Jev 与「System One」决策模型：不生成文字的 AI，是真突破还是新叙事？
- Jev 不写字，只做「选择、评分、概率」三种题，返回带置信度的结构化答案——把生成题换成了选择题。
- 官方自报：比前沿 LLM 快最高 193.6 倍、便宜 444.6 倍（均为厂商自宣，尚无独立复现）。
- 「零幻觉」是架构保证的格式安全，不是准确率实测——格式对和判断对是两码事。
- 真实价值在 Agent 快慢分工：System One 轻量模型管高频原子判断，System Two 大模型管规划——这是趋势，不是革命。
- 命名来自杰文斯悖论：判断成本暴跌，判断用量暴涨。
1 · 事件与人物
TypeSafe AI 由 Diogo Almeida 等人于 2024 年创办。他的履历是这次传播的核心素材：前 OpenAI 研究员，参与构建 ChatGPT，并参与了 RLHF（基于人类反馈的强化学习）这一当今 AI 时代最重要的奠基技术。他的叙事也是标准的「出走-反思-归来」：在 ChatGPT 爆火后陷入怀疑——「我们花了七十年、烧了千亿美元，教会机器把话说得比人漂亮，却忽略了决策能力」——于是从 OpenAI 离职，从底层训练架构开始重新设计。
市场反应确实热烈：发布三天登上 Hacker News 首页（1863 分、491 条评论），Almeida 本人在评论区逐条答疑（ID 是 CompleteSkeptic——HN 网友吐槽这名字与 Anthropic CEO Dario Amodei 的对仗程度）；Browser Use 团队三天内完成官方集成；Vercel、Cloudflare、LangChain 跟进；中国公司 APUS 在 9 月 19 日交出全球首批独立开源复现（fast-browser-use，MIT 协议）。
2 · 产品机制：把生成题换成选择题
Jev 的交互被定义为三种「题型」，开发者输入一段非结构化信息或程序状态，并预先设定问题与候选答案：
| 题型 | 输出 | 典型用途 |
|---|---|---|
| Choice（选择） | 从候选选项中选择 + 概率分布 + 置信度 | 客服投诉分类（账单/技术支持/销售）、Agent 工具路由 |
| Score（评分） | 按设定标准评分 + 概率分布 + 置信度 | 内容审核分级、紧急程度评估 |
| Noul（概率） | 0–1 之间的数值 | 真伪判断、陈述成立概率 |
多个问题可在一次调用中对同一份状态并行独立处理。端到端延迟 70–500 毫秒，计费只收输入（$0.042/百万 token），输出 token 免费。训练方法为 RLCD（校准决策强化学习）。
本质上，它解决的是 Agent 工程里一个真实而具体的痛点：传统做法是让大模型生成自然语言或 JSON，再用代码解析和校验——解析失败、格式漂移、提示词注入都发生在这个环节。Jev 把这一步从「生成+解析」变成了「直接打分」。
3 · 命名与理论：System One/Two 与杰文斯悖论
「System One」取自卡尼曼《思考，快与慢》：快速直觉判断（系统一）与慢速深度推理（系统二）。映射到 Agent 架构上就是快慢分工——昂贵的大模型负责规划、写作等「慢思考」，高频、原子化的「快判断」（分类、选择、评分、真伪判断）交给轻量决策模型。负责组装与调度这套分工的工程层，业界称为 Harness。
Jev 之名取自 19 世纪经济学家杰文斯（Jevons）：蒸汽机效率提高后，煤的消耗不降反升——因为用煤成本降了，大家用得更多了。Almeida 的推论同理：判断的成本每降低一个数量级，判断的用量可能增加好几个数量级。这也是定价策略（输出免费）的逻辑：他卖的不是 token，是「判断的用量」。
4 · 冷水：哪些话不能直接信
热闹之外，中文和英文社区都提出了实质性质疑，这几条我认为每一条都成立：
- 所有性能数字都是厂商自宣。「快 193.6 倍、便宜 444.6 倍」来自 TypeSafe 自己的评估，尚无独立第三方复现。架构未公开、权重未开源、训练数据未披露、无论文支撑——TechCrunch 报道观测者猜测 Jev 基于开源权重语言模型，Almeida 未置可否。
- 「零幻觉」是定义游戏。官方页面的 0% 后面跟着一行小字：类型错误由架构在数学上保证，并非实测准确率。腾讯云社区一篇分析说得准：「0% 幻觉」不是模型变准了，是问题被换掉了——把生成题换成了选择题。模型仍然可能「格式完美、内容全错」。
- 置信度≠可靠性。日文独立分析指出：当生产环境输入分布与训练数据不同（新术语、对抗性输入、罕见语言），校准概率可能完全失灵；不同子群体的校准程度也可能不同。整体置信度好看，可能掩盖特定类别的性能塌陷。
- 阈值设计才是落地的核心。Browser Use 的 CTO Armin Ronacher 对 TechCrunch 说得最实：用户必须判断返回的概率是否足以支撑行动，不确定的结果必须被忽略——95% 的分数只有在「历史上同分数判断确实有 95% 正确」被测试证明后才有运营价值，且阈值应反映后果严重度（推荐文件夹 vs 允许执行命令，容忍度完全不同）。
5 · 「终结 Transformer 时代」？不，是分工，不是替代
抖音等平台把这条新闻包装成「Transformer 称霸时代可能要结束」——这个框架是错的。Jev 没有提出新的通用架构（它大概率基于开源权重语言模型改造，Almeida 未公开细节），它做的是把 LLM 的一个子能力（判断）拆出来单独优化。
真实的趋势判断是：Agent 栈正在分层。规划与生成继续用大模型（System Two），高频原子判断下沉到轻量专用模型（System One），中间由 Harness 调度。这和 CPU-GPU、数据库-缓存的分层逻辑一样——是工程成熟化的标志，而非某个底层架构的葬礼。Transformer 仍是几乎所有玩家的底层。
6 · 对 FDE 与数字效能工作的三个启示
- 快慢分工是可落地的省钱模式：Agent 工作流里凡是「从固定候选中选一个」「打个分」「判断真伪」的环节，都值得评估用轻量决策模型替代大模型生成+解析——即便不用 Jev，这个模式用本地小模型+结构化输出也能复刻（APUS 的开源复现就是证明，MIT 协议、支持无 GPU 运行）。
- 杰文斯悖论是预算论证工具：向管理层汇报时，"单次判断成本从 ¥X 降到 ¥0.0X" 的同时要预判用量暴涨——省钱的方案最后可能花得更多，但那通常意味着它真的被用起来了。
- 医疗场景多一道门槛：判断类模型一旦进入诊断、分诊等医疗器械语境，就落入 NMPA 监管框架——恰好今晚刚发布的《AI 医疗器械注册审查指导原则 2026 修订版征求意见稿》里，大模型与智能体首次有了注册路径（见我今天的解读）。效率创新与合规申报要同时规划。
参考来源
- TypeSafe AI 官网（产品文档与早期内测入口）：typesafe.ai
- 腾讯云开发者社区：《System One 模型：放弃生成文本的 AI》，2026-09-18。原文
- 掘金 · GreenTea：《发布 3 天登顶 HN：不生成一个字的模型 Jev，我把它的源码和黑料都扒了一遍》，2026-09-18。原文
- 新浪科技：《ChatGPT 幕后功臣出走 OpenAI，两年后做了个「不会聊天」的 AI》，2026-09-17。原文（含独立性质疑段落）
- 新浪财经：《Jev爆火硅谷，哑巴AI卷疯14万开发者》，2026-09-20。原文
- 央广网：《Jev模型是什么？TypeSafe"决策模型"爆火后，APUS交出全球首批跨平台开源复现》，2026-09-20。原文
- remio（独立分析，日文）：《TypeSafe Jev AIモデル、LLMファーストのソフトウェアスタックに挑む》。原文（置信度失效与阈值设计分析）
作者：王亚博（Abel Wang）· 转载请注明出处。文中性能数字均为 TypeSafe AI 自宣口径并已标注，独立验证情况以社区后续复现为准。
对本文有疑问、想交流技术方案或合作，扫码加我微信，备注来意通过更快。