Jev 刷屏:当 AI 开始 ＂沉默＂,软件反而多做了事

2026 年 9 月 15 日，一家隐身了整整两年的硅谷公司 TypeSafe AI 第一次露面，同时掏出两样东西：由 DCVC 领投的 4000 万美元种子轮融资（据 Forbes 报道，估值约 2 亿美元），和他们的第一个模型——Jev。

没有发布会。创始人 Diogo Almeida 只在程序员社区 Hacker News 发了个帖子。结果帖子当天冲上全站榜首，一天之内攒出几百条评论；几天之后浏览量超过 420 万、点赞近 2 万，API 刚上线就被涌进来的开发者挤到短暂瘫痪。

评论区迅速裂成两派：一半人兴奋地宣称"新范式来了"，另一半人冷笑——"行业又重新发现了分类模型"。

一个不会聊天、不会写代码、连一句完整话都吐不出来的模型，到底凭什么？

Jev 依然基于 Transformer 架构，但它的设计者刻意不让它成为大语言模型。

你丢给它一段信息——一封客服邮件、一个网页的状态、一笔刚提交的订单，再附上一份你提前定义好的选项清单。它不写一个字，直接返回一个结构化的结果：选了哪个、打了几分、是还是否，外加一个置信度概率。

翻来覆去，它只会三种活：

更关键的是，同一次请求里的多个问题共享一份输入、并行作答。比如收到一封"支付服务连续几天连不上"的客户邮件，它可以在一次调用里同时回答：该转给技术部还是账务部？对方有多不满？事情紧不紧急？需不需要人工介入？

每个结果都是强类型的，附带完整的概率分布和置信度。你不用在提示词里写两页纸求它"只输出 JSON、不要废话、别加解释"，也不用写解析器，更不用担心它手一抖把答案包进 markdown 代码块。

故事的主角叫 Diogo Almeida，葡萄牙人，TypeSafe AI 的创始人。在创办 TypeSafe 之前，他是 OpenAI 的研究员，也是 2022 年那篇 InstructGPT 论文的主要作者之一——那篇论文奠定的 RLHF（基于人类反馈的强化学习）训练流程，后来成了 ChatGPT 的地基。GPT-4 的贡献名单里，他被列入"Foundational RLHF and InstructGPT work"。

换句话说，今天大模型"能说会道、对齐人类偏好"这件事，他是最早的铺路者之一。

但正是这个人，在行业最热闹的时候越来越怀疑。他后来说：

他花了两年时间琢磨一个问题，这个问题也正是 Jev 全部设计的源头：

两年前，他和 Erik Gafni、Sasha Sheng 一起离开 OpenAI，在旧金山创办 TypeSafe AI，进入隐身模式，直到今年 9 月 15 日才带着 Jev 和答案露面。

Jev 这三个字母，取自 19 世纪英国经济学家 William Stanley Jevons（威廉·斯坦利·杰文斯，1835—1882）。1865 年，他在《煤炭问题》一书中记下了一个反直觉到今天依然著名的现象。

当时瓦特改良的蒸汽机大规模普及，新机器烧煤的效率比老机器高出一大截。按常识推演：机器越省煤，全国煤耗应该下降才对。

结果恰恰相反——全英国的煤炭消耗量不降反升。

TypeSafe 把这个名字安在自己的模型上，本身就是一篇宣言：

Almeida 设想的未来，不是几个超级 App 垄断一切，而是海量微小的智能判断分散在各处运行——他说，那"更像早期互联网的样子，而不是现在人们努力搭建的那种大型应用"。

要懂 Jev，先得知道普通大模型是怎么出答案的。

GPT、Claude、Gemini 都是自回归模型，原理四个字：单字接龙。它像一个打字员，一个 token 接一个 token 地把回答"敲"出来，敲完一个字才能决定下一个字。输出越长，需要的解码步骤越多，也就越慢、越贵。

举个真实的例子：一个电商 Agent 打开网页，需要决定点哪个按钮。系统真正需要的信息只是"第三个按钮"。但大模型会先郑重其事地生成一整句——"根据当前页面，我应该点击右下角的 Checkout 按钮"——软件再从这段话里把 Checkout 抠出来，才能执行点击。

你要的只是一个答案，来的却是个非要把心路历程吟诵一遍的老学究，而且你还得为这段没人会读的文字按字数付费。

Jev 的做法简单粗暴：把输出空间提前锁死。你规定答案只能是 low / medium / high，它要做的就只是对这三个结果各算一个概率，一次前向计算直接给出，没有逐字推演那一步。再配合官方称为 parallel sampler 的机制，一份输入、多个问题，一次性并行算完。

同样 27 个问题 · 同样的提问顺序

官方口径：快 74.9 倍 · 便宜 171 倍

来源：TypeSafe 官方对比演示（对照模型 gpt-5.6-terra）

注意，它不负责生成。开源浏览器 Agent 项目 jev-ultrafast 里，"点哪个按钮"由 Jev 决定，可一旦需要在输入框里填写城市名称，程序会另行调用一个生成文本的小模型。分工，而不是取代——这一点后面还会讲到。

"做判断的小模型"并不是新概念，分类器已经存在了几十年。Jev 之所以偏偏在 2026 年炸场，是因为AI Agent（智能体）爆发了。

把一个复杂的 Agent 任务拆开看，里面是几十次甚至几百次微小的决定：这一步成了没有？选工具 A 还是工具 B？上一段输出里的订单号是多少？十条搜索结果哪条最相关？要不要中止流程？——其中绝大多数是路由、分类、验证和状态判断，不需要写一个字。

如果每个小动作都请千亿参数的大模型出山，会发生三件事：延迟一层层累加，成本迅速失控；更致命的是，只要中间任何一步返回的 JSON 解析失败，整个 Agent 就卡死在半路上。

TypeSafe 由此给整个品类起了名字：System One Model（系统一模型），出自丹尼尔·卡尼曼的《思考，快与慢》——

于是，未来一个现实的 Agent 系统，很可能是一套分层架构，由一个叫 Harness 的工程层负责调度：

先看 TypeSafe 官方口径：端到端延迟 70—500 毫秒，在特定工作流评测中，最高比对照大模型快 193.6 倍、便宜 444.6 倍；输入每百万 token 收费 0.042 美元，输出完全免费，摊到一次决策上约 0.0004 美元。

官方数字之外，第三方平台 OpenRouter 的独立评测（Ori Eval，2026 年 9 月，30 选 1 分类任务，每个模型 200 个样本）更值得看：

实时性最夸张的演示是打游戏。在一场 Pong（乒乓球）对战中，Jev 在 12 秒内做出 47 次操作决策，单次约 227 毫秒；同一时间里 Gemini、Claude、GPT 只做出两三次，单次要 2.5—3.5 秒。TypeSafe 还让它打《DOOM》——每秒约 10 次即时判断，整套推理成本一小时约 7 美元。

发布几天，全球开发者已经晒出了一堆账单（以下为社区自发分享，未经独立核实，看个量级）：

企业侧也有了早期证言：Vercel 的工程师称，他们原本用 GPT-5.6 Luna 跑命令安全分类器，换成 Jev 后速度提升 5—18 倍，准确性还更高。也有创业者测试发现 Gemini 准确率略胜一筹，但成本是 Jev 的 10—20 倍。

看出味道了吗？Jev 不是来抢大模型饭碗的——它更像给大模型当"门卫"：便宜的高频活它先拦下，真正难的活再往上递。

TypeSafe 官网最醒目的宣传语是 "Zero Hallucinations"（零幻觉）。这很容易让人以为它治好了大模型的祖传顽疾，但它保证的其实只是格式，不是对错。

那它凭什么让人敢用？靠另一项训练方法：RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习）。

RLHF 优化的是"回答像不像好人说的"，RLVR 靠可验证奖励刷数学和代码，而 RLCD 要解决的是一个更朴素的问题：模型说自己有多大把握，这个概率到底靠不靠谱？

校准良好意味着：它对一批任务都给出 90% 的置信度，其中就应该有约 90% 真的判断正确。这样企业才能搭起自动分流的流水线：

Flask 作者、Earendil 公司 CTO Armin Ronacher 看得很透：这相当于把处理幻觉的责任部分交还给了使用者——"如果概率只有 50%，你可以忽略它；如果到了 95%，你就可以放心利用它。"同理，Jev 还能反过来当"模型路由器"：实时判断每个任务该请哪个模型出马，而这件事用大模型本身来做，太贵了。

当然，RLCD 目前同样没有完整论文和独立验证——它到底是一种新范式，还是已有校准方法的工程组合，尚无定论。

过去三年，我们评价大模型的标准越来越像在评价一个人：会不会说漂亮话，有没有情绪价值，像不像人。Jev 把这套规则整个掀翻，反问了一个朴素得惊人的问题——

Almeida 自己这样定义这家公司："前沿实验室的主要产物要么是恐惧，要么是炒作。我希望我们的主要产品是智慧——我们不属于那种一门心思创造无限财富、搞宗教式叙事，或者试图在数据中心里造神的实验室。"

回到那个 160 年前的悖论。1865 年，杰文斯盯着一台更省煤的蒸汽机，最终看到的，是一个烧掉更多煤的世界。TypeSafe 赌的是同一个剧本：当一次判断便宜到可以忽略不计，智能就会像水电一样，铺满你看不见的每一个角落。

这个赌注能不能成，现在没人知道。但它至少提醒了我们一件被热闹盖住的事：AI 的终极形态，也许从来都不是一个更会说话的机器人。