# 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。

- 作者：David（道雾轩）
- 最后更新：2026-09-19
- 原文：https://daiw.org/manual/jev
- 转载与引用：请注明出处并附原文链接（https://daiw.org/about/copyright）

# 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”。

<Callout type="info">
  **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。
</Callout>

## 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》](https://daiw.org/manual/llm-anatomy)；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》](https://daiw.org/manual/rsi)。

准备好了，就从 [Jev 是什么](https://daiw.org/manual/jev/what-is-jev) 开始。

## 本专栏篇目

- [Jev 原理与应用](https://daiw.org/manual/jev.md): 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。

### 第 0 部分 · 先看全貌

- [Jev 是什么：一个不说话的模型](https://daiw.org/manual/jev/what-is-jev.md): TypeSafe AI 的 Jev 不写一个字，只回答“选哪个、打几分、是不是”。本篇讲公司与团队、发布时间线、名字由来，以及它想解决的问题。
- [System One：快思考模型](https://daiw.org/manual/jev/system-one.md): 从卡尼曼的“系统 1 / 系统 2”讲起：System One 模型是什么，它和 LLM 怎么分工，与 JSON 模式、传统分类器、嵌入模型有何不同。

### 第 1 部分 · 原理

- [原理一：一次给出全部答案的并行采样](https://daiw.org/manual/jev/parallel-sampler.md): LLM 为何只能逐个 token 地写，并行生成有哪些公开路线；TypeSafe 对“并行采样器”说了什么、没说什么，“不会幻觉”又该怎么理解。
- [原理二：RLCD 与概率校准](https://daiw.org/manual/jev/rlcd.md): 什么叫“校准”，可靠性图、ECE、Brier 分数与恰当评分规则怎么读；RLCD 官方说了什么、没说什么，和 RLHF、RLVR 及公开研究有何异同。

### 第 2 部分 · 应用

- [上手：类型、调用与计价](https://daiw.org/manual/jev/using-jev.md): 照着官方文档走一遍 Jev 的调用：一次请求由材料和一组带类型的问题组成，返回每个选项的概率与置信度；再算清按输入 token 计费、输出免费的账与延迟。
- [应用：从分类路由到玩 Doom](https://daiw.org/manual/jev/applications.md): 官方文档、合作方与早期用户公开的 Jev 用例：工单分诊与意图路由、Agent 动作审查与模型路由、检索重排与邮件分类，以及 Doom 和维基竞速两个实时演示。
- [局限与展望](https://daiw.org/manual/jev/limits-outlook.md): Jev 现在能确认什么、不能确认什么：官方评测与首批独立测试怎么读，早期访问的变数，官方自列的短板，与 LLM 级联的实测，以及杰文斯悖论之问。

### 收尾

- [回顾](https://daiw.org/manual/jev/recap.md): 把 Jev 的来龙去脉收成一页：它是什么、两条原理、怎么用、能用在哪，哪些说法已被独立测试印证、哪些仍是官方口径，以及接下来值得盯的几件事。