AI 范式雷达：《快脑拆出大模型，Agent 控制循环改订阅决策函数》
内容提要
TypeSafe AI 发布 Jev 与“System One Models”，主张 Agent 控制循环改用毫秒级输出类型化概率决策的“快脑”模型，推理生成仍交给大模型。四周内 Cloudflare、AWS Strands、Nokia 等跟进，生态初具规模。但社区质疑其缺乏公开基准、速度对比不公，且易被 OpenAI 等商品化。
延伸解读
生态信号：四层齐备意味着什么
文章指出，Jev 发布后四周内，模型、运行时、路由、清单四层均有项目跟进，如 kev、jeff、ollaya、AnyJev 及 awesome-jev 清单。这种生态结构表明，快脑决策模型已从单一发布演变为社区驱动的品类。读者可关注各层项目的星数增速，作为判断生态活跃度的参考。
架构分工：快脑与慢脑的边界
文章将快脑决策模型类比为 CPU 时代的协处理器，负责高频、结构化的决策输出，而慢脑大模型仍处理推理与生成。这种分工旨在减少传统 Agent 循环中解析文本的开销。但需注意，快脑模型仍可能因概率失真或标签集外误判而失效，其可靠性依赖公开基准的验证。
争议焦点：基准缺失与商品化风险
社区质疑 Jev 缺乏公开可复现基准，速度对比口径不公，且本质可能是加权分类器。同时，OpenAI 等厂商被视作可能快速跟进，兼容接口越普及，首发者护城河越薄。这些争议提示，范式成立不等于 TypeSafe 胜出，读者应关注第三方盲测基准和巨头动向。
实践观察：验证信号与安全边界
文章建议 Agent 构建者将控制循环中高频、标签加概率的部分拆出，用 kev 或 jeff 加 ollaya 本地验证，但安全闸门需留在待验清单。同时，需区分快脑决策与集群调度、文件标准之争。验证信号包括星数增速、第三方基准、巨头是否推出同类端点，以及 DeepSeek 系是否跟进类型化输出。
Q&A
TypeSafe AI 发布的 Jev 和 System One Models 是什么？
TypeSafe AI 于 2026 年 9 月 15 日发布了 Jev 和 System One Models 品类定义。Jev 是一种只输出带概率的类型化决策、毫秒级返回、按输入计费的函数，用于 Agent 的高频控制循环，替代传统自回归大模型逐 token 生成文本再解析的方式。System One Models 是这类“快脑”模型的品类名称。
快脑和慢脑在 Agent 架构中如何分工？
慢脑（推理与生成）留在大模型里，负责推理和生成；快脑（结构化决策）成为独立的模型品类，负责高频结构化决策。两者在同一条控制循环里分层订阅：快脑并行采样的非自回归直接输出标签加概率，不参与聊天；慢脑处理推理与生成。类比 CPU 时代的“通用核 + 协处理器”分工。
Jev 发布后生态有哪些跟进者？
四周内，Cloudflare 发布了开放权重决策模型 Clef，AWS 系 Strands 发布了 Decider 2B 开源决策模型，Nokia 应用研究团队发布了 AnyJev 把任意 LLM 转成 Jev 风格模型。独立开发者方面，jaredpalmer 的 kev（8,895 星）、firelex 的 jeff（1,499 星）、ollaya 的本地决策模型运行时（1,283 星）等。清单层有 awesome-jev（2,261 星）和 awesome-jev-tools（743 星）。模型、运行时、路由、清单四层齐备。
社区对 Jev 的主要质疑有哪些？
社区质疑包括：缺乏公开可复现基准，主帖评论称技术与结果含糊，像营销稿；速度对比“极其不诚实”，端到端 LLM 延迟对比单步决策延迟口径不对等；更根本的质疑是这只是一个对自定义标签输出加权分的分类器，质量能否超过结构化输出模式的 LLM 待验证，即“新瓶装旧分类器”。此外，商品化风险：OpenAI 等已处在跟进 Jev 的有利位置，兼容接口越像标准，首发者护城河越薄。
Jev 的“can’t hallucinate”宣称是否可靠？
文章指出，对“can’t hallucinate”这类强宣称要给反方留位：不发散文本拿掉了编造事实的通路，但概率失真、标签集外误判仍在。公开可复现基准之前，这句话只能当设计目标读。本站此前的论文解读《改一个选项的名字就能打开安全闸门》查的是这类模型当安全闸门有多不可靠。
如果正在构建 Agent，如何应用 Jev 或类似模型？
文章建议：把控制循环里高频、只需标签加概率的部分拆出来，用 kev 或 jeff 加 ollaya 本地验证，安全闸门留在待验清单。
