Jev 原理与应用
用大白话拆解 TypeSafe AI 在 2026 年 9 月发布的 Jev——一个不写字、只给“带概率的决策”的 System One 模型：它是什么、为什么快、校准是什么意思、怎么调用、能用在哪、哪些话还只是官方口径。
序 · 一个不说话的模型
大模型这几年给人的印象是“会说话”：你问一句，它一个字一个字地写出一段回答。但软件里的很多问题其实用不着一段话——这封邮件是不是投诉？这个工单该派给哪个组？这一步操作 Agent 能不能执行？它们要的只是一个选择，外加一个“有多大把握”。
2026 年 9 月 15 日，旧金山的创业公司 TypeSafe AI 发布了 Jev，押的正是这件事。它不生成文本，而是按调用方事先定义好的类型，一次性给出每个选项的概率；公司把这类模型叫作 System One 模型，借用心理学里“快思考”的说法，与擅长慢慢推理的大语言模型分工。名字取自 19 世纪英国经济学家 William Stanley Jevons——“杰文斯悖论”的那位 Jevons。
这个专栏用大白话，从“它到底是什么”讲到“背后的两条原理”，再讲到“怎么用、用在哪、还有哪些没被证实”。
资料说明：Jev 发布于 2026 年 9 月中旬，仍在早期访问阶段，没有论文，也没有公开的技术报告。本专栏以 TypeSafe 官网、官方博客《Introducing System One Models & Jev》与官方文档为主要依据，成文于 2026 年 9 月 19 日。凡是厂商自述、没有第三方复现的数字，正文一律标“官方口径”；媒体报道与个人测试标明出处；官方没公开的（例如参数量、具体网络结构、训练数据细节），就写“尚未公开”，不做推测。
先看结论
| 问题 | 一句话回答 |
|---|---|
| 它输出什么 | 不是文本，而是调用方预先定义好的类型里的选项，外加每个选项的概率与置信度 |
| 为什么快 | 不逐个 token 往外写，而是一次并行给出全部答案；官方称比前沿 LLM 快 40–200 倍（官方口径，有前提） |
| “不会幻觉”是什么意思 | 输出只能落在预先定义的选项里，不会编出选项之外的东西；但选错仍然可能 |
| 校准是什么 | 它说有 85% 把握时，这类判断应当真有约 85% 是对的；训练方法叫 RLCD |
| 怎么收费 | 按输入 token 计费、输出免费（官方定价，以官网为准） |
| 现在能不能信 | 更快更省在第一批独立测试里得到了印证，但幅度比官方数字小；准确率与校准还缺独立评测 |
这个专栏怎么走
第 0 部分 · 先看全貌
- Jev 是什么 —— 公司与团队、发布时间线、名字的由来，以及它想解决的问题。
- System One：快思考模型 —— 从卡尼曼的系统 1 / 系统 2 讲起：它和 LLM 怎么分工，和 JSON 模式、分类器、嵌入模型有何不同。
第 1 部分 · 原理
- 一次给出全部答案的并行采样 —— 为什么 LLM 只能逐字写、并行生成有哪些公开路线，TypeSafe 说了什么、没说什么。
- RLCD 与概率校准 —— 可靠性图、ECE、Brier 分数与恰当评分规则怎么读，RLCD 和 RLHF 有何不同。
第 2 部分 · 应用
- 上手：类型、调用与计价 —— 照着官方文档走一遍请求、返回、SDK、计价与延迟。
- 应用：从分类路由到玩 Doom —— 官方与早期用户公开的用例，以及两个实时演示。
- 局限与展望 —— 官方评测怎么读、第一批独立测试说明了什么、它做不好什么，以及杰文斯悖论之问。
最后一篇回顾把全书串起来。
和站内其他专栏的关系
如果你想先弄懂“大语言模型为什么只能一个 token 一个 token 地写”，可以先读《AI 大模型解构》；想看同期另一条前沿方向——让 AI 参与改进 AI 自己——见《RSI 技术探究》。
准备好了，就从 Jev 是什么 开始。