Jev 是什么：TypeSafe AI 发布不生成文本的「决策模型」
9 月 15 日，TypeSafe AI 上线 Jev，自称 System One 模型：不写文本，只对一个"状态"（文本或结构化数据）和若干类型化问题返回判定。问题只有三种——Choice（从你给定的选项里选一个，返回各选项概率）、Score（在有序量表上打分）、Noul（一是非题，返回为真的概率）。输入定价 0.042 美元/百万 token、输出不计费，官方称端到端延迟 70–500 毫秒，9 月 20 日起开放注册。
它要解决的问题：企业内部大量调用并非写作任务，而是"这条工单派给哪个团队""这段内容要不要人工复核""这句话是不是在要退款"——一个枚举值加一个置信度。用通用大模型做这件事，得先让它逐 token 写出一段话再解析，延迟与费用都花在生成上。Jev 跳过生成这一步，直接对隐藏状态打分。
名字与来路：TypeSafe AI 由前 OpenAI 的 Diogo Almeida（参与过 ChatGPT 的训练方法）等人创办，随 Jev 发布一并披露 4000 万美元种子轮、DCVC 领投。System One 取自卡尼曼《思考，快与慢》里的快速直觉判断，用以对照大模型偏"系统二"的慢推理。中文技术圈流传的"Judge-Escalate 判断-升级级联""Joint Execution Validation"等解释均非官方口径——官方把它定义为决策模型，命名取意经济学家杰文斯与卡尼曼的系统一。
观点
- 它切的是成本侧。前沿厂商在比谁更聪明，Jev 在比谁更便宜、更容易被路由；第三方测试转述称其单次判断的成本比前沿模型低一到两个数量级，中位延迟约 133 毫秒（该组数字来自第三方测试，非官方口径）。
- 它改变的是智能体架构的分层。把简单判定留在便宜模型里直接出结果，只把置信度低的请求升级给昂贵模型，推理支出从"每问一遍都过大模型"变成按难度分流。
- 约束与代价同时存在。Jev 只能在你给定的选项内作答，编不出列表外的类别，但仍可能答错；它返回的是校准过的概率与置信度，不等于单次答案的正确率保证。它也不自主行动、不调用工具，需要外部代码决定拿到判定之后做什么。