一句话核心：2026 年 9 月 15 日，TypeSafe AI 发布其首个「System One 模型」Jev——它不生成文本，只输出带校准概率的类型化决策（是/否、多选、打分）。官方称 Jev 在 System One 类任务上达到与现有 LLM 相近的智能水平，同时端到端快 40–200 倍；输入价 $0.042/百万 token，输出免费。它放弃的，是「生成字符串」这件事本身。
背景脉络
- 这条最值得注意的地方不在「模型更强」，而在输出的形态：从「一段可读的字符串」变成「软件可以直接消费的类型化概率值」。官方把 Jev 描述为「一次前沿智能的函数调用：非结构化状态进，类型化概率决策出」。
- 作者 Diogo Almeida 在官方博文中自述：他此前在 OpenAI 参与过让语言模型学会遵循指令、与人对话的方法，并称那项研究后来成为 ChatGPT 背后的研究；但他认为「聊天模型通向 AGI」这条路缺了一块关键拼图，于是在 stealth 状态下做了两年。
- 命名：模型类别「System One」取自 Daniel Kahneman《思考，快与慢》中「快、直觉的系统 1」与「慢、审慎的系统 2」之分；「Jev」取自经济学家 William Stanley Jevons——官方用「蒸汽机效率提升反而推高煤炭需求」的杰文斯悖论，类比智能成本每降一个数量级会解锁数量级更多的用例。
- 热度可核：官方这篇博文在 Hacker News 上得 1,977 分（公开 API 读数）。围绕它已出现一批社区项目（《Jev in 25 Lines of Python》645 分、《Kev》459 分、逆向复刻、社区自建基准 JevBench 等）以及若干本地复刻实现。
关键细节
1）三种问题类型，一次调用可混合
官方 API 的输入是「状态（state）＋一组问题（questions）」，问题只有三种类型：
- Noul：是/否，模型给出概率；
- Choice：从预定义选项里选一个，给出选项分布与置信度；
- Score：在一个刻度上打分，给出分值、层级分布与置信度。
端点与模型名：POST https://api.typesafe.ai/v1/systemone，模型名 jev-latest（官方响应示例中返回 jev-1.13.0）。每个答案都带 confidence 与 probabilities。
2）技术栈：新架构 ＋ 并行采样 ＋ RLCD
官方给出的三件套是：新模型架构、并行采样器（parallel sampler）、训练方法 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习）。与传统 LLM 的差别，官方用一张对照表说明：
| 现有 LLM | System One / Jev | |
|---|---|---|
| 训练优化目标 | RLHF／RLVR：人类偏好、可程序化验证的奖励 | RLCD：在 System One 任务上给出「认识论上诚实」的概率 |
| 输入侧重 | 非结构化数据，偏顺序消息 | 非结构化数据，偏结构化程序状态 |
| 输出 | 字符串／生成文本（软件使用前需解析与校验） | 类型安全的结构化值，可能输出与结构事先定义 |
| 采样 | 逐 token 串行 | 并行：一次查询生成全部输出 |
| 置信度 | 被要求时往往过度自信、不一致 | 每次输出都带置信度与不确定性，官方称「校准」 |
官方对「校准」的论述是：如果一个模型 95% 的时候能做对，却不说它何时落在那 5% 里，就无法自动化该任务。
3）官方列举的适用场景与两个演示
适用场景：人工在环任务（chatbot／copilot／编码 agent）、可验证问题（数学证明、内核优化）、AI 工作流／「智能 if 语句」（把结构化输出当作模糊决策规则：分类、路由、打分、抽取、分支）、大数据 map-reduce、实时应用（100ms 级）、以及验证一切（对 LLM 的 prompt／推理链／输出做打分、判定、护栏、越狱检测）。
两个官方演示：一是让 Jev 实时玩 Doom，工程师担心每秒 10 次查询（约 $7/小时）的成本；二是 Wikiracing（从一页维基百科只用链接走到指定页，每步在数百到数千个链接中选择）。两处官方都给了限定，见下节。
数据解读与口径
一、官方评测站的四工作流等权平均（本次直取 evals.typesafe.ai）
该站有四个工作流：安全事件、Agent 轨迹可观测性、发票处理、客服。口径是：每个点＝一个模型配置在四个工作流上的等权平均（准确率／每例成本／每例耗时，对照「共识标签」）；所有模型按各供应商默认推理档评测；官方注明「越靠左上越好」。
| 模型（workflow 模式） | 准确率 | 每例成本 | 每例耗时 |
|---|---|---|---|
| Jev | 67.8% | $0.0004 | 0.4 秒 |
| Opus 5 | 73.1% | $0.1761 | 37.8 秒 |
| Sol | 74.1% | $0.0836 | 23.3 秒 |
| Sonnet 5 | 67.8% | $0.1174 | 78.1 秒 |
| Luna | 66.8% | $0.0033 | 12.9 秒 |
| Terra | 67.9% | $0.0304 | 10.1 秒 |
| Haiku 4.5 | 53.6% | $0.0195 | 12.5 秒 |
| DS v4 flash | 64.4% | $0.0059 | 51.9 秒 |
| DS v4 pro | 65.5% | $0.0413 | 86.5 秒 |
表中后两行按图上原名列出（图例中着色为 Fireworks 一项），本文未进一步核其对应厂商，请以官方评测站为准。
Jev 的分场景读数：安全事件 61.7%／$0.0001／0.3 秒；Agent 轨迹可观测性 71.6%／$0.0003／0.5 秒；发票处理 61.8%／$0.0011／0.5 秒；客服 76.0%／$0.0001／0.4 秒。
二、这张表最要紧的读法：Jev 领先的不是准确率
- 在准确率上 Jev 并不领先：67.8% 低于 Opus 5（73.1%）与 Sol（74.1%），与 Sonnet 5（67.8%）、Terra（67.9%）大致同档。
- 它领先的是成本与时间：每例成本比 Opus 5（workflow）低约三个数量级，耗时 0.4 秒 vs 37.8 秒。
- 官方博文那句「拥有帕累托前沿近两个数量级」是就成本／时间轴说的；评测图上官方也自标了两条前沿线——「没有谁同时更便宜又更准」「没有谁同时更快又更准」。把它读成「Jev 比 Opus 5 更准」是错的。
- 另注意口径不能混用：同一站的单个工作流里，Opus 5 在发票处理上可到 78.4%、Sol 可到 79.1%——这是单工作流成绩，与上面的四工作流等权平均不是同一把尺子。
三、这是厂商自建自测，不是第三方评测
评测站与博文都写明方法论：参考标签由 GPT-6 Astra 与 Claude Fable 5.1（均为 high thinking）的回答取平均生成；其余模型按各家默认推理档评测；官方原话是「不争论 harness 与标签的正确性——我们假设代码是对的」。⇒ 参考答案由厂商选定，属厂商自建自测，官方自称「workflow evals」也是一类自建评测，不是公开基准。
四、官方自己披露的偏差（会直接影响上面的读数）
- 与 LLM 的对照数字取自 OpenRouter——官方称「几乎肯定存在偏差」（更复杂的查询可能被路由到更好的模型）；
- 参考标签取 Astra 与 Fable 5.1 的平均，使评分偏向 OpenAI 与 Anthropic 的模型；官方并称「我们可能低估了自己模型与 DeepSeek 模型的相对表现」；
- 官方称评测「一般是在西海岸的笔记本上跑的」（其服务目前也在西海岸）；
- 官方首页的「193.6x faster／444.6x cheaper」是官方自曝的上限（「我们预期这是真实收益的上限」），且评测工作流「由我们模型能力团队的成员制作，因此可能存在偏差」。
价格与成本
官方口径：输入 $0.042/百万 token（即 $42/十亿 token）；输出免费（官方原话 “too cheap to meter”）。作为对照，官方给出 LLM 的输入价为 $0.20–$10/百万 token，且输出价约为输入的 5 倍。
两点提醒：
- 「输出免费」是官方定价的一部分，官方没有给期限——不应把它读成促销；
- 评测站的「每例成本」（如 $0.0004）与「每百万 token 单价」不是同一把尺子，两者不可互相换算。
官方对定价可持续性自曝的一条：「我们无法证明它没有被补贴；需要长期来证明定价的可持续性（我们预期会降，而不是涨）」。
辩证评估
为什么值得跟：它提出的不是「又一个更强的模型」，而是输出形态的一种新选择——把「需要解析和校验的自由文本」换成「软件可直接消费、且自带概率的类型化值」。对把模型嵌进代码的工程团队，这是实质性变量：成本与延迟下降带来的，可能是原本不划算的调用变得可行。
反向视角：
- 准确率不领先（见上），它换来的是成本与时间——如果场景对准确率极度敏感、且不在乎每例几毛钱，Jev 未必是更好的选择；
- 评测是厂商自建自测，参考标签由厂商选定，尚无第三方独立复现；
- 「不会幻觉」「不会出类型错误」是官方论断：官方称「这只要一个反例就能证伪，但它在数学上不可能」，并明确 0% 这个数字「不是经验性的（not empirical）」，而是来自「schema 匹配被保证」的推论——它不是实测出来的幻觉率；
- 定价可持续性存疑，官方自己也承认无法证明未被补贴；
- 它是专有模型，只提供 early access 与 API，未开放权重——不能写成「已开源」；官方 FAQ 中「Jev 是不是只是一个更小的 LLM」「公开基准表现如何」两节答案本次未取到，模型规模、上下文长度、模态、训练数据来源亦未公开。
两个官方演示的限定（避免过度解读）：Doom 演示用的是「文本形式的结构化状态，不是图像（暂时）」，且官方称非 AI 的 Doom 机器人可能打得更好；Wikiracing 的加速明显低于其他演示（对比的是模型的非推理模式），Jev 支持的选择基数上限为 255，更高基数时改为「先独立打分、再显式选择」的两段式。
已知 vs 待验证
已证实（官方一手，本次直取官方博文与官方文档）：发布时间 2026 年 9 月 15 日、作者 Diogo Almeida、early access；API 端点 POST https://api.typesafe.ai/v1/systemone、模型名 jev-latest；三种问题类型；价格（输入 $0.042/百万 token、输出免费）；速度口径（端到端 70ms–500ms、官方称同等级智能下快 40–200 倍）；技术栈三件套（新架构＋并行采样＋RLCD）；官方评测站的四工作流读数与分场景读数。
待验证 / 未取到：
- 官方 FAQ「Jev 是不是只是一个更小的 LLM」「公开基准表现如何」两节答案（疑为折叠组件，本次未取到）；
- 模型规模、上下文长度、模态、训练数据来源——官方在已读部分未给出；
- 第三方独立评测——HN 上的 JevBench 是社区自建基准，本次未读其结果；亦未取到任何权威英文媒体（路透／彭博／The Information）的独立报道；
- 公司背景（2024 年成立于旧金山、CEO Diogo Almeida、$40M 种子由 DCVC 领投、约 $2 亿估值）目前只有二手来源（含培训／SEO 类站点），本文不据此下结论。
一个容易混淆的点：中文媒体近期有一篇把 Jev 与中科闻歌的 Decitron 作对照的分析——两者不是一回事：Jev 来自 TypeSafe AI，Decitron 是中科闻歌 2026 年 6 月发布的通用决策大模型。该文自己的归纳是「一个解决『此刻选什么』，一个解决『选完之后会发生什么』」。请勿把两家混为一条。
给读者的建议
- 把模型嵌进代码／做 agent 工作流的工程团队：值得把它列进「智能 if 语句」的候选——先用你自己的工作流按「每例成本 × 每例延迟」算账，再决定是否替换现有 LLM 调用；不要直接套用厂商自测的倍数。
- 做采购与架构选型的人：不要据厂商自测替换；如果准确率是硬约束，先看它在你的任务上是否够用，而不是看总览平均。
- 关注评测方法的人：这张图值得学的是口径——等权平均与单工作流最好成绩不能混用（本文的对照数字统一取四工作流等权平均）；厂商自建自测与第三方评测要分开呈现。
- 内容写作者：不要把「不会幻觉」当成已独立验证的结论；不要把成本／时间领先写成准确率领先；不要写「已开源」；不要把 Jev 与中科闻歌的 Decitron 混写。
来源
官方来源
- TypeSafe AI 官方博文《Introducing System One Models & Jev》（页内日期 Sep 15, 2026，作者 Diogo Almeida, founder；含价格、速度、对照表、Nuance 与 FAQ 标题）：https://typesafe.ai/blog/introducing-system-one-models-and-jev
- 官方文档《Quick start》（API 端点、
jev-latest、Noul／Choice／Score、请求与响应示例）：https://docs.typesafe.ai/introduction/quickstart - 官方工作流评测站（四工作流读数与口径说明）：https://evals.typesafe.ai/
- 官方首页（「193.6x faster, 444.6x cheaper」口径与偏差自述）：https://typesafe.ai/
- 官方 agent skill 页（面向 Claude Code／Codex 的即插即用技能）：https://docs.typesafe.ai/agent-skill
独立来源
- Hacker News 公开 API（官方博文帖 1,977 分及社区项目分数）：https://hn.algolia.com/api/v1/search?query=Jev&tags=story
- 第三方本地复刻：https://github.com/afshinm/laya-mps 、https://github.com/r-ms/mini-jev
- 中文媒体对照分析：量子位《Jev vs Decitron：同为决策 AI，为什么不是一回事？》（2026-09-23）：https://www.qbitai.com/2026/09/496352.html
本站相关（背景）
- topic 154（OpenAI 平台原生 Skills）、topic 171（COBRA-Skills）
说明：本条事件时间为 2026 年 9 月 15 日（官方博文页内日期），9 月下旬的中文报道只是后续讨论。配图为 TypeSafe 官方工作流评测图，图注已标来源；厂商自测口径与第三方可核事实已分层标注。