type": "choice",
        "instructions": "这条工单应该由哪个团队处理?",
        "criteria": {
          "billing": "账单退款",
          "technical": "产品故障",
          "sales": "售前咨询"
        }
      }
    }
  }'

返回体固定三块:model(实际应答的版本)、answers(按你传的键回填的答案)、usage(token 用量)。

不想写 HTTP 的话,Vercel AI SDK 7.0.105+ 已内置实验性 API experimental_evaluate,Jev 是第一个原生接入的模型——这套接口明牌是给"System One"这类模型铺路的。

生态爆发的一周

  • Browser Use 官方集成 jev-ultrafast(2 天 2700+ 星):把浏览器 agent 的动作空间做成"操作 + 目标"两组 choice 问题,一次网络往返出两个决策,全程无截图。实测 Google Flights 完整搜一遍苏黎世→伦敦机票只要 7.1 秒(含页面加载等待)。
  • Vercel AI Gateway 上架 Jev,experimental_evaluate 一行接入。
  • 独立复现 jevlike(700+ 星):开源社区三天就拼出了同形架构。
  • Claude Code 上下文压缩插件 fast-jev-compaction:拿 Jev 判断"哪些历史消息可以压掉"。
  • Sean Goedecke 的评价被广泛引用:Jev 让 structured output 这件事"重新变得有趣了"。

泼冷水时间

  • 扑克桌上是条鱼:有博主拿它实测德州扑克,被职业选手教育。复杂博弈、长链推理不是它的菜。
  • 官方自己承认的局限:速度评测是在美西一台笔记本上跑的;性能对比基线偏向 OpenAI 与 Anthropic 的模型;"0% 类型错误"是结构性保证而非实测;业务工作流评测的用例是 TypeSafe 自己团队写的,加速数字是"真实世界收益的上限值"。
  • 中文场景存疑:官方只说非英语"会更低",低多少没人独立测过。
  • 闭源 + 护城河存疑:架构被社区三天逆向出同形复现,唯一壁垒可能只剩 RLCD 的校准数据和工程打磨。

什么场景值得现在就用

答案藏在它的产品形状里:高频、小额、结构化的判断点。

  • 工单分类 / 客服路由:一条消息进来,70ms 内判断紧急与否、该派哪个团队
  • 内容审核预筛:高置信直接放行或拒绝,低置信转人工
  • Agent 动作选择:Browser Use 模式——把动作空间编码成 choice 问题
  • 置信度分流:P ≥ 0.9 自动执行,P < 0.9 转人工,把"要不要人管"变成一行 if

写在最后

引用 Nelson Elhage 那句被反复提及的话:快的软件不是把旧事干得更快,而是催生全新的任务。

当"往任意决策点注入一次 100ms、一厘钱的智能判断"变成一个 API 调用,大量以前不值得做的程序会变得值得做——每条日志、每个事件、每次点击都配上一个带概率的判断,这在 LLM 的价格体系里是不可想象的。这是大家把它叫做"新的计算原语"而不是"新模型"的原因。

但请记住它只是 v1:闭源、只有文本输入、置信度需要自己按业务校准、所有性能数据自报。现在适合做的,是拿边缘场景试水;不适合做的,是把核心链路押上去。

参考链接

  • 官方发布:typesafe.ai/blog/introducing-system-one-models-and-jev
  • HN 讨论帖(含创始人答疑):news.ycombinator.com/item?id=49717558
  • 官方文档与原语:docs.typesafe.ai/primitives
  • OpenRouter:openrouter.ai(搜索 typesafe/jev)
  • Browser Use 集成:github.com/browser-use/jev-ultrafast
  • 独立复现:github.com/vinnylarouge/jevlike
  • 扑克实测(泼冷水向):backnotprop.com/blog/jev-poker
  • Sean Goedecke 分析:seangoedecke.com/jev-means-structured-output-is-interesting-again

相关文章

评论

登录后即可参与讨论

暂无评论。