一句话定位：Jev 不做生成，只做判断——分类、评估、路由、打分，输出强类型决策+校准置信度；比通用 LLM 快 10100 倍（70500ms）、便宜 1~2 个数量级。它是 TypeSafe.ai 定义的 System One Model 品类的首个公开产品。
概念出自卡尼曼《思考，快与慢》：System 1（快、直觉、模式化反应）vs System 2（慢、推理、生成）。现有 LLM（含 reasoning 模型）本质是 System 2；而软件里大量需求——垃圾邮件判定、意图路由、风控、内容审核——本质是 System 1 决策，用生成式模型做等于”让教授干流水线质检”。
生成式 LLM 做判断的三大痛点（Jev 的立论）
- 高延迟：自回归逐 token 生成，动辄数秒；
- 格式幻觉：即便 JSON Mode 仍可能输出越界字段，需要解析+校验+兜底；
- 过度自信：LLM 极不擅长概率自评，“什么时候不知道”说不清。
三条核心机制
- 并行采样（Parallel Sampling）：不逐字吐 token，一次网络往返（single pass）并行输出预定义 Schema 内的所有概率。延迟 70~500ms 的来源。
- 强类型 Schema 零类型错误：输出被数学约束在类型化 Schema 内，类型错误率理论上为 0，“不是靠提示词约束，而是靠架构让错误不可表达”。精确含义：不会跳出预设选项范围乱答，选项内答错仍可能。
- 三种 AI 原语：
Noul（是非判断，返回 0~1 概率，代码里if noul > 0.8直接分支）、Choice（多选一，最多 255 选项，适合路由分类）、Score（在给定尺度打分）。同一请求可并行提交多条问题、共享同一份 state——jev-ultrafast 的”一次问完”正是靠这个。SDK 形态：client.system_one(state=..., questions={...})→response.answers["department"].choice。 - RLCD 校准训练：专门优化概率预测的校准度（calibration）——给 95% 置信度就统计上有 95% 正确。开发者可设硬阈值，低置信度自动降级（fallback）给人工或大模型。（RLCD 全称两说并存，见待核实）
关键事实卡
| 项 | 内容 |
|---|---|
| 创始人 | Diogo Almeida，前 OpenAI 研究员，参与过 InstructGPT 与 RLHF（ChatGPT 早期对齐核心成员） |
| 定价 | 输入 $0.042 / 百万 token，输出免费（社区戏称”AI 界蜜雪冰城”） |
| 声量 | 发布公告在 X 上 3620 万浏览（2026-09） |
| 公司 | TypeSafe AI：Almeida 与 Erik Gafni、Sasha Sheng 联合创办，隐身两年至 2026-09-15 正式亮相，$4000 万美元种子轮（DCVC 领投）；模型架构未公开（外界猜测开源 LLM 改造），自述走合成数据路线 |
| 状态 | 2026-09-21 全面开放（此前 Early Access 候补名单），注册送 $5 ≈ 1.2 亿 token；上线初期需求超预期 API 一度无法响应；口号 “We’re building prod, not God”，公开反对 benchmaxxing |
| 接入 | 官方 Playground console.typesafe.ai（HTTP API / Python / JS SDK）；OpenRouter typesafe/jev-1.13（Decisions Alpha API，格式可能变）；OpenCode 2 的 Zen API systemone 端点 jev-1.13-free（限时免费，独立决策端点非对话接口，v1 客户端里看不到）；Vercel AI Gateway 发布 72h 内直连；npx skills add typesafe-ai/skills --skill typesafe-ai -g 装入 OpenCode/Claude Code 后用 /typesafe-ai 调用 |
经济账：实测样本（官方/社区口径，未独立复核）
| 场景 | 数据 |
|---|---|
| Doom 实时操控（官方 demo） | ~10 次决策/秒，连续一小时约 $7 |
| 同时跑 50 局地铁跑酷 | 全程总费用 < $0.01 |
| MuJoCo 火箭垂直回收 | 12 次试验后成功；单次试验 245 次调用 ≈ $0.04 |
| 杀戮尖塔 2 代打（中文开发者 paulwei） | 单步出牌 0.7s（此前用大模型明显卡顿） |
| 真实航司官网航班查询（Browser Use 创始人实测） | 7 秒完成，调用成本 $0.0039 |
| Vercel 内部 Shell 命令安全审查 | 替换 OpenAI 大模型后提速 5~18 倍，误判率反降 |
| 联盟素材库打标（affweb Peter，#792 实测） | 400 条素材 × 12 问 = 4,800 个判断，20.6 秒读完；67.1 万 token 按标价不到 $0.03，推算全库 4,107 条约三分半 |
官方自测对比表（2026-09，单一口径未经独立复核）：
| 传统 LLM（如 GPT-5.6） | Jev | |
|---|---|---|
| 响应速度 | 3~329 秒 | 70~500 毫秒 |
| 输入价格 | ~$10 / 百万 token | $0.042 / 百万 token |
| 输出价格 | 约输入价 5 倍 | 免费 |
| 结构化输出错误率 | 0.58%~45.5% | 0%（数学保证） |
实测旁证：Ably Pong 演示 Jev 12 秒做出 47 次决策，GPT/Claude/Gemini 同时间仅 2~3 次；第三方工程师与 DeepSeek Flash 同场对比，分类准确率”基本持平”——Jev 出圈靠速度与成本，不靠智能。
三原语使用四坑（官方文档承认的行为，2026-09-24 增补）
- noul 的 0.5 不是”也许”，是”我不知道”——信息不足的信号，把它当中间值做阈值等于让没看懂的模型拍板；
- choice 概率之和必为 1——必须留一个”其他”选项当逃生舱，否则模型只能在给定选项里硬选；
- score 是有序等级（2~10 级，概率加权可落在两级之间），不是精确数值——只能比大小，不能做加减乘除；
- 同一问题换原语问，答案可能打架（官方文档自己的翻车案例）——关键决策多角度问或人过一道。
开源复刻：laya（2026-09 下旬，Jev 头号观察点落地）
Jev 发布两天内 GitHub 冒出至少六个复刻项目，其中 laya（作者 Nandakishor M，去年发过同类决策模型论文）5 天涨 1.8 万 Star：Apache 2.0、权重可下载、参数最高 0.4B、普通电脑可跑——“本地化/开源”这一 Jev 最大争议点（HN 最高赞诉求）由此落地。
技术路线：判别式而非生成式——ModernBERT 类双向编码器，state+questions 输入后末层直接输出选项概率分布。实测（GB10 算力卡）：单题前向 p50 8.31ms（multilingual）16.41ms（english）；T4 显卡单题 33ms、10 题并发平均 7ms/题；三权重全量常驻 CUDA 46GB，Agent 锁单分支仅 1.25GB。三套权重：laya（英文）、laya-multilingual（mmBERT-base，中文等非英文走这个）、laya-typed-decisions（工作流可观测性/客服/发票/安全事件四场景微调）；Router 自动识别语种调度（仅 +0.2ms），指定错分支直接体现在置信度上（中文送英文分支 1.0→0.50）。
laya vs Jev（第三方测评，两边测试条件不同，仅方向性参考）：
| 基准 | laya（微调后） | Jev |
|---|---|---|
| typed-decisions | 0.766 | 0.727 |
| AG News 分类 | 0.950 | 0.910 |
| 校准误差（越低越好） | 0.081 | 0.246 |
| Banking77（77 意图高基数） | 0.425 | 0.870 |
选项一多 Jev 仍占优；laya 赢 Jev 的成绩是 Kaggle 免费 2×T4 微调 4~5 小时后取得（基础模型直接用效果一般，微调 notebook 已开放）。内置模板：模型路由、提示词注入防护、内容审核、工单分诊。部署：pip install laya（≥0.3.5，Python 3.10+，建议 6GB 显存；国内配 HF 镜像）。
中文场景四坑（Datawhale 双语平行实测，20 组）：
- 分类准确率 95%，与英文主模型持平，工单分发可胜任；
- multilingual 分支中文置信度系统性偏高（平均 0.866 vs 英文 0.506），错样本也给 0.90+——自动放行阈值建议 ≥0.95；
boolean题型中文概率向中间压缩易漏判——二元判定改用两个选项的choice更稳；- 冷启动首条前向可达 1.9s（CUDA 初始化），接流量前先空跑一条预热。
另一个官方 Honest limits：返回体里 action.act_probability 几乎恒为 1.0 且与准确率反向——做门控读 confidence，别读这个字段。
玩法光谱（22 个社区用例归纳为五类）
- 实时游戏/物理仿真控制：Doom、地铁跑酷×50、超级马里奥（读内存状态、已开源）、3D 自动驾驶仿真、MuJoCo 火箭——共性是把连续状态拆成有限选项让 Jev 挑；双模型协作样本：GPT-6 Astra（规划）+ Jev（执行）组队打《我的世界》8 分 43 秒通关，Astra 花
0.96、Jev 仅0.01——Dual-Model 分工的活例证；Mac 语音助手（Andy Gao）：每句指令点哪、开什么全交 Jev 判断，“话没说完备忘录已弹出”。 - 浏览器 Agent：jev-ultrafast（Browser Use 官方集成）→ 详见 AI浏览器自动化框架对比。
- 生产守门与分流：Vercel 命令安全审查、BryoAI 商业邮件分类（对 Gemini：绝对准确率略逊但便宜 10~20 倍且概率校准）、工单路由替代手写正则、PR 合并资格预审、重复扣费高危客诉 100ms 打标、测试领域判断环节改造（如搜索结果是否命中目标用户，替代大模型降本提速）、小众信息流筛选（读三天帖子提 8 问，2 秒
0.007，剔除诱饵与隐藏广告）、营销分析流水线（扫 Meta 广告库、比广告格式存活周期、拍摄前评估创意脚本竞争力，人工判断提速 30 倍、成本压到3 以内——联盟营销素材情报的可行形态）、联盟素材库”Jev 读料筛料 + Agent 二创测试”流水线（affweb Peter 实操，每小时自动更新）：RollerAds 素材库 4,000+ 条接出，每条素材 Jev 回答 12 个问题（钩子套路/有无优惠/CTA/吹得多狠 0–2 分/审核风险/推送适配——choice+score 混用），每小时补一轮、新素材进库自带标签；再用规则筛选（GEO×钩子×风险×平台 CTR）把 4,000 条缩到十几条”置信样本”，低置信度直接不进；Agent 只拿置信样本做二创与批量测试，“Token 只花在二创和测试上”；Agent 改出的新文案上线前再过一遍 Jev，钩子跑偏直接打回（输出端质检）；整库读完还能数行情（400 条中钩子近半是功能介绍、过半不提优惠、CTA 最多是了解和领取——一条条翻翻不出的盘面）。实例：#1269 英国寿险广告判”好奇型”把握 0.92、吹得多狠 0.42/2、审核风险 0.14、推送适配 0.47。背景对照：作者自跑素材 CTR 0.08% vs 平台库头部 2% 上下，素材是投流最大变量（来源：raw/articles/affweb/792-Jev + Agent：打造一个每小时自动更新的素材库.md）。 - Coding Agent 上下文与路由：fast-jev-compaction（判断每轮工具调用保留价值，官方转发赞赏）、Jev Codex Router（预判任务复杂度分流大小模型，开销降 60%+）、Armin Ronacher 观点（用生成式大模型自己做分流在经济上不合算）、LangChain《Building a Harness with Jev》（Agent 决策层可从闭源定制逻辑推广到每个开源 Agent）、官方
typesafe-ai/skills仓库（教 Agent 一次问清所有歧义点而非逐条追问）、双速 Agent（#795：Codex 深思 + Jev 快断，Jev 担纲 Tool Router/Result Checker/Risk Gate/Retry Gate/Finish Gate 五角色，命令风险三档分流=Agent 安全闸门；jev-use 接入npx -y jev-use install/doctor，JEV_BACKEND=mock可无 Key 验链路；分工规则写进 AGENTS.md 才算真落地——规则模板见 Harness工程与AGENTS-md实践；UI 测试场景的判断点改造见 AI测试工程体系 #804）。 - 高风险投机：链上订单簿自动交易（买入/卖出/观望三选一）——社区自评”最具噱头、真实行情风险最高”。
校准置信度的杀手级证据
独立机构 PrimeLine 双盲预注册评测：两项真实任务上，Claude Opus 5 与 Haiku 4.5 的初始绝对准确率追平甚至领先 Jev；一旦规则允许模型跳过自己最不确定的样本，Jev 两项全逆转。原因：Jev 的置信度有统计意义，而通用 LLM 自评概率严重过自信。这是”校准”卖点目前最硬的第三方证据。
Dual-Model 架构（行业含义）
System 1（Jev）管高频、实时、高可靠微观决策；System 2（GPT/Claude/DeepSeek）管低频长链推理与生成。报告判断：“生成式在规划期，System One 在执行期”。若范式验证，受冲击顺序：按 token 计费的 agent 中间层（最疼）→ 视觉派高成本场景 → 官方公共道路（微软自研小模型，最不疼）。寄生在 token 经济学上的中间商第一次面对”token 归零”的威胁。
局限与观察点
- 只做判断不做生成；判断本身需要长链推理的复杂任务（法律级）会退化；
- 只读字不看图（#792 实操者观察）：广告素材本质是图片，Jev 只能判读其中文本层（文案/按钮/话题）；作者结论”它给的是概率，拍板的还是我们”，现阶段适合打标签、做初筛这类活，最终决策留给人（来源：raw/articles/affweb/792-Jev + Agent：打造一个每小时自动更新的素材库.md）；
- 云依赖争议已部分解除：HN 最高赞诉求”Jev would be cool as a local model”由开源复刻 laya 落地（Apache 2.0、0.4B 本地跑，中文走 multilingual 分支但有置信度偏高等坑，见上）；但 laya 高基数选项（77 类意图）准确率大幅落后，本地版≠平替；
- Early Access 新公司，生产稳定性未验证；性能数据均为官方/社区口径。
待核实
- RLCD 全称两说：“Reinforcement Learning for Calibrated Decisions”（知乎梁川文）vs “Reinforcement Learning from Contrastive Distillation”（every.to 转述，本库报告沿用）——以 TypeSafe 官方口径为准；
- 已核实（2026-09-22）：jev-ultrafast star 口径差系时点不同——4 天破万（2026-09-20 实测 10,665 Star / 642 Fork），此前 3 天 2.7k、starlog 收录 5.6k 均为中间时点；
- 已核实（2026-09-22）：Jev 命名官方确认取自 19 世纪经济学家 William Stanley Jevons（Jevons 悖论：成本下降→用量爆炸，Almeida 以此类比”智力成本下降→智力无处不在”）；“致敬 browser-use 创始人 2025.1 推文”的联想仍属推测；
- 延迟倍数口径两说：快 10
100 倍（知乎梁川）vs 快 20200 倍（官方自测 3329s vs 70500ms 推得），倍数取决于对比的 LLM 与任务；- jev-ultrafast 的
0.0039/任务为作者口径：仓库公开数据仅能确认文本模型两次调用0.00006272，TypeSafe 侧无完整美元账单，浏览器成本未计；- laya vs Jev 对比数据出自第三方公开测评，两边测试条件不一致（原文自认），仅方向性参考。
原始素材
- 知乎梁川：Jev 系统解读（概念/机制/20 场景/双模型架构）
- Datawhale：22 玩法盘点（定价/案例数据/接入路径）
- Peter：Jev+Agent 素材库实操（每小时更新架构/4,800 判断 20.6 秒实测/只读字不看图）
- 全面开放与公司背景（$40M 融资/三联创/三种原语/Jevons 命名官方确认）
- 实战测评+保姆级教程（官方自测对比表/Playground/SDK）
- jev-ultrafast 12306 实测（star 精确数/$0.0039 口径质疑/中文站三坑）
- 一篇讲透（SDK 代码形态/DeepSeek Flash 持平说法）
- 测试领域实践（skill 安装/测试判断改造案例）
- laya 开源复刻盘点（对比数据/Minecraft 双模型协作/免费微调路径）
- laya 本地部署教程（Datawhale 实测：三权重/显存延迟/中文四坑）
- OpenCode 2 免费上手（三原语四坑/systemone 端点/免费模型清单）
- 双速 Agent（五 Gate 角色/jev-use/AGENTS.md 分工规则；原文末尾疑似截断）
- UI 自动化判断点改造（Raina：探索选控件/修复前先判失败原因）
- jev-ultrafast 横纵分析报告（公司史/架构解剖/生态位横评）
相关页面
- AI浏览器自动化框架对比 — jev-ultrafast 浏览器路线与”窄模型范式”
- AI测试工程体系 — “AI 在编译期，确定性在运行期”共识的激进版
- OpenAI兼容LLM接入通用模式 — OpenRouter 聚合接入模式