OpenAI创始人隐退两年，造出比GPT快200倍的AI决策引擎

我刚发现一个让人睡不着觉的事。

OpenAI有个叫Diogo Almeida的创始人，参与了ChatGPT核心技术的研发——就是那个让AI学会"听懂人话"的方法。去年他突然消失了，两年没露面。

上周，他带着一个新模型回来了。不叫ChatGPT，不叫Claude，叫Jev。

第一句话就炸了：这个模型根本不生成文字。

我踩过的坑

去年我花三个月试了17个AI Agent。

有一个自动整理GitHub热帖的，跑了三天，每天给我发一封"今日AI热点"邮件。第四天我发现它把同一条新闻发了三遍，一个字都没改。

还有一个自动回邮件的。给它看了我邮箱权限，告诉它"普通邮件你处理，紧急的转给我"。第二天早上起来，老板发来"今晚加班"，AI回了一句："已收到，感谢您的通知，我会合理安排工作时间。"

我盯着屏幕愣了五分钟，赶紧补了一条："刚才那条是机器人自动回复，请忽略，今晚我会到。"

老板回了个问号。

第三个自动运营社交媒体的，粉丝涨了47个，其中32个是僵尸粉，评论区全是"good"和"nice"。真正的阅读完成率不到3%。

17个Agent，没有一个让我满意。

直到我遇到Jev

TypeSafe AI前几天发了论文，说他们训练了一个全新的模型类别，叫"System One Model"。

翻译成人话：这不是一个聊天机器人，这是一个做决策的AI。

传统LLM的输出是文字——你让它分类、评分、做判断，它也得先"想"一段文字，你再从文字里解析出结果。这个过程又慢又贵，还经常出错。

Jev完全不同。你给它一个问题，它直接输出一个结构化的答案，附带概率和置信度。没有文字，没有幻觉，不需要解析。

就像你调用一个函数，输入状态，输出决策。

怎么用

举个例子。假设你有一个客服工单系统，想知道每条工单该分到哪个部门。

用传统LLM，你得写prompt，让它输出JSON，再解析——经常格式出错，还要加校验逻辑。

用Jev，你这样问：

`

问题1（Choice）：这封邮件该分到哪个部门？

选项：账单 / 技术 / 销售

问题2（Score）：客户有多生气？（0-2分）

问题3（Noul）：这封邮件紧急吗？（0-1的概率）

`

四个问题一次发出去，100毫秒内全部返回。每个答案都有概率分布和置信度。

邮件里提到"重复收费"和"退款"——模型输出：

• 部门：账单（概率85%，置信度0.92）

• 愤怒程度：1.5分（介于"沮丧"和"非常愤怒"之间）

• 紧急度：0.88（高度紧急）

你的代码拿到这三个数字，直接决定路由策略。不需要解析文字，不需要写正则，不会格式错误。

速度快到什么程度

论文里有一组对比数据：

444倍 cheaper，200倍 faster。

关键是"零幻觉"——不是"很少幻觉"，是数学上不可能幻觉。因为你定义了选项，它只能从选项里选，选不出来就说明它不确定，会给你一个低置信度而不是瞎猜。

为什么这很重要

AI行业走了四年，一直在往一个方向卷：让模型生成更长的文字，做更复杂的推理。

TypeSafe的反方向走：不做文字生成，只做结构化决策。

他们的创始人Diogo在博客里写了一句话，我觉得说得很透：

"Models have been superhuman at chat for years, so where is all the automation?"

翻译：AI聊天已经无敌了，那自动化在哪里？

答案是：我们一直用聊天模型去做它不擅长的事。让一个写作的引擎做决策，就像让一个厨师去修车——不是不能做，而是根本不对路。

Jev的思路是：造一辆专门做决策的车。不吃饭（不生成文字），不聊天（不做自由发挥），只做一件事——给你答案，告诉你有多确定。

能干什么

我现在能想到的应用场景：

客服分流。 进来一条工单，100ms内判断部门、紧急度、客户情绪，自动路由。以前靠规则引擎，漏判率高；现在靠Jev，还能给出置信度，低于阈值转人工。

LLM护栏。 每次调用GPT之前，先用Jev检查一下prompt有没有jailbreak，输出有没有幻觉，工具调用对不对。成本只有主调用的1%。

智能路由。 简单问题走DeepSeek（$0.14/MTok），复杂问题走GPT-4o（$2.50/MTok）。Jev做裁判，每月省40-70%的API费用。

内容审核。 检测毒性、垃圾信息、敏感数据泄露。Jev输出的是概率而不是"是/否"，你可以设阈值灵活控制。

底线

我不是在推荐你马上用Jev——它还在early access阶段，API key要申请，生态也刚起步。

但我确实在想一件事：如果AI的下一波红利不在"更强的聊天模型"，而在"更可靠的决策引擎"，那现在入局的人，可能比追ChatGPT的人早走了三步。

Diogo Almeida在OpenAI参与了指令微调的研究——就是让AI学会听人话的那套技术。现在他回来，不教AI聊天了，教AI做决定。

你觉得，下一个改变AI格局的，会是更会聊天的模型，还是更会做决定的模型？