简介

Jev 是 TypeSafe AI 发布的首个公开 System One Model。TypeSafe AI 是一家自称在构建“机器原生智能基础设施”的 AI 实验室。与面向人类生成对话文本不同，Jev 的设计目标是在软件内部做出决策：它接受结构化的问题，返回带类型的决策结果，并附带程序可以直接采用的概率和置信度估计。该模型基于一套新架构、一个新的采样器，以及一种名为 Reinforcement Learning for Calibrated Decisions（RLCD）的训练方法开发而成。

TypeSafe AI 认为，现代对话模型普遍采用的 Reinforcement Learning from Human Feedback（RLHF）会带来可靠性问题，例如过度自信和模式丢失（mode dropping），迫使人始终留在决策流程中。Jev 走了相反的路线：它针对校准决策训练，而不是为了取悦人类读者。该模型目前通过 TypeSafe AI 官网的 API 控制台和文档提供早期访问。

主要功能

类型化决策而非文本：Jev 返回可直接被软件消费的类型化输出，行为方式更接近代码，而不是一段聊天回复。

置信度校准：每个决策都附带置信度估计，应用程序可以在高于选定阈值时自主执行，低于阈值时升级为人工审核。

Reinforcement Learning for Calibrated Decisions（RLCD）：Jev 采用 TypeSafe AI 专为校准的、面向机器的决策而设计的 RLCD 算法训练，而非针对人类偏好做调优。

速度与成本数据：在官网的 System One 工作流基准测试中，TypeSafe AI 报告 Jev 用时 0.114 秒、花费 $0.000081 完成一项任务，而 LLM 需 8.566 秒、花费 $0.013880——该公司称这相当于快 193.6 倍、便宜 444.6 倍。

可组合的自动化：决策可以在代码中组合，构建更大的工作流，开发者可以自行决定模型的智能用在哪里、怎么用。

API 访问：Jev 通过 API 控制台提供，并配有文档，便于集成进生产系统。

零幻觉定位：由于输出是带置信度分数的类型化决策，而非自由文本，公司称该设计消除了生成式文本模型常见的幻觉问题。

定价与费用

定价：标价为每十亿输入 token $42，TypeSafe AI 称这比 Claude Fable 5.1 的输入价格低 238 倍。在我们审阅的页面上没有公开列出更多套餐细节，请查看官网获取最新方案。
可用性：Jev 处于早期访问阶段，是 TypeSafe AI 首个公开的 System One Model。
公开案例研究：TypeSafe AI 发布的案例显示，一家招聘公司在测试 10 天内将候选人筛选成本降低 88%，速度提升一倍。
厂商基准为自报数据：上述性能与成本对比均来自 TypeSafe AI 自身的工作流基准测试，未经独立验证。

适用人群

Jev 面向在软件中构建自动化决策的工程师和技术团队：需要把 AI 接入生产管道的后端与平台开发者、需要带可度量置信度的结构化输出的自动化团队，以及希望 AI 只在高确定性时才自主行动的产品团队。该公司公开的用例是候选人筛选；这种基于类型和阈值的设计，也适合任何需要软件自主分支、过滤、分类或升级处理、无需人工阅读自由文本的工作流。

常见问题

Jev 是什么？Jev 是 TypeSafe AI 首个公开的 System One Model，一类新型 AI 模型，旨在软件内部做出带类型的、置信度校准的决策，而非生成对话文本。

Jev 的价格是多少？TypeSafe AI 将 Jev 标价为每十亿输入 token $42，并称输入价格比 Claude Fable 5.1 便宜 238 倍；所审阅页面上未公开完整套餐细节。

Jev 与开启 JSON 模式的 LLM 有何不同？Jev 从底层就针对校准的机器决策用 RLCD 训练，其类型化输出和置信度估计是模型的原生能力，而不是套在对话模型上的受限输出格式。

Jev 还会出错吗？会。公司将其置信度估计定位为处理错误的机制，让软件把低置信度决策升级为人工审核，而不是盲目执行。

Jev 现在能用吗？Jev 通过 TypeSafe AI 网站上的 API 控制台和文档提供早期访问，公司也列出了在招职位和联系方式供有疑问的团队咨询。

简介

主要功能

定价与费用

适用人群

常见问题

用户评价 (0)

你会推荐 Jev by TypeSafe AI 吗？留下你的评价

相关教程

相关工具