TypeSafe 发布决策模型 Jev:不生成文本,直接输出带概率的类型化判断

prakersh · reddit · 2026-09-21

TypeSafe 上周发布了非对话式模型 Jev:输入程序状态加一组类型化问题,单次并行返回带概率分布的类型化答案,不做任何文本生成。三种原语:Noul(是/否命题概率,0-1)、Choice(最多 255 选项的分布+置信度)、Score(可落在命名等级之间的序数评分)。

规格与价格

适合嵌入 agent 流水线的位置:目前用小模型调用+JSON 解析+重试实现的决策点——路由(选工具/子 agent/队列)、护栏(动作是否安全、输出是否合规)、分诊(优先级/严重度/意图)、循环控制(子任务是否完成、是否升级人工)。核心价值不在速度,而在每个答案自带概率:可按决策点设置信度阈值,低置信度自动升级到更强模型或人工。

局限(官方 jaggedness 页面异常坦率):数数不可靠;hex/RGB 等数字格式表现差;无法可靠判断两值是否接近;日期按文本而非有序量处理;状态中混入与决策无关内容会降低准确率;多跳问题和双重否定退化,需拆解。特别注意:P(陈述) 与 P(非陈述) 不保证和为 1,不要基于此写逻辑。

关于宣传数字:193.6x 更快、444.6x 更便宜来自 TypeSafe 自家评测框架,正确答案定义为 GPT-6 Astra 与 Claude Fable 5.1 高思考模式输出的平均值——衡量的是与竞品一致而非正确性,且对比的是关闭推理的配置;TypeSafe 自己的融资稿只说「最高 100 倍」。另需区分每 token 成本与每次决策成本:为一个小问题发送大状态块,给便宜模型发短 prompt 可能反而更划算。

可用性:直连 API 需等候名单,但已可通过 Vercel AI Gateway 和 Cloudflare Workers AI 测试。

所属事件:TypeSafe 发布决策模型 Jev,直接输出概率化判断(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →