Jev 决策模型：发布到爆红三周

第 1 集 · TypeSafe 决策模型 Jev 发布：不生成文本，快且廉价的窄域判断(2026-09-28,6 条)

TypeSafe AI 于 9 月 15 日发布并开放早期访问的「决策模型」Jev，在 Hacker News 等平台引发热议。Jev 由创始人、OpenAI 老将 Diogo Almeida（InstructGPT 论文共同作者，公司获 4000 万美元种子轮）推出，定位与主流 LLM 截然不同：不做文本生成，只接受三类问题——Choice（最多 255 个选项中挑选）、Score（打分 2-10 档）与 true/false 判断，直接输出决策结果。

已确认

• 输入价格低至 4 美分/百万 token，速度与成本据称比前沿 LLM 快约 190 倍、便宜约 440 倍（Matt Wolfe 与 @sanjaykalra 转述为 190 倍/440 倍，另有帖子称 193 倍/444 倍）
• @every 给出应用实例：用 Jev 做新闻分类后，早晨新闻筛查量从 20 条扩展到 500 条
• @sanjaykalra 认为这是本季度对 CIO 最有用的模型发布，前提是用于 Jev 专为设计的窄任务；其帖子还提到 Jev 采用级联架构
• @大模型之路 分析 Jev 在 Agent 圈走红的原因：Agent 调用日志里大多数请求其实是在做判断（分类、门控、评分）而非生成内容，却为这些判断付了大模型的延迟和 token 成本，Jev 把这些「小判断」从大模型账单中剥离
• @大模型之路 同时提醒快 193 倍、便宜 444 倍是营销数字，应谨慎看待

为什么重要

Jev 代表了「System 1」式窄域模型路线：对海量、低单价的主观判断任务（邮件是否紧急、段落是否像 AI 写的、内容分类筛选），用专门模型替代昂贵的大模型调用，可把成本敏感型流程的规模扩大一个数量级。@every 的新闻筛查案例与 @大模型之路 的 Agent 成本分析都指向这种规模效应。但多位作者也强调其边界：超出三类题型、需要生成或复杂推理的场景并不适用，宣传中的倍数数据也需打折看待。

• 分类模型 Jev 爆火：把早晨新闻筛查从 20 条扩到 500 条 — every · 2026-09-28
• TypeSafe 推出决策模型 Jev:比前沿 LLM 快 190 倍、便宜 440 倍 — sanjaykalra · 2026-09-28
• TypeSafe AI 发布窄域模型 Jev：仅答三种题型，级联架构解读 — sanjaykalra · 2026-09-28
• 不写字的决策模型 JEV 刷屏:快 193 倍便宜 444 倍是营销数字 — 大模型之路 · 2026-09-28
• 不输出文字的模型：Jev 直接给决策，输入 4 美分/百万 token — Matt Wolfe · 2026-09-29
• JEV决策模型走红：把Agent的「小判断」从大模型账单里剥离 — 大模型之路 · 2026-09-29

第 2 集 · TypeSafe 决策模型 Jev 爆红：毫秒级判断、日处理 token 破万亿(2026-10-08,7 条)

TypeSafe AI（由 Erik Gafni、Sasha Sheng、Diogo Almeida 联合创立）于 9 月发布快速决策模型 Jev，上线三周日处理 token 达 1 万亿，约四分之一的世界 500 强企业已接入。据 Fortune 报道，该模型在 AI 开发者与硅谷圈迅速走红，OpenAI 正在跟进类似方向。联合创始人兼 CEO Diogo Almeida 在 TWIML 第 779 期播客中进一步阐释了其「机器原生智能」（machine-native intelligence）的理念。

已确认

• Jev 是 TypeSafe 的首个「System One」模型，灵感来自卡尼曼《思考，快与慢》：System 2 慢而审慎，System 1 快而自动化；如今的 agentic 系统大多缺乏这种快通道（@veskost）
• Jev 不是传统 LLM，不生成文本，而是输出带概率的结构化判断，包括 Noul 判断陈述、Choice 选项、Score 打分（@大模型之路）
• 官方与转发内容宣称：分类任务快 200 倍、成本低 400 倍，可在毫秒级内为 Agent 决定下一步动作且成本接近零（@LangChain、@Arindam1729）
• LangChain 发布博客介绍 Jev，并讲解如何将其嵌入 agent 循环
• TWIML 第 779 期播客邀请 Diogo Almeida 介绍 Jev，核心理念是「机器原生智能」，主张为软件决策而非生成文本造模型（@samcharrington）

尚未确认

• 「快 200 倍、成本低 400 倍」等性能数据为 TypeSafe 方面宣称，暂无独立验证
• Fortune 提及的 OpenAI「紧追其后」的具体进展不明

为什么重要

• @veskost 指出，大模型时代开发者遗忘了分类器本可以快、便宜且有用；传统分类器的痛点在训练、监控、更新与系统同步，而让 Agent 自建并维护 Jev 式分类器可替代微调，是一条务实的工程路径
• @Arindam1729 提醒多数开发者会用错场景，并给出 10 个适合用 Jev 构建的项目用例，说明其适用边界同样关键
• 若毫秒级、近零成本的决策模型被广泛采用，可能改变 agent 循环中「每步都调大模型」的默认架构，也引来 OpenAI 等巨头跟进

• 决策模型JEV日处理token破万亿，四分之一世界500强接入 — 大模型之路 · 2026-10-08
• Jev 风格分类器:让 Agent 自建快速分类器替代微调的工程实践 — vesko_st · 2026-10-09
• TypeSafe 发布 Jev 分类器：让 Agent 自己造快而便宜的 System One — vesko_st · 2026-10-09
• TypeSafe 推出决策模型 Jev:分类任务快 200 倍、成本低 400 倍 — LangChain · 2026-10-09
• 号称最快 Agent 模型 Jev:毫秒级决策近零成本,10 个用例详解 — Arindam_1729 · 2026-10-09
• 快速决策 AI「Jev」在硅谷爆红,OpenAI 紧追其后 — jeremyakahn · 2026-10-09
• TWIML 播客：TypeSafe 发布 Jev 模型，主张为软件决策造"机器原生智能" — samcharrington · 2026-10-10