前 ChatGPT 成员推出决策模型 Jev：只出决策不写文本

TypeSafe AI 发布首个模型 Jev，一个「只做决策、不写字」的前沿模型：输入应用状态和一组带类型的问题，直接输出选项、分数与概率供代码执行，完全不生成文本。团队由 ChatGPT 背后研究员参与创办（社区多称其为 ChatGPT 联合发明者/联合作者，创始人隐身两年开发新训练方法 RLCD），定位为面向决策优化的「可组合智能」而非更好的聊天机器人。官方宣称比现有 LLM 快 20-200 倍、便宜 40-400 倍（输出 token 免费），并称这是通往 AGI 的路径之一。多位转发者强调其 System 1 定位：让快而便宜的模型承担小决策，把昂贵的 System 2 模型留给复杂推理。

已确认

• Jev 已上线 Vercel AI Gateway，向所有用户开放，支持零数据保留（ZDR），输入定价 $0.04/百万 tokens，输出 token 免费（m8、m12、m19）
• 机制上返回结构化决策而非文本：支持分类、路由、rubric 评分、工具选择与 guardrails 等场景（m3、m17）
• @Sam Witteveen 实测确认其专攻 System 1 快速分类而非长链推理（m2）；@Cagnazzo82 演示了 Jev 实时玩《地铁跑酷》展示实时决策能力（m1）
• 开发者 grichadev 实测安全流水线：比此前方案便宜 5 倍以上、更快且准确率明显更高（m13）

尚未确认

• 官方宣称的「快 20-200 倍、便宜 40-400 倍」为厂商口径，除 grichadev 的单一场景实测外尚缺广泛第三方验证（m4、m13）
• 创始人「ChatGPT 联合发明者」身份为自称，社区对其准确表述存在不同版本（m4、m6、m15）
• RLCD 作为「新强化学习范式」的技术细节未公开充分说明（m6、m18）

为什么重要

• 若宣称的成本与速度成立，大量目前用 LLM 逐 token 生成再解析的小决策任务（分类、路由、守卫）可迁移到此类专用模型，显著降低 AI 应用成本与延迟，Sentry 等真实流水线已开始采用（m13）
• 它代表「模型不只是聊天机器人」的路线：以结构化、可组合输出直接嵌入软件决策层，LangChain 等生态已跟进介绍其用法（m17）

2026-09-17 ~ 2026-09-19 · 63 条相关

事件全程(共 5 集)→

• 第 1 集:TypeSafe 结束隐身发布决策模型 Jev 与新训练法 RLCD(2026-09-16,86 条)
• 第 2 集:TypeSafe AI 发布专用评估模型 Jev，实测速度与成本优势显著(2026-09-16,8 条)
• 第 3 集:Vercel fx 安全审查将换用 Jev 快 18 倍(2026-09-17,3 条)
• 第 4 集:前 ChatGPT 成员推出决策模型 Jev：只出决策不写文本(2026-09-17,63 条)
• 第 5 集:TypeSafe Jev 靠 LLM 概率分类,大厂可轻易复制(2026-09-18,2 条)

• TypesafeAI 发布零样本分类器 Jev，聊天数据标注成本大降 — yenkel · 2026-09-17
• Jev 引发热议:很多人忘了 encoder-only 分类器早已存在且好用 — brandon_galang · 2026-09-17
• typesafeai 的 Jev 分类器上线 AI Gateway，支持零数据保留 — cramforce · 2026-09-17
• Typesafe AI 发布 Jev:毫秒级决策路由评分模型,已上线 Vercel AI Gateway — cramforce · 2026-09-17
• 【源头】新模型 Jev 实测:安全流水线成本低 5 倍、更快且更准 — zeeg · 2026-09-17
• 实测新模型 Jev：专攻分类判断，欲取代 LLM-as-a-judge — doesdatmaksense · 2026-09-17
• Jev 走红背后:许多人不知道 encoder-only 分类器早已成熟 — RichmanRonald · 2026-09-17
• 开发者实测:Jev 做推文分类比最快 LLM 便宜 40 倍 — altryne · 2026-09-17
• 换用 Jev 给推文分类：比最快 LLM 快 6 倍、便宜 40 倍 — altryne · 2026-09-17
• 【源头】Jev 评估模型已可通过 Vercel AI Gateway 使用，每百万 token 仅 0.04 美元 — jarrodwatts · 2026-09-17
• 实测 TypeSafe 判断模型 Jev:六大场景,速度比 Gemini 快 4 倍 — HamelHusain · 2026-09-18
• 用 Jev 判断模型做六件事：核查脚本到诊断 Agent 失败 — HamelHusain · 2026-09-18
• 前 ChatGPT 联合发明者发布 Jev：宣称快 200 倍、便宜 400 倍 — iamrobotbear · 2026-09-18
• 开源分类器模型 Jev 走红背后：很多 AI 开发者连分类器都写不出来 — edgarpavlovsky · 2026-09-18
• ChatGPT 研究员创办 TypeSafe，首发模型 Jev 只做决策不写字 — Scobleizer · 2026-09-18
• TypeSafe 推出结构化评估模型 Jev，登陆 Cloudflare AI Gateway — michellechen · 2026-09-18
• 发布仅 48 小时,40 秒拆解 724 条广告,Jev 席卷开发者圈 — Scobleizer · 2026-09-18
• 前ChatGPT共同作者隐身两年推出Jev模型,检测API宣称便宜百倍 — gaganghotra_ · 2026-09-18
• 放弃自回归的 Jev 模型：只输出结构化决策的另类路线 — karminski3 · 2026-09-18
• 非自回归决策模型 Jev:70ms 出结构化决策,输入仅 $0.042/百万 token — karminski3 · 2026-09-18
• 非聊天模型 Jev 主打 70-500ms 概率判断，输出免费每百万 token 仅 0.042 美元 — adrianscottcom · 2026-09-18
• Jev 模型详解:不写文本、单次前向输出结构化决策的新范式 — blaizedsouza · 2026-09-18
• Typesafe 推出 Jev 模型:不做文本生成,直接输出带概率的类型化决策 — majidmanzarpour · 2026-09-18
• 开发者点评 Jev：大量分类任务不该硬塞给 LLM，浏览器端可廉价运行 — GabGarrett · 2026-09-18
• TypeSafe 发布 System One 模型 Jev：100ms 出带概率的判断型小模型 — aronchick · 2026-09-18
• 前神经科学家谈系统一:快而笨的模型让聪明模型更专注 — multiply_matrix · 2026-09-18
• ChatGPT 联合创始人团队新决策模型 Jev 实时玩《地铁跑酷》 — Cagnazzo82 · 2026-09-18
• ThursdAI 播客聚焦 Jev 实时模型与计算机使用智能体三大主题 — altryne · 2026-09-18
• ThursdAI 周报:非 LLM 决策模型 Jev 被称 ChatGPT 时刻,Dario 提三条放缓方案 — altryne · 2026-09-18
• 实测 Jev 一天:它更像低延迟决策器,Computer Use 是最佳场景 — jiayuan_jy · 2026-09-18
• 实测 Jev 一天后：一个快得离谱的分类器，不是 GPT 替代品 — jiayuan_jy · 2026-09-18
• ChatGPT 联合作者推出决策模型 Jev:快 20-200 倍、便宜 40-400 倍 — thisiskp_ · 2026-09-18
• TypeSafe Jev 返回结构化决策而非文本：输出免费、延迟仅 70ms — mostly_idempotent · 2026-09-18
• 用写作模型做消息分类太浪费:Jev 以 $0.042/M token 直出结构化决策 — mikegiannulis · 2026-09-18
• 花 20 美分测试「不会写句子」的 AI,却补上了分类器漏掉的 13 条请求 — mikegiannulis · 2026-09-18
• 用 3,300 条真实生产决策回放测试小模型 Jev 的真实表现 — mikegiannulis · 2026-09-18
• 用 3300 条真实生产决策离线回放，一个下午 20 美分验证 Jev 路由 — mikegiannulis · 2026-09-18
• 买更强模型前先问是不是用错了活：Jev 实测全记录与上线守则 — mikegiannulis · 2026-09-18
• 同素材下 reranking 把正确段落命中率从 60% 提到 90% — mikegiannulis · 2026-09-18
• 「请发短信别打电话」被分进 other：小模型补上客服分类盲区 — mikegiannulis · 2026-09-18

另有 10 条近重复转述:threepointone · hardimanjames · HankYeomans · multiply_matrix · multiply_matrix · multiply_matrix · multiply_matrix · GabGarrett · multiply_matrix · hardimanjames