TypeSafe 发布 Jev 模型：不做文本生成，毫秒级输出校准数值判断
JnBrymn · x · 2026-09-17
TypeSafe 宣布了名为 Jev 的新型 LLM 思路：输入一个 state（待考虑的文本或 JSON 数据）加一组 questions，但模型不做逐 token 的文本生成，而是近乎瞬时返回校准、一致的数值答案。作者 James Brooks 认为 demos 令人惊艳，并撰文分析其原理与用法。
三种问题类型：
- choice：从固定列表中选一项，返回 {choice, probabilities, confidence}
- score：按有序 rubric 给分，返回 {score, legend, probabilities, confidence}
- noul：判断真伪，返回 0–1 的概率
亮点：传统 LLM 慢几个数量级，且"自信度"数字常与实际不符；Jev 以速度和数值预测准确性取胜。官方 Doom demo 中以每秒 7 次请求实时预测按键，模型可流畅导航地图并消灭敌人——这是传统 LLM 做不到的。API 设计类似赛马赔率示例：给 state 与 questions 即可得到结构化概率输出。
所属事件:ChatGPT 联合发明者推出决策型模型 Jev，宣称快百倍成本低百倍(80 条相关)→
「编程与Agent」频道最新
- Platformatic 开源 secure-eval-worker：按权限沙箱运行 Node.js 代码 — threepointone · 2026-09-18
- 多显示器编程要回潮:一块给你,一块给 AI 用 — Aizkmusic · 2026-09-18
- 用 X API+模型两两对比筛 1000 帖,选出一条 Claude Code 提效技巧 — daniel_mac8 · 2026-09-18
- Zach Lloyd：软件工厂应做成闭环可测系统，Agent 自查自改 — vikvang1 · 2026-09-18
- 实测 TypeSafe 判断模型 Jev:六大场景,速度比 Gemini 快 4 倍 — HamelHusain · 2026-09-18
- 开源 agent 框架 Omnigent 突破 10000 GitHub 星标 — TerryTangYuan · 2026-09-18