TypeSafe 推出决策模型 Jev:分类任务快 200 倍、成本低 400 倍
LangChain · x · 2026-10-09
LangChain 发布博客介绍 TypeSafe AI 的新模型 Jev,并讲解它如何嵌入 agent 循环。
Jev 是什么
- Jev 不是传统 LLM,不生成文本,而是 TypeSafe AI 所称的 "System One 模型":接收一个状态(context)和若干问题,直接返回带类型的答案和概率,供软件直接使用。
- 训练方式为 RLCD(用于校准决策的强化学习)。
- 官方数据:分类任务上推理最高快 200 倍、成本低 400 倍。
为什么需要它
- agent 循环中每个决策都要再调一次 LLM,慢且贵;tool calling 与 structured outputs 解决了接口问题,但没解决决策本身的成本。
- Jev 让 agent 在循环里用一次廉价调用完成状态评估与决策,无需每次都走完整聊天 LLM。
文中以客服工单分类为例给出 jev-latest 的请求格式,并演示如何在 LangChain 中使用。此外,LangChain 的 Sam Crowder 在 First Pass 播客中与 jaminball 聊了决策模型的定位,提到 OpenAI 已发布 Decisions API、Databricks 推出 aidecide 函数,"决策模型"正在成为一个新赛道。
「编程与Agent」频道最新
- 把整个 Minecraft 塞进推特:支持多人联机的离谱 demo 走红 — jaivinwylde · 2026-10-09
- Toloka 用一轮企业 RL 数据，Qwen3.5-27B 零售 agent 基准提升 8.9pp — MParakhin · 2026-10-09
- srush 构建 Jax-Lean 转译器，形式化验证张量谜题与任意 JAX 代码 — srush_nlp · 2026-10-09
- Epic 官方推出 Unreal MCP,让 Claude Code 直接驱动虚幻编辑器 — Scobleizer · 2026-10-09
- zeeg 分享实战:砍掉非集成测试,用缓存与记忆压制 agent 垃圾测试 — zeeg · 2026-10-09
- Pawel Huryn 质疑 agent 编码评测:一次成型不等于未来不出回归 — PawelHuryn · 2026-10-09