TypeSafe AI 由前 OpenAI 研究员 Diogo Almeida 创立，已发布 Jev——该公司称为「System One Models」的新架构类中的首个公开模型。名称引用 Daniel Kahneman 关于快速直观的 System 1 思维与缓慢深思熟虑的 System 2 推理的区分。Jev 明确不是传统意义上的大语言模型：它不生成字符串。取而代之，它以结构化程序状态为输入，返回带校准置信度分数的类型化概率性决策——分类、评分、选择题答案或是否判断。
### Jev 与 LLM 的区别
传统 LLM 使用来自人类反馈的强化学习（RLHF）或可验证奖励的强化学习（RLVR）训练，以生成人类评分者偏好的文本。输出是逐 token 生成的序列（自回归采样），这使它们灵活——可以聊天、写代码、产生幻觉或拒绝——但软件集成时速度慢、成本高。前沿 LLM 调用端到端需 3–329 秒，输出 token 价格约为输入的 5 倍。
Jev 反转了这一设计。它使用并行采样器，单次前向传播即产生所有输出，结构化任务上端到端延迟 70–500ms（比同等智能的前沿 LLM 快 40–200 倍）。输入 token $0.042/百万（$42/十亿），输出免费，公司称其"便宜到无法计量"。模型使用新算法 Reinforcement Learning for Calibrated Decisions（RLCD）训练，针对可验证的 System One 任务优化真实的概率校准，而非人类偏好的文本。
API 接口使差异具体化。开发者预先定义问题——Choice（选择题）、Score（数值评分）或 Noul（是否判断）——每项附说明。Jev 返回严格符合这些类型的答案，并附校准概率分布。由于输出模式固定，类型错误在数学上不可能。代价是 Jev 无法写代码、对话或生成任何开放式文本。
### "无法幻觉"的含义——以及不包含的含义
TypeSafe 声称 Jev"无法幻觉"。狭义上这是真的：模型不能输出问题模式中未定义的无效类型或字段。幻觉工具调用——LLM 代理的常见失败模式——在结构上不可能。但模型仍可能以高置信度返回错误答案。校准意味着当 Jev 为某答案分配 95% 概率时，在任务分布上大约 95% 的时间是正确的。但任何单次调用中，高置信度错误仍有可能。公司承认这一点："如果模型 95% 的时间能完成任务但不说自己处于剩余 5%，就无法自动化该任务。"Jev 解决的是信号问题，而非准确性问题。
### 评估方法与注意事项
文章描述 Jev 的评估方法与实际集成路径。该适配器是让开发者在结构化决策任务上并排对比的具体工具，将抽象的 API 讨论转化为可操作的内容
TypeSafe 发布"工作流评估"，将 Jev 与基线 LLM 嵌入相同的多步代码工作流（例如分类支持工单、路由、评分）。他们不使用真实标签对比，而是以 GPT-6 Astra 和 Claude Fable 5.1 的平均预测作为参考概率。Jev 处于 Pareto 前沿——公司首页称快 193.6 倍、便宜 444.6 倍——但指出这些可能是实际收益的高端。若干注意事项：
- 工作流由 TypeSafe 的能力团队编写，存在潜在偏差。 - LLM 通过 TypeSafe 的"System One LLM"包装器访问，约束其结构化输出，比无约束生成更慢更贵。 - OpenRouter 路由可能对复杂查询偏向较强模型，扭曲 LLM 基线。 - Jev 的 0% 幻觉率是结构保证（模式匹配），非经验测量。
### 预期用途
Jev 面向"AI 驱动的工作流"——公告称为"智能 if 语句"——手写逻辑过于脆弱的场景：分类、路由、评分、提取或基于模糊标准的分支。示例包括实时应用决策（100ms 延迟支持 UX 关键路径）、大规模数据集的 map-reduce，以及 LLM 输出的护栏或验证（越狱检测、推理链评分）。公司还展示 Jev 通过结构化游戏状态查询玩 Doom（约 10 查询/秒，约 $7/小时）和维基竞速（导航 Wikipedia 链接图），但后者使用非推理 LLM 基线，加速比较小。
### 仍不确定之处
- 泛化能力：已发布工作流集合狭窄，未见过的任务分布上的性能未知。 - 可持续性：定价未经证明未补贴；TypeSafe 预期成本下降但无长期记录。 - 多模态：当前演示基于文本结构化状态，非图像或原始字节。 - 基数限制：Jev 每问题最多支持 255 个选项；更高基数使用两阶段评分再选择管道，偶有减速。
早鸟访问自公告日期（2026 年 9 月 15 日）起开放。GitHub 适配器（`system-one-adapter-python`）让开发者在相同结构化决策 API 上对比 Jev 与 OpenAI、Anthropic 和 Gemini 模型。