不聊天的 Jev 如何替软件做决定

公众号科普稿

数据截至 2026 年 9 月 20 日

这看起来少了很多能力，却可能更适合一部分真实业务。客服分流、风险评分、内容审核、交易验证等工作，每天要做大量重复判断。答案通常来自一组已知选项，软件需要的是稳定、快速、便宜的决定，而不是一段措辞漂亮的文字。

Jev 到底是什么

Jev 是 TypeSafe AI 在 2026 年 9 月发布的一款决策模型。公司把它称为首个 System One 模型，借用了《思考，快与慢》中“系统一”的说法，强调快速、直觉式判断。这个名称更像产品定位，并不代表学术界已经建立了一个公认的新模型门类。

它的输入仍然可以是自然语言，也可以是 JSON 等程序状态。不同之处在于，开发者要先把允许的答案写清楚。Jev 只在这些答案里做判断，并返回概率。

官方接口提供三类问题。

同一份输入可以一次问多个问题。还是那条“我的卡被扣了两次”的投诉，系统可以同时判断它是否属于重复扣款、是否需要退款、该交给哪个部门，以及紧急程度。结果直接进入后续代码，不需要先从一段自然语言里提取字段。

为什么还要造一种不会聊天的模型

普通大模型擅长开放式任务。写邮件、改代码、分析一份复杂材料，都需要自由生成文字。它们的常见工作方式是一个 token 接一个 token 地往下写，所以回答越长，等待时间和输出成本通常越高。

但很多软件任务并不需要自由表达。电商平台判断一条消息属于“催发货”还是“申请退款”，银行判断一笔交易是否需要复核，内容平台判断一条评论是否违规，答案空间都很有限。让通用大模型先写一段 JSON，再由程序解析、校验和重试，像是请一位全科医生每天做几百万次分诊登记，能力用得太重，流程也容易出错。

Jev 把自由度主动拿掉。它不生成任意字符串，输出格式在调用前就已经确定。这样做带来三个直接结果：返回速度更快，输出成本更低，软件不会收到一个类型不对或格式残缺的答案。

这里必须补一句：格式永远正确，不等于判断永远正确。 Jev 可以保证“部门”字段一定来自预设名单，却仍可能把账单问题错分到技术团队。官方所说的“不会幻觉”，更准确的理解是它不会生成 schema 之外的非法值，不能理解成它不会犯错。

它真的又快又便宜吗

TypeSafe 公布的价格是每百万输入 token 0.042 美元，输出不单独计费；官方称端到端响应约为 70 至 500 毫秒。这个优势和它不逐字生成文本直接相关。

早期独立测试大体支持“便宜而快”，但也说明结果会受任务和网络位置影响。独立评测 Jevals 在 2026 年 9 月 18 日发布了首轮结果，使用三类公开数据集，共记录 31500 次带标签的决策。在医学问答的是非判断任务上，Jev 的准确率为 91.3%，与该组表现最好的快速大模型在统计上没有明显差异；每千次决策约 0.029 美元，实测延迟中位数 438 毫秒，P95 为 653 毫秒。

在包含 77 个银行业务意图的分类任务上，Jev 的准确率为 79.7%，低于领先模型，但成本仍明显更低。到了“给回答质量打分”这一任务，Jev 和其他参测模型都没有明确胜过按标签比例猜测的基线。这组结果很有价值，因为它提醒我们：Jev 不是“任何判断都又快又准”，而是在某些边界清楚的任务上，可能提供很好的成本、速度和准确率组合。

哪些地方适合用 Jev

最适合 Jev 的任务通常有四个共同点：答案集合能够提前写清楚，判断会高频重复，错误可以通过阈值和人工复核控制，而且系统很在意延迟或成本。

客服工单路由是最容易理解的例子。Jev 先判断工单类别、紧急程度和退款可能性。置信度高时，代码自动分派；置信度低时，转给人工。它也可以放在大模型之前，先决定一个问题是否值得调用更昂贵的推理模型；还可以放在大模型之后，检查回答是否符合政策或是否存在越狱风险。

类似思路还适用于交易风险初筛、内容标签、文档归类、销售线索评分和设备告警分级。它们都不是“一次性写出最终答案”，而是给后续流程提供一个可编程的判断。

哪些地方不该交给它

如果任务需要写作、解释、连续对话、复杂规划或开放式推理，Jev 就不合适。它不会写一封邮件，也不会为一个模糊的商业问题提出完整方案。开发者还必须自己设计答案选项、评分等级和兜底逻辑。问题拆得不好，模型再快也无法补救。

高风险场景更要谨慎。医疗、信贷、人事和执法等决定不能因为模型给出 95% 就直接自动执行。概率校准只描述一批预测的整体表现，不能保证某一次判断正确。业务数据一旦和测试数据不同，原来的置信度阈值也可能失效。

我对 Jev 的看法

Jev 最值得关注的地方，不是它给自己起了一个新类别的名字，而是它把一个常被忽略的事实摆到了台面上：软件需要的 AI，很多时候不是会说话的助手，而是可以被代码约束、检查和接管的判断模块。

从技术谱系看，它处在传统分类模型和通用大模型之间。传统分类器很快、很便宜，但换一个标签体系往往要重新准备数据和训练；通用大模型上手灵活，却为自由生成付出更多成本。Jev 试图保留自然语言理解和临时定义问题的灵活性，同时把输出收窄成固定选择与概率。这是一个合理的工程方向。

不过，“System One 是全新品类”“校准概率可以直接用于自动化”等更强的说法，还需要更长时间和更多第三方数据。TypeSafe 尚未公开参数规模、完整架构论文和 RLCD 的训练细节，发布初期的漂亮数字也主要来自厂商自己的工作流评测。

所以，我不会把 Jev 看成 ChatGPT 的替代品。更准确的说法是：它可能成为软件工作流里的一个新零件。大模型负责生成和深度推理，Jev 负责大量快速判断，代码负责硬规则，人在低置信度或高风险节点接管。

如果这套分工成立，未来最常见的 AI 也许不会出现在聊天窗口里。它会藏在退款按钮、风控流程、工单系统和每一次页面跳转背后，安静地做一个又一个小判断。

参考资料