Jev AI： 把问题变成结构化决策

Jev AI 是 TypeSafe AI 的首个 System One 模型。它不像 ChatGPT 那样生成自由文本，而是接收非结构化状态（文本或 JSON）和带类型的问题，返回带有校准置信度的结构化决策——选项、分数或是/否概率。它的设计目标是让软件可以直接执行这些结果。

传统 LLM 会逐 token 生成供人阅读的文本。Jev AI 从不编写散文、代码或解释，而是在一次调用中并行完成结构化决策，提供类型安全的输出，不会产生格式幻觉；对于分类、路由和评分任务，它通常延迟更低（一般为 70–500 毫秒），成本也低得多。

不是。虽然它基于 Transformer 架构并且理解语言，但 Jev AI 不是生成式语言模型。它完全不生成文本，只返回预先定义的带类型答案及其概率。TypeSafe 将这一类别称为“System One Model”。

这是三种核心问题类型： - Choice：从你定义的选项列表中选择一个（最多 255 个选项），并返回完整的概率分布。 - Noul：回答是/否问题，并返回答案为“是”的概率。 - Score：按照你设定的有序尺度或评分标准为输入打分，并返回概率和加权分数。 一次调用中可以混合使用多种类型的问题。

TypeSafe 报告的端到端延迟为 70–500 毫秒，并声称在同等结构化决策任务上比前沿 LLM 快 40–200 倍。真实场景测试中，典型请求的中位耗时通常约为 250–400 毫秒。

官方价格是每百万输入 token 0.042 美元。由于输出只有几个数字，因此不收取输出 token 费用。一次典型的短请求通常约为 0.00002 美元。许多独立 Playground（包括竞品）也提供限量免费试用。

Jev AI 不会凭空发明标签或返回格式错误的输出，因为每个可能的答案都由你预先定义。不过，它仍然可能选错选项。这也是校准置信度分数很重要的原因——你可以用它把低置信度案例转交给人工或备用系统。

常见的高价值用途包括： - 支持工单路由与分流 - Agent 工具选择与循环控制 - 风险评分、垃圾信息/安全过滤和护栏 - 线索质量评分 - 验证或评判其他模型的输出 - 游戏、模拟或自动化中的实时决策 它尤其适合软件内部高吞吐、边界明确的判断任务。

Jev AI 由 TypeSafe AI 打造。TypeSafe AI 是一家总部位于旧金山的初创公司，由 Diogo Almeida 创立；他曾是 OpenAI 研究员，参与共同发明 RLHF 并参与 InstructGPT 工作。该公司获得了由 DCVC 领投的 4,000 万美元种子轮融资，并于 2026 年 9 月结束隐身状态、正式亮相。

是的——jev-ai.net 等独立网站提供无需信用卡的免费 Playground（受速率限制约束）。你可以立即体验 Choice、Noul 和 Score 示例。若要使用生产环境 API，请通过 TypeSafe 官方渠道或第三方网关（OpenRouter、Vercel AI Gateway、Cloudflare）接入。

不能。Jev AI 刻意采用非生成式设计，只返回你请求的类型化决策及其概率。如果你需要解释、写作或复杂的多步推理，请将它与传统 LLM 搭配使用。

不是，模型权重并未开源（不过社区中存在一些复现项目）。TypeSafe 表示不会使用客户的请求和响应进行训练或微调。你可以通过提供的状态、问题措辞和评判标准来定制模型行为。