ChatGPT发明者发布不说话的AI:号称快200倍,独立实测快5倍

想象你的客服系统里坐着个AI。用户来一句，我的卡被扣了两次钱。它的任务只有一个判断：这单转售后、转技术，还是转账单？它却先跟你聊了9秒，引经据义，最后甩给你一段话，让你自己从里面抠出「技术」两个字。

9月15日，🏷️TypeSafe AI（一家刚出隐身期的公司）发布了模型Jev。它不聊。状态喂进去，它直接回一行数：技术85%、账单8%、销售7%，附一句把握0.82[3]。就像仪表盘上的传感器，只报数值，不做寒暄。

🔑 费曼摘要：以前的AI是个话痨员工，什么都聊一轮再给答案；Jev是个只填表的员工。表印好了，它填数字和把握，填完就走。官方宣称这比聊天AI快200倍、省444倍。发布24小时内，3个独立团队拿真实业务实测：快5倍、省8.6倍、省1.6倍。数字大缩水，但方向头一回被外人坐实，AI不止聊天一种形态，决策和生成正在分成两个工种。

一、造它的人，凭什么信

一家没听过的公司，凭什么看？先看人。

创始人👤Diogo Almeida，OpenAI出身。官网简历写着：InstructGPT与RLHF研究的共同作者。ChatGPT能听懂人话的那套训练方法，他是构建者之一[2]。

2024年他隐身，一消失就是2年。9月15日复出，带着4000万美元种子轮，DCVC领投。团队从OpenAI、Google Brain、Meta FAIR、Stripe、Airbnb、Docker这6家公司挖来旧部[2]。

模型的名字有讲究。Jev致敬经济学家杰文斯：煤的利用效率越高，烧煤反而越多。效率越提，用量越爆。公司赌的是，判断一次的成本降到近乎为零时，软件里会塞满以前舍不得用AI做的判断[3]。

这个悖论本号6月写过：AI软件像拧开的水龙头，部署一次，token哗哗流[4]。为什么一个新模型要蹭一百年前的经济学家？因为它的商业计划书就建立在这条悖论上。

另一层命名来自卡尼曼《思考，快与慢》。System One，指快而直觉的判断：秒级定生死，不带推理链。公司给模型类起名System One Models，意思摆在明面上。他们做的不是更聪明的AI，是更快的直觉。

名字起完了，这模型到底怎么干活？

二、不说话，怎么干活

一个AI不生成文本，那输出什么？答案是三张印好的表。

接口只有三个问题类型。Choice：从清单里挑一个，附完整概率分布。Score：按你给的量表打分。Noul：判断一句话真不真，返回0到1的数[3]。

还是拿扣款那单说。传统做法，你得给chat模型写提示词，等它吐一段话，再解析字段，格式错了重试，拒答了哄一哄。五步环，每一环都是失败点。

Jev把五步压成一次函数调用。状态进去，概率出来，代码看哪个最大就走哪条分支，完事[3]。清单再长也不怕：Choice支持最多255个选项，超了走两段式先打分再挑[3]。

🗣️ 说人话：好比医院的分诊台。全科医生什么都能聊，但分诊台只干一件事，把你分到对的科。高频小判断要的是分诊台，不是全科门诊。

训练方法是关键差别。chat模型靠RLHF（人类反馈强化学习，人给回答打分）。

Jev靠RLCD，校准决策强化学习。训练目标不是答得好，是说的把握准：模型说一件事有两成概率，这件事就该真的两成概率发生[3]。

这个性质有学名，校准。chat模型你问它有把握吗，它说非常有把握。那是修辞。校准模型说0.82，意思是长期看这类判断它对八成。概率本身成了产品，不是语气词。

所以官方敢喊那句最猛的话：数学上不可能幻觉。Jev不生成文本，没有能被编造的字符串；返回值永远符合预定义格式[1]。

听着无懈可击？主页上那组快200倍的数字，才是故事的开始。

三、200倍：三个口径，同一天

官方到底宣称快多少倍？同一家公司自己的页面，有3个答案。

主页标题：193.6倍快、444.6倍便宜[2]。博客正文：快40-200倍，限形状贴合的查询[2]。创始人的发布推文：快20-200倍、省40-400倍[2]。

我把主页的延迟对比图翻出来，自己算了一遍：8.566÷0.114≈75倍。跟头顶的193.6倍同屏共存，没有任何标注说这是两回事[2]。

193.6倍哪来的？来自TypeSafe自家的新基准workflow evals（工作流评测）。官方注释里自己承认：参照答案是GPT-6 Astra与Fable 5.1两个前沿模型的平均。这意味着，测的是跟两个大模型的一致性，不是正确性[2]。官方还补了一句，方法偏向OpenAI和Anthropic的模型[2]。

定价也值得抠。输入每百万token收0.042美元，输出免费。听着像降维打击。但公司自己写了句难得的话：我们不能证明这个价格没有补贴[2]。

⚠️ 现实检验：一家公司同一天三个口径，未必是心虚。更可能是，他们也没算清真实业务里到底快多少。答案得等外人拿真活来试。

外人来得比谁都快。

四、24小时，三份真实账单

发布次日，3个没有利益关系的团队，各自拿真实业务测了Jev。数字全在本号逐条核对过的第三方报道里[1]。

第一份账单。英国活动公司🏷️Near Here，拿50条真实的商家上架审核跑Jev：准确率96%，赢过Mistral Small的84%和Gemini Flash-Lite的86%。这是目前对Jev最有利的公开数字。

但速度只有对手的5倍，成本省8.6倍。每千次判断0.043美元，单条决策平均0.59秒[1]。

第二份。🏷️Good Start Labs，6003条评分检查，Jev与Claude Fable一致率91.5%。成本每百万约160美元，对照DeepSeek V4.1 Flash的260美元，便宜1.6倍[1]。我算了一遍：260÷160≈1.6。对手已是市面最便宜的模型之一，444倍的优势瞬间跌到一倍半。

第三份。🏷️Every，速度终于兑现：每段0.35秒，Fable是8.83秒。但他们往文本里埋了7个缺陷，Jev抓出6个，Fable全抓[1]。

还有个更扎心的。一位TypeSafe自家员工，把DSPy管线里的一个决策环节换成Jev，端到端：快15.9%，省30.1%[1]。换一个便宜零件，整车不会按同一倍数提速。这可能是全部数字里最诚实的一个。

📋 宣称 vs 实测对照（厂商口径 ｜ 第三方实测）  速度｜宣称193.6× → 实测5×、25×  成本｜宣称444.6× → 实测8.6×、1.6×  准确｜宣称0%幻觉 → 实测96%胜出、缺陷6/7  端到端｜（无宣称）→ 实测+15.9%快、+30.1%省

两组数字都对。200倍是形状完美贴合时的理论峰值，5倍是真实业务里换一个零件的世界。这意味着，厂商的头条和你的账单都是真话，只是量的不是同一个东西。

五、0%幻觉的小字

宣称里最锋利的0%幻觉，官方小字自己拆了台。

TypeSafe原话：我们的数字不是实证结果。schema（预定义输出格式）匹配是保证的，所以敢把0%画进图里[1]。

翻译成人话：Jev保证的是「形状」，不保证「真值」。它保证返回一张格式正确的表，不保证表里的答案是对的。类型全对、答案是错的，照样发生[1]。

这种保证值多少钱？要看你买的到底是什么。买路由分流，格式对就够用八成；买医疗分诊，答案是错的那两成就是人命。

💡 增量视角：行业里把「结构化输出」和「可靠」划等号，划了两年。这行小字第一次把等号拆开卖：形状上货架，真值另算钱。

这不是狡辩，是诚实的边界声明。但它把一个行业默认混淆的东西摆上了台：过去两年，结构化输出被当成可靠性的代名词。格式对了，就当答案对了。

Jev第一次把两件事拆开定价：形状可以保证，真值只能校准。而校准曲线，官方还没发论文[1]。

这意味着什么？买这类模型的人，往后要问两个问题，而不是一个：表填得对不对，以及表填得准不准。前者白纸黑字保证，后者只能拿真实数据慢慢验。

另一个容易漏的细节：模型现在只有候补名单，没有公开API。上面三组实测全部来自早期内测资格，外人暂时无法复现[1]。

GitHub上48小时冒出1328个复刻仓库，头部5165星。我翻了几个头部仓库的贡献者列表，大多1-2人。星标竞速是热度，不是采用。

六、方向为什么反而坐实了

数字缩水四十倍，为什么还说这方向是真的？因为缩水后的数字，依然够用。

看钱。Near Here的账单：每千次审核0.043美元，用Mistral Small要0.37美元[1]。对一天做几万次小判断的公司，这不是省点钱，是换了一个成本结构。

更硬的是那个少有人讨论的论点。TypeSafe的ML入门文档写着：大规模AI自动化，约99%是机器对机器，1%才有人机[3]。机器调机器的接口，本来就该是函数调用，不是聊天窗。

今天的软件架构恰恰相反：代码里嵌一个chat模型，用聊天的姿势干判断的活，再把聊天记录解析回数据。Jev只是把这件别扭的事正名了。

🌉 类比桥：好比集装箱出现之前的货运码头。货物什么都能运，但每换一种运输工具，就得全部卸下重装。集装箱不装任何新货，它只统一了形状。之后全球贸易成本塌方式下降。决策与生成分层，就是AI界的集装箱。

生成模型写文章、做推理、陪聊天。决策模型在管线里一天亿次地填表。两个工种，两套定价，两种可靠性标准。

对用AI做事的人，这扇门开了一条缝。审核、评分、分类、路由这类高频小判断，专用的便宜模型开始出现。

教育场景尤其近。判卷、作业分流、作文按量表打分，全是输入状态、输出结构化判断的形状。Good Start Labs那6003条评分检查，就是直接类比[1]。

但别急着上车。Jev的核心主张，校准概率，目前无公开论文、无第三方复现、无公开API。三个无之前，它是一个方向正确的期货。

七、验证这判断的两个窗口

分层是真趋势，怎么证伪？两个观察窗。

窗口一：Jev公开API后，三组数字能否复现。若Near Here的96%或Every的0.35秒不可复现，方向被验证的结论整体回撤，此事降级为一次成功的注意力营销。

窗口二：3个月内，OpenAI、Anthropic或DeepSeek若在自家模型里补齐校准概率输出，专用决策模型的窗口就从新范式收窄成一个价格歧视工具。分层的故事，讲不下去。

反过来，若开源复刻里跑出可用水平、校准曲线经得起外人测，杰文斯那句起名的深意就兑现了：判断成本趋零，判断塞满所有软件。

挑AI的时候，你多半先问它聪不聪明、聊天顺不顺。在AI只当聊天顾问的年代，这没错。但判断类的活，风向变了：该问的是它填表准不准，概率说到做不到。

从6月的水龙头到今天的填表工，同一条线：AI的账，正从按对话算，改成按判断算[4]。

号称200倍，实测5倍。缩掉的是水分，剩下的是水位。

参考来源

[1] The Cherry Creek News, "TypeSafe's Jev Claims 193x Faster and 444x Cheaper", 2026-09-16.[2] TypeSafe AI, "Introducing System One Models and Jev", 2026-09-15.[3] Toolbit, "Jev review: typed probabilistic decisions", 2026-09-16.[4] 本号, "AI软件即水龙头 — Jevons悖论降临", 2026-06-19.