引言：一个「不会说话」的模型，为什么火了#

2026 年 9 月 15 日，旧金山初创公司 TypeSafe AI 发布了旗下第一个模型 JEV（官方写法多为「Jev」）。

它最反直觉的地方在于：它不生成任何文本。你不能用它写文章、写代码、聊天，甚至问它「为什么」它也不回答。你给它一段材料，再列出一组问题（以及候选答案），它唯一做的事就是——做判断：选哪个、打多少分、把握有多大。

就是这么个「不爱说话」的模型，发布第二天就被 Vercel 接入了 AI Gateway，24 小时内覆盖了其付费团队近 13% 的调用量；随后 Netlify、LangChain、Cloudflare Workers AI、Langfuse 也陆续跟进集成。硅谷一度把它当作「AI 新赛道」来讨论。

而真正让它出圈的，是它的作者：Diogo Almeida——Google Brain 出身、在 OpenAI 深度参与了 InstructGPT、ChatGPT 和 GPT-4 的研发，也是 RLHF（基于人类反馈的强化学习）的共同发明人之一。一个亲手把「让模型好好说话」这件事做成范式的人，如今反过来推出一个「拒绝说话」的模型，这件事本身就值得一读。

名字里的两个梗#

理解 JEV 的定位，先看它的两个命名：

• Jev 取自杰文斯悖论（Jevons Paradox）：某项技术效率的提升，反而会让它的总需求量变大。放在这里，暗示的是「判断这件事太贵、太慢，以至于大家不敢多问；一旦变便宜变快，判断会被用得比现在多得多」。
• System One Model 取自卡尼曼《思考，快与慢》里的**「系统 1」**——直觉式的、快速的、几乎无意识的判断。TypeSafe 官方给 JEV 的定位就是：一个面向「快思考」的模型。

官方对它的定义只有一句话，却很准：

前沿智能的函数调用（a frontier-intelligence function call）：非结构化状态进，类型化的概率决策出。

也就是说，它把「智能」包装成一个有明确签名的函数，而不是一个对话框。

三种输出原语：Choice、Score、Noul#

JEV 的 API 极简——一整个请求里，你只能提三类问题，官方称之为输出原语（primitives）：

「Noul」这个词本身就是一个小细节：它是 Number + boolean 的拼合，强调「不是硬 0/1，而是一个校准过的概率」。

举个客服场景的例子——把一段用户投诉丢进去，一次性问三类问题：

1
from jev import Jev
2

3
client = Jev(api_key="...")
4

5
decision = client.decide(
6
    state=ticket_text,
7
    questions={
8
        "urgency":     {"type": "score",  "scale": [0, 4]},
9
        "category":    {"type": "choice", "options": ["账单", "故障", "咨询", "投诉"]},
10
        "need_human":  {"type": "noul"},
11
    },
12
)

返回的结果大致是这样：

1
{
2
  "urgency":    { "value": 3.0, "confidence": 0.91 },
3
  "category":   { "choice": "故障", "distribution": { "账单": 0.02, "故障": 0.88, "咨询": 0.07, "投诉": 0.03 }, "confidence": 0.88 },
4
  "need_human": { "probability": 0.62, "confidence": 0.79 },
5
  "latency_ms": 118,
6
  "model": "jev-1.13.0"
7
}

注意几点：

1. 输出是「类型化」的。category 只可能是你给的 4 个选项之一，urgency 一定落在 0～4。这也是官方宣称「不会产生幻觉」的技术含义——见后文对这句话的辨析。
2. 每个判断都带概率/置信度，调用方代码可以据此设阈值：比如 need_human > 0.5 就转人工。
3. 一个问题请求里的所有问题是一次性并行算出来的（下一节展开），所以多问几个问题几乎不增加延迟。

技术原理：为什么不逐字生成，反而更快#

传统大模型是自回归的：一个 token 一个 token 往外吐，输出越长越慢。JEV 走的是完全不同的路子：

• 输出空间是预先定义的。你的问题里已经给了所有可能答案（选项集、评分区间、是/否），模型不需要「逐字造句」，而可以在一次前向传播里并行采样出所有问题的全部答案。这就是它「多加问题也不怎么变慢」的原因。
• 训练方法叫 RLCD——Reinforcement Learning for Calibrated Decisions（面向校准决策的强化学习），被明确拿来对标 RLHF 与 RLVR。
  • RLHF 奖励的是「人类觉得这个回答好」；
  • RLCD 奖励的是「你说的概率和实际命中率对得上」。

第二点是 JEV 最核心、也最容易被忽略的主张：它优化的是校准（calibration），而不是讨人喜欢。用官方的话说——如果它说 70% 或 95%，那这件事就应该恰好以 70% 或 95% 的频率发生。对需要拿去写进 if 语句的决策来说，一个诚实校准过的概率，比一句漂亮的自然语言解释有用得多。

性能与价格：官方数字与「真实收益」#

这里必须补一句 TypeSafe 自己都承认的注脚：193.6× / 444.6× 是「理论上限」，基准也是内部自评。第三方实测给出的更保守结论大致是：快约 2～3.6 倍、便宜约 4.7～7.5 倍。

即便如此，「输出免费」这件事本身很有信息量——它等于把定价模型从「按生成量计费」改成「按判断请求计费」，因为判断的 token 成本本来就不该随输出长度走。

准确性上，TypeSafe 自己的评测里 JEV 约为 67.8%——和 GPT-5.6 Terra 打平，但落后于 GPT-5.6 Sol 和 Claude Opus 5。它赢的不是准确率，而是每单位成本与延迟下的准确率。

JEV 和大模型，是替代还是互补？#

结论很清楚：互补，不是替代。它们对应的是两种不同的活儿：

合理的分工是：大模型负责「想清楚要问什么」，JEV 负责「高频、廉价地把大量判断做完」。典型场景包括：

• 内容审核 / 垃圾识别（Choice：多分类）
• 工单路由与优先级（Score + Choice）
• 智能体的动作判定（Agent 里「这一步该调哪个工具」——本质就是 Choice）
• 用户流失风险、情绪强度打分（Score）
• 风控里一连串的是非门（Noul）

争议与需要留意的地方#

热度之外，几个批评值得认真对待：

1. 「零幻觉」是一种文字游戏。它真正的含义只是「JEV 不可能吐出选项之外的类型」，但它完全可能自信地选中一个错误的合法选项。类型安全 ≠ 判断正确。
2. 没有可解释性。它只给数字，不给理由。对需要审计、需要向人解释的决策链来说，这是个硬伤——你无法像读 CoT 那样复盘它为什么这么选。
3. 校准必须按工作流单独验证。RLCD 保证了「训练分布上」的校准，但你的业务数据分布未必在训练分布里。上线前应自己在真实样本上回归一遍它的置信度。
4. 它有自己的「锯齿」。TypeSafe 文档里明确承认模型在计数、算术、日期比较上不可靠，并建议：数学运算留在代码里，别交给模型。
5. 要锁定版本。官方建议把版本号写死（如 jev-1.13.0），因为概率输出会随版本漂移，而概率一旦漂移，你的阈值逻辑就跟着漂。

结语#

JEV 真正有意思的地方，不在于它比大模型「强」——按准确率它并没有赢。它有意思在于把「智能」重新定义了一次：不是会说话，而是会把不确定的世界，压缩成一个可以写进代码的、校准过的概率。

过去两年，我们习惯把 LLM 当成一个无所不能的对话框，然后费尽力气在它外面套护栏、做解析、写重试。JEV 反过来问了一句：那么多真实场景里，我们要的其实从来不是一段文字，而就是一个「选 A 还是选 B、把握有多大」的判断。把这类判断单独抽出来，做成一个又快又便宜、还带概率的函数调用——这个想法，比它当下的成绩单更值得记住。

至于它最终是「新范式」还是「高级分类器」，答案可能两者都不是：它更像我说的那种基础设施——你不会天天谈论它，但一旦用上，就会开始把它塞进每一个原本用大模型硬扛的分类任务里。

参考来源：

1. InfoQ. “TypeSafe AI Releases Jev: a Decision-Only Model That Returns Typed Probabilities Instead of Text.” 2026-10. https://www.infoq.com/news/2026/10/typesafe-ai-jev-released/
2. 机器之心 / 腾讯新闻. “ChatGPT 早期研究者做了一个『不会说话』的 AI，Jev 真是新范式吗？” 2026-09-18. https://news.qq.com/rain/a/20260918A058BW00
3. 阿里云开发者社区. “JEV 模型最新研讨：只下判断不说话，低延时才是被低估的变量.” https://developer.aliyun.com/article/1765496
4. 七牛云新闻. “爆火的 Jev 是什么：前 OpenAI 研究员做的『不说话』模型，只输出带概率的结构化决策.” https://news.qiniu.com/archives/1789895633449
5. OntiCards Blog. “Why Jev Refuses to Chat: Inside System One Models.” https://www.step2.com.cn/en/blog/jev-system-one-decision-models