Jev：决定而非对话的系统一AI模型

Jev：“系统一”AI模型，做决策而非聊天

三年来，AI领域的讨论一直围绕着会说话的模型：能写文章、代码和答案的聊天助手。2026年9月，一家名为TypeSafe AI的初创公司发布了某种刻意不同的东西。Jev完全不聊天。它不写散文或代码。给定一些状态和一组类型化问题，它会在几百毫秒内返回带有校准概率的类型化答案。TypeSafe称其为首个“系统一模型”，理解这一框架为何重要，对任何用AI构建产品的人来说都值得。

系统一与系统二

这个名字致敬了丹尼尔·卡尼曼的《思考，快与慢》，该书将人类认知分为系统一（快速、自动、直觉）和系统二（缓慢、刻意、费力）。当今大多数大型语言模型都是系统二机器：它们逐步推理，生成长输出，非常适合开放式写作和问题解决。但大量真实生产环境中的AI根本不是开放式的。它是快速的是/否或选其一决策，被执行数百万次：这笔交易是否欺诈，这张工单进入哪个队列，这张图片是否违反政策，这个工作流中的下一步是什么。

Jev正是针对那个系统一层。与其要求聊天模型“请以JSON格式回复”并希望它照做，不如将带有固定答案集的类型化问题交给Jev，它会返回其中一个答案并附带概率。

它实际如何运作

接口就是关键所在：

因为输出是受限且类型化的，而非自由文本，你的代码可以直接消费它，无需解析散文，也不会出现“模型又把JSON包在反引号里”的失败。而且因为它不生成数百个解释性token，在这些狭窄任务上它要便宜得多、快得多。

数字（以及星号）

发布时，TypeSafe报告Jev在决策工作负载上运行速度大约是Claude Sonnet 5的193倍，成本大约是Claude Opus 5的444分之一。这些数字很惊人，但附带一个诚实的星号：基准测试是TypeSafe自己的，工作流由TypeSafe团队编写，公司表示这些优势处于预期实际使用的高端。独立验证在最初几周仍然薄弱。将头条数字视为供应商声明，而非既定基准，并在你自己的工作负载上测试。

TypeSafe由Diogo Almeida领导，他是前OpenAI研究员，与早期ChatGPT工作有关，这也是发布引起如此多关注的部分原因。

为什么提示词构建者应该关注

如果你生活在生成式提示词的世界里，就像我们目录中的大多数内容一样，Jev不是你的图像和视频提示词的竞争对手，也不是你的ChatGPT和Claude配方。它是补充。正在出现的模式是双速栈：

实际要点：当你构建AI工作流时，注意哪些部分真正是开放式的（将这些保留在强大的聊天模型上，并投资于提示词），哪些部分实际上只是快速决策（类型化分类器在那里会更便宜、更快、更可靠）。知道一个任务属于哪种模式，正在悄然成为一项自己的提示词技能。

在我们的wiki中阅读完整解析：Jev。