Jev 模型：不做决策之外的任何事

📌 一句话理解

GPT 是作家，BERT 是读者，Jev 是裁判

• GPT/Qwen：生成文本（写文章、聊天）
• BERT：理解文本（分类、编码）
• Jev：做决策（从预定义选项中选一个，附带概率和置信度）

一、Jev 是什么？

Jev 是 TypeSafe AI 于 2026 年 9 月 15 日发布的 AI 模型，官方称之为第一个 "System One Model"（系统一模型）。

命名由来

Jev 的名字来自两个典故：

1. System One（系统一）
   借用心理学家卡尼曼《快思慢想》的概念：
   ├── 系统一：快速、直觉、自动化的判断 ← Jev 对标这个
   └── 系统二：缓慢、深思熟虑的推理 ← GPT/Claude 更像这个

2. Jevons（杰文斯）
   来自经济学家 William Stanley Jevons 提出的"杰文斯悖论"：
   一项资源用得越有效率、越便宜，人类反而用得越多
   → TypeSafe 希望 Jev 也如此：够便宜，开发者就会把它塞进更多角落

创始人背景

TypeSafe AI（2024 年成立于旧金山）
├── 创始人：Diogo Almeida
│   ├── 前 OpenAI 研究员
│   ├── 参与 RLHF、InstructGPT、ChatGPT、GPT-4 开发
│   └── 离开 OpenAI 后秘密研发 2 年
├── 融资：4000 万美元种子轮（DCVC 领投）
└── 定位：让 AI 从"会聊天"走向"可靠地做决策"

二、Jev 做什么？不做什么？

核心定位

Jev 只做一件事：
    输入：一段文本状态 + 预定义的选项/问题
    输出：结构化的决策结果（选项 + 概率 + 置信度）

Jev 不做的事：
    ❌ 不生成文本（不写文章、不聊天）
    ❌ 不处理图片/音频/视频（只接受文本）
    ❌ 不解释自己的判断（没有"为什么选这个"）
    ❌ 不做开放式推理
    ❌ 不做精确计算（算术应交给代码）

三种决策原语

Jev 只提供三种操作，所有决策都是这三种的组合：

💡 关键区别：每个答案都附带一个校准过的置信度分数——程序可以据此决定"自动放行"还是"转交人工复查"。

代码示例

from typesafe_sdk import Choice, Noul, TypeSafeClient

with TypeSafeClient(model="jev-1.13.0") as client:
    response = client.system_one(
        state={"request": "我想查一下昨天的潮汐数据"},
        questions={
            "route": Choice(
                instructions="这个请求应该由谁处理？",
                criteria={
                    "deterministic_code": "固定查询，规则或计算即可",
                    "fast_llm": "简短的语言生成，推理有限",
                    "reasoning_llm": "需要多步解释或综合",
                    "human_review": "模糊、敏感或超出预设范围",
                },
            ),
            "needs_current_sources": Noul(
                instructions="这个请求是否需要可能已更新的实时信息？"
            ),
        },
    )

# 输出是结构化的，不是文本
route = response.answers["route"]
print(route.choice)      # "deterministic_code"
print(route.confidence)  # 0.92
print(route.probabilities)  # {"deterministic_code": 0.92, "fast_llm": 0.05, ...}

三、用你已学的知识理解 Jev

与 BERT 分类的对比

你的直觉很对——Jev 本质上就是"超级进化版的 BERT 分类器"：

BERT 做分类（你做过的事）：
    输入："你们电话是多少"
    → BERT 编码 → 分类头 → softmax → 类别："联系方式"（置信度 92%）
    → 从 categories.json 取出预设答案返回

Jev 做决策：
    输入：一段文本 + 预定义选项
    → Jev 编码 → 直接从选项中选 → 返回选项 + 概率 + 置信度

相同点：
    ✅ 都是从预定义选项中选
    ✅ 都不生成文本
    ✅ 都附带置信度
    ✅ 都很快（不需要逐 token 生成）

不同点：
    BERT 分类：固定类别（17 类 / 100 类），训练时确定
    Jev 决策：选项可以每次不同（由开发者在请求中定义）

    BERT 分类：需要微调（用训练数据训练分类头）
    Jev 决策：不需要微调（直接用，选项在请求时指定）

    BERT 分类：本地部署，完全离线
    Jev 决策：API 调用，需要联网

在 AI 模型谱系中的位置

AI 模型谱系（你学过的知识 + Jev 的新位置）：

2017 ── Transformer
         │
         ├── Encoder-only ──→ BERT (2018) ──→ 理解文本 → 分类/编码
         │                                      ↓
         │                                  "我知道这是什么"
         │
         ├── Decoder-only ──→ GPT (2018) ──→ 生成文本 → 对话/写作
         │                                      ↓
         │                                  "我能写出来"
         │
         └── System One ───→ Jev (2026) ──→ 做决策 → 路由/判断
                                                ↓
                                            "我选这个"

为什么"很少幻觉"？

幻觉的来源对比：

GPT 产生幻觉：
    输入："中国最长的河流是？"
    → 逐 token 生成 → 可能生成"长江全长约 7766 公里"（7766 是编的）
    → 因为每个 token 都是"猜"的

BERT 不产生幻觉：
    输入："你们电话是多少"
    → 分类 → "联系方式"（类别 3）
    → 从 categories.json 取预设答案
    → 答案是人写的，不是模型"编"的

Jev 不产生幻觉：
    输入：文本 + 选项 ["fast_llm", "reasoning_llm", "human_review"]
    → 从选项中选一个
    → 输出被 schema 锁死，不可能输出选项之外的东西
    → 就像多选题只能选 A/B/C/D，不可能写出 E

⚠️ 但注意：
    "类型正确" ≠ "判断正确"
    Jev 选了一个选项，不代表选对了
    置信度高 ≠ 100% 正确
    只是说输出格式不会出错，内容判断仍是概率性的

四、性能数据

速度与成本

⚠️ 以上数据来自 TypeSafe 官方自测，非独立审计。实际收益取决于具体场景。

实际案例

同一个判断任务：
    Jev：0.114 秒
    GPT-5.6 Terra：8.566 秒
    → 快约 75 倍

玩 DOOM 游戏演示：
    每秒 10 次决策查询
    一小时成本约 7 美元
    → 展示极端速度场景

五、适用场景

Jev 擅长的事

所有"从几个选项中选一个"的高频决策：

├── 模型路由：这个请求该给哪个模型处理？
├── 客服分流：这条消息属于哪个部门？
├── 意图识别：用户想做什么？
├── 风险分级：这条告警的严重程度？
├── 内容审核：这条内容是否违规？
├── 升级判断：这个案例需要转人工吗？
├── 重试判断：上一步的结果是否合格？
└── Agent 工作流中的"决策中枢"

Jev 不适合的事

❌ 需要生成文本 → 用 GPT/Qwen
❌ 需要开放式推理 → 用 GPT/Qwen
❌ 需要精确计算 → 用代码
❌ 需要处理图片/音频 → 用多模态模型
❌ 需要解释原因 → Jev 不会解释
❌ 需要完全离线部署 → Jev 只有 API

最佳架构：分层协作

软件架构中的三层分工：

确定性代码（规则）
├── 算术、权限、限制、日期
├── 硬策略（如"禁止类请求直接拒绝"）
└── 最终授权和副作用

Jev（语义决策）
├── 从选项中选（Choice）
├── 评分（Score）
├── 是非判断（Noul）
└── 处理"规则说不清、需要语义理解"的判断

LLM（语言生成）
├── 向用户解释
├── 生成文本内容
├── 开放式推理
└── 多步综合分析

六、训练方法：RLCD

Jev 的训练方法与业界常用的 RLHF / RLVR 不同，TypeSafe 自创了 RLCD（Calibrated Decision Reinforcement Learning，校準决策强化学习）：

训练方法对比：

BERT：
    预训练 → MLM（挖空填词）+ NSP（下一句预测）
    微调 → 在标注数据上训练分类头

GPT：
    预训练 → CLM（预测下一个词）
    SFT → 指令微调
    RLHF → 人类反馈强化学习

Jev：
    RLCD → 校準决策强化学习
    ├── 不只追求"选对"
    └── 还追求"置信度校准"
        → 说 90% 置信度的案例，统计上确实 ~90% 正确
        → 程序可以信任这个数字来做自动化决策

💡 置信度校准是 Jev 的核心创新之一——不只是"选对"，还要"知道自己有多确定"。

七、已知局限

八、能否免费使用？是否开源？

定价

Jev 不是免费的，但极其便宜：

当前定价（Early Access）：
    输入：$0.042 / 百万 token（即 $42 / 十亿 token）
    输出：免费（"便宜到不值得计量"）

对比主流 LLM：
    GPT-5.6 Terra：输入 $2 + 输出 $12 / 百万 token
    GPT-6 Astra：  输入 $10 + 输出更高
    Jev 便宜约 40-400 倍

实际花费估算（第三方测算）：
    同样的决策量
    用 LLM：每月约 $40-50
    用 Jev：每月约 $1.34
    → 个人开发者也完全用得起

开源情况

Jev 模型本身：
    ❌ 不开源（模型权重不公开）
    ❌ 不能下载本地部署
    ✅ 只能通过 API 调用
    ✅ 需要申请 Early Access（等候名单）

开源的部分（工具链）：
    ✅ Python SDK（typesafe-sdk）→ 调用 API 的客户端库
    ✅ System One Adapter（system-one-adapter-python）
       → 让 LLM 也能输出 Jev 格式的结构化决策
       → 这不是 Jev 本身，只是一个"适配器"

已接入的平台：
    ✅ Cloudflare AI Gateway（零配置接入）
    ✅ Netlify AI Gateway（零配置接入）
    → 不需要直接对接 TypeSafe API，可通过这些平台使用

当前状态（2026年9月）

版本：jev-1.13.0
状态：早期访问（Early Access），需申请等候名单
官网：https://typesafe.ai
API：POST https://api.typesafe.ai/v1/systemone
上下文：64k token（状态 + 问题共 32k）
输入：仅文本
语言：英语为主，其他语言需单独评估

九、实际应用场景

场景 1：模型路由（最典型）

用户发了一句话 → Jev 判断该交给谁处理：

    state = {"request": "帮我查一下昨天的潮汐数据"}
    Choice(options={
        "deterministic_code": "固定查询，规则即可",
        "fast_llm":          "简短生成，推理有限",
        "reasoning_llm":     "需要多步综合分析",
        "human_review":      "模糊、敏感、超出范围",
    })
    → 返回：{"choice": "deterministic_code", "confidence": 0.92}

意义：
    不需要每个请求都调用昂贵的大模型
    Jev 做"前台分诊"，大模型只处理真正需要的事

场景 2：内容审核 / 安全护栏

LLM 生成了一段回复 → Jev 判断是否安全：

    Noul("这段回复包含不当内容吗？")
    → {"answer": "否", "probability": 0.03}

    Score("风险等级 1-5？")
    → {"score": 1, "confidence": 0.95}

意义：
    给 LLM 的输出加一层"质检"
    比用另一个 LLM 做审核更快更便宜

场景 3：客服分流

收到一条客户消息 → Jev 判断属于哪个部门：

    Choice(options={
        "技术支持": "产品使用问题、bug 报告",
        "销售咨询": "价格、购买、升级",
        "退款请求": "要求退款、对账单有异议",
        "其他":     "不属于以上类别",
    })
    → 自动路由到对应部门

意义：
    替代人工分诊，7×24 自动分类
    比关键词匹配更智能（理解语义）

场景 4：大规模数据处理

10 万条海洋观测记录 → Jev 逐条判断：

    Score("数据质量 1-5 分？")
    Noul("这条数据包含异常值吗？")
    Choice("属于哪个监测领域？")

成本：几美元搞定（同样的量用 GPT 可能要几百美元）
速度：70-500ms/条，可并行

与你的 BERT 分类对比

海小星意图识别（你正在做的事）：

    现状：BERT 微调 → 17 分类 → 本地部署 → 成本为零
    如果换 Jev：
        ✅ 不需要准备训练数据
        ✅ 类别可以随时改（不用重新微调）
        ✅ 开发更快（几分钟接入 vs 几小时微调）
        ❌ 必须联网（不能离线）
        ❌ 每次调用有成本（虽然极低）
        ❌ 不能部署到香橙派端侧

结论：
    你的场景（端侧 + 离线 + 成本敏感）→ BERT 微调更合适
    如果需要快速验证 / 类别常变 / 云端服务 → Jev 值得一试

十、总结

Jev 的本质：
    一个"超级智能的 switch 语句"
    输入文本 → 从预定义选项中选 → 返回结构化结果

和你的 BERT 分类的关系：
    你做的：BERT + 固定 17 类 → 本地分类
    Jev 做的：决策模型 + 动态选项 → API 调用

    思路一样（从选项中选，不生成文本）
    Jev 更灵活（选项可以每次不同，不用重新训练）
    BERT 更自主（完全离线，不依赖 API）

Jev 的意义：
    不是所有 AI 任务都需要一个"会聊天的大脑"
    很多场景只需要一个"快速准确的判断"
    → 快 200 倍、便宜 400 倍、几乎没有幻觉

📝 创建：2026-09-19
🔄 标签：AI、Jev、TypeSafe、决策模型、System One、Agent