TypeSafe推出Jev，因为顺序式LLM“对计算机完全无用”
内容提要
TypeSafe推出新型AI模型Jev，不生成文本，而是为软件提供带概率的决策，速度比LLM快20-200倍，成本低40-400倍。该模型采用新架构、采样器和RLCD训练算法，由前OpenAI联合创始人Almeida打造。Jev上线24小时即成Vercel网关最快采用模型，适合嵌入代码做判断，但仅支持文本。
延伸解读
Jev 的定位：不是聊天机器人，而是代码中的智能判断
Jev 不生成文本，而是接收结构化问题并返回带概率的类型化决策，如是/否概率、从列表中选择或标度上的位置。它被设计为嵌入应用程序的小组件，在代码需要判断时提供智能，而其余部分保持普通代码。开发者可设置阈值决定何时自主行动、何时需人工审核，从而将决策组合成更大工作流。
性能与成本优势：速度提升 20-200 倍，成本降低 40-400 倍
据 TypeSafe 称，Jev 比 LLM 快 20-200 倍，成本低 40-400 倍，输出令牌免费。大多数调用约 100 毫秒完成，输入令牌每百万 0.042 美元。其新架构、采样器和 RLCD 训练算法旨在输出校准概率，避免 LLM 的过度自信和不可靠问题，且因更像代码而“不会产生幻觉”。
早期采用与实测：Vercel 网关最快采用，但图像测试暴露局限
Jev 上线 24 小时内成为 Vercel AI 网关史上最快采用的模型，付费团队使用率近 13%，是 GPT-5.6 家族的 2 倍。然而，AI 工程师 Bartosz Mikulski 用 400 张手绘草图转 SVG 坐标测试，Jev 仅约 35% 正确，且超过一半回答“飞机”，显示对非文本输入存在严重偏差。这符合其文本专用定位，但提醒开发者注意适用边界。
命名与理念：Jevons 悖论与“构建产品，而非上帝”
Jev 以 19 世纪经济学家 William Stanley Jevons 命名，其悖论指技术提升资源效率反而增加总消耗。TypeSafe 借此暗示 AI 效率提升可能带来更广泛使用。联合创始人 Diogo Almeida 曾参与 RLHF 和 InstructGPT，他质疑超人类聊天模型未导向 AGI，并称“我们构建产品，而非上帝”，强调 Jev 是实用工具而非通用智能。
Q&A
Jev是什么？它和ChatGPT这类LLM有什么本质区别？
Jev是TypeSafe推出的新型AI模型，不生成文本，而是为软件提供带概率的决策。与LLM不同，它不写回复、解释或代码，而是接收结构化问题并返回带校准概率的类型化决策，速度比LLM快20-200倍，成本低40-400倍。
Jev的速度和成本具体是多少？
Jev比LLM快20-200倍，成本低40-400倍，输出token免费。大多数调用约100毫秒完成，输入token每百万0.042美元。
Jev采用了哪些新技术？
Jev采用了新架构、新采样器（从模型预测的概率分布中选择token的算法）和新训练算法RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）。
Jev适合用在哪些场景？开发者如何控制它？
Jev适合嵌入代码中做判断，例如选择智能体的下一个工具或子智能体、验证模型输出的真实性、设置护栏。开发者可以设置阈值来决定Jev何时自主行动、何时需要人工监督，并将决策组合到代码中构建更大工作流。
Jev为什么被称为“智能if语句”？
独立开发者Flavio Copes指出，Jev不是聊天机器人，也不是编码模型，它不写回复、解释或代码。它像一个小型组件嵌入普通应用，在代码需要判断的地方提供决策，因此被称为“智能if语句”。
Jev上线后的市场表现如何？
Jev在Vercel AI Gateway上线24小时内，成为网关历史上采用最快的模型，付费团队使用量是之前任何模型发布的两倍以上。到第24小时，近13%的付费团队在使用它，是GPT-5.6家族的2倍，Fable 5.1份额的6倍多。
Jev的名字来源是什么？
Jev以19世纪经济学家William Stanley Jevons命名，源自其提出的杰文斯悖论：当技术提高资源使用效率时，该资源的总消耗量反而上升。
