Jev 放弃生成文本，把模型变成了带置信度的决策函数

TypeSafe AI 开放了首个 System One 模型 Jev 的早期访问。它不逐词生成文本，而是接收一段非结构化状态，直接返回由开发者预先定义的类型安全结果以及概率和置信度。公司的定位是把模型变成可嵌入软件的“决策函数”，用于分类、路由、评分、提取和工作流分支，而不是继续让通用大模型同时承担理解、推理与表达。

Jev 采用并行输出，TypeSafe 称单次响应需要 70 至 500 毫秒，同等任务下比前沿大模型快 40 至 200 倍；输入定价为每百万 token 0.042 美元，结构化输出不另计费。其训练方法被称为“校准决策强化学习”，重点不是让人偏好回答，而是让每个选择都附带与实际正确率相符的概率。模型只会返回模式允许的值，因此不会出现字段或类型错误。

这些主张仍需要谨慎看待。TypeSafe 的工作流评测由自己的团队设计，参考答案取 GPT-6 Astra 与 Fable 5.1 概率的平均值，并非独立标注的真实标准；公司也承认流程设计可能带来偏差，193.6 倍速度和 444.6 倍成本优势处于预期实际收益的高端。所谓“不会幻觉”主要指无法生成模式之外的字符串，并不代表模型选择的合法值一定符合事实。

对智能体系统而言，Jev 提出了一种值得验证的分层结构：通用模型负责规划和处理开放问题，专门决策模型负责大量低延迟、高频且边界明确的判断。若置信度校准确实可靠，工作流可以在低风险时自动执行，在不确定时升级给更强模型或人类。这可能降低智能体规模化运行的成本，但它能否适应训练分布之外的企业数据，以及概率在真实业务中的稳定性，仍要等待公开基准和生产案例检验。

阅读完整文章：https://typesafe.ai/blog/introducing-system-one-models-and-jev