由前 OpenAI 研究员迪奥戈·阿尔梅达领导的 TypeSafe AI，于当地时间 9 月 15 日发布了新的模型类别「System One Models」以及该类别的首个模型「Jev」。它的设计相当决绝：完全不生成文字，只按照事先定义好的结构返回判断，端到端响应时间落在 0.07 秒到 0.5 秒之间。早期访问的申请也在同日开放。
不是聊天的延伸，而是在软件内部使用的判断
阿尔梅达表示，过去 4 年他一直在思考一个问题：模型在对话上早已超越人类，为什么自动化却没有随之到来。他在 OpenAI 参与过让模型遵循指令、与人对话的方法研究，这些成果构成了 ChatGPT 的基础。即便如此，他逐渐不再相信 AGI 就在聊天的下一站，于是用 2 年时间在隐形状态下转向了另一个方向。
由此得出的答案是名为 System One Models 的新模型分类。名称取自丹尼尔·卡尼曼的《思考，快与慢》，对应书中快速直觉的系统 1 与缓慢审慎的系统 2 之分。现有的 LLM 更偏向系统 2 的角色，而这一类别则彻底转向高速、结构化的判断。
首个模型 Jev 的名字来自经济学家威廉·斯坦利·杰文斯。这一命名呼应蒸汽机效率提升反而推高煤炭需求的悖论，寄托了这样一种判断：智能的单价每下降一个数量级，用途就会扩大若干个数量级。
放弃文字，换来类型保证与置信度
Jev 设计中最决绝的一点，是决定不输出字符串。常见的 LLM 逐个生成 token，累积起来成为聊天回复或代码。Jev 则按照事先定义的 schema，把可选项与概率并行地一次性输出。TypeSafe AI 把它描述为一种函数调用：输入非结构化的状态，输出带类型的概率判断。
在这种形态下，输出越出 schema 在原理上不会发生。工具调用里混进不存在的函数名、本该是数值的字段里塞进一段文字，这类事故就此消失。此外，每一个判断都附带经过校准的置信度。TypeSafe AI 的问题意识是：即使一个任务模型能解对 95%，如果它无法主动申报剩下的 5%，这个任务就无法交给自动化。
训练方法也是专门打造的。它没有采用以人类偏好为奖励的 RLHF，也没有采用以可验证答案为奖励的 RLVR，而是使用以概率诚实度为奖励的 RLCD（Reinforcement Learning for Calibrated Decisions）。设想的用途包括分类、路由、抽取与打分，也就是手写 if 语句容易变得脆弱的那些环节。为 LLM 的输出打分、或作为护栏使用，也被列入其中。
每百万输入 token 0.042 美元，输出免费
价格水平与既有模型完全不在同一个刻度上。Jev 的输入价格为每百万 token 0.042 美元（约 6 日元），输出 token 免费。TypeSafe AI 解释说，之所以标为 0 美元，是因为便宜到不值得计量。按该公司的对比，现有 LLM 的输入价格为每百万 token 0.20 美元（约 31 日元）到 10 美元（约 1,550 日元），输出大致是输入的 5 倍。
※1 美元 = 155 日元
低价的依据在于输出方式本身被改写了。放弃逐个吐出 token 的处理、改为并行一次完成，硬件因此不必空转。该公司把这种替换形容为与 Transformer 取代 RNN 同一类型的更替。
响应 0.07 到 0.5 秒，快到能玩 DOOM
速度差距更为极端。据 TypeSafe AI 的说法，前沿 LLM 的端到端响应需要 3 秒到 329 秒，而 Jev 在 0.07 秒到 0.5 秒内返回。前者用于和人对话尚可，一旦嵌入代码，等待时间就直接成了瓶颈。
作为直观的演示，该公司公开了让 Jev 玩经典游戏 DOOM 的视频。它每秒发出约 10 次查询，玩上 1 小时的费用约为 7 美元（约 1,090 日元）。负责这个演示的工程师原本担心每秒 10 次的频率，团队其他成员却认为比想象中便宜。需要说明的是，Jev 判断依据的并非游戏画面图像，而是结构化的游戏状态数据。
另一个演示是从一篇 Wikipedia 条目出发，只沿着途中遇到的链接到达另一篇条目。每一步都可能要在数百到数千个链接中做选择，因此除了速度之外，在选项极多时不会凭空造出不存在的链接这一优势同样关键。该公司注明，这个演示中各模型都运行在不开启推理的高速模式下，因此速度差距相对温和。
193 倍这个数字该怎么读
官方网站标出的 193.6 倍更快、444.6 倍更省，来自该公司新构建的工作流评测。做法是给每个模型同样的工作流，再以最昂贵的外部模型的预测作为基准概率进行比较。基准取 GPT-6 Astra 与 Fable 5.1 的平均值，TypeSafe AI 也自行承认，这种取法会对 OpenAI 与 Anthropic 的模型有利。
这种坦率贯穿全文。工作流由该公司自己的模型能力团队搭建，因此可能残留偏差；速度测量是从位于美国西海岸的笔记本电脑上执行的；价格是否被补贴，只能靠长期才能证明。类型错误 0% 这个数值也不是实测，而是因为 schema 匹配有保证，所以理论上可以标为 0。
反过来看，这里展示的优势全部出自该公司的自我评测，尚无第三方复现。虽然公开的评测站点可以追溯细节，但 193 倍更宜理解为条件齐备时的上限，而不是实际业务中能直接拿到的数值。
总结
TypeSafe AI 发布的 Jev 舍弃了文本生成，只返回结构化判断，走向了与既有 LLM 不同的方向。每百万输入 token 0.042 美元且输出免费、响应 0.07 秒到 0.5 秒、原理上不会产出 schema 之外的内容，这些是它并列的特征。193.6 倍更快的数字基于自我评测，但「为在代码内部使用而设计模型」这一思路本身，看起来很可能扩散到其他阵营。早期访问正在受理登记，等待名单的邀约也在陆续推进。
