Jev 是一个由初创公司 TypeSafe AI 于2026年9月推出的人工智能决策模型。与诸如 Claude 或 ChatGPT 之类的对话模型不同，Jev 不聊天、不编写代码，也不生成自由形式的散文。给定一块应用程序状态和一系列类型化问题，它会返回带有校准概率分数的类型化答案，通常只需几百毫秒。TypeSafe 称其为首个“系统一模型”，这是指丹尼尔·卡尼曼的著作《思考，快与慢》中描述的快速、直觉性的“系统1”思维。
工作原理
Jev 专为结构化决策而非开放式生成而构建。调用者需要提供：
- 一块上下文或状态（例如发票、支持工单或安全警报），以及
- 一个或多个类型化问题，每个问题都有定义好的可能答案集合。
Jev 会为每个问题返回所选答案以及校准概率，因此下游代码可以基于决策和模型的置信度进行分支。由于输出是类型化且受约束的，而非自然语言文本，结果可以在不解析散文的情况下以编程方式消费，并且模型可以比逐令牌的聊天模型快得多地响应。典型用途包括分类、评分、路由、内容审核，以及在自动化工作流中选择下一步操作。
性能声明
在发布时，TypeSafe 报告称，在其内部工作流评估中，Jev 在决策任务上的运行速度比 Claude Sonnet 5 快约193倍，成本比 Claude Opus 5 低约444倍。这些数字来自 TypeSafe 自己的评估套件，其工作流由 TypeSafe 自己的团队编写，公司表示这些收益代表了预期实际使用中的高端水平，而非保证的平均值。发布后的几周内，独立基准测试仍然有限，因此头条速度和成本数字应视为供应商声明，有待第三方验证。
背景
TypeSafe AI 由 Diogo Almeida 领导，他曾是 OpenAI 的研究员，参与过 ChatGPT 的早期工作。公司将 Jev 定位为生成模型的补充而非替代品：大型语言模型仍然适合散文写作和推理（“系统2”工作），而 Jev 则针对围绕它们的高容量、低延迟分类和路由决策。
反响
发布后，Jev 在 AI 开发者社区迅速引起关注，早期采用者报告了在发票处理、产品匹配和客户服务自动化等任务上的成本和延迟改进。报道既指出了这种类型化、非聊天“决策”模型的新颖性，也指出了其最引人注目的性能数字是自我报告的这一事实。据报道，在可用性的最初几天内，基于 Jev 构建的项目数量迅速增长。几天之内，印度初创公司 Convai Innovations 发布了 Laya，这是一个 Apache-2.0 开放权重模型，属于同一“系统一”类别，并将其定位为可自行托管的替代方案。