TypeSafe AI 正式推出其首款 System One Model（系统一模型）——Jev，并同步开放早期访问权限。该模型旨在通过快速、结构化的决策能力，直接供软件调用，从而填补大模型在自动化应用领域的关键空白。
TypeSafe 由前 OpenAI 研究员 Diogo Almeida 创立。Almeida 指出，尽管大语言模型（LLM）在对话能力上已超越人类，但在构建真正的自动化应用时仍缺失关键一环。经过两年的保密研发，TypeSafe 构建了包含新模型架构、并行采样器以及“校准决策强化学习”（RLCD）训练方法在内的全新技术栈。
重新定义自动化：从字符串生成到结构化决策
Jev 的核心突破在于放弃了传统的字符串生成模式，转而针对结构化输出进行优化。这种设计使 Jev 在保持与现有大型语言模型相当智能水平的同时，实现了以下优势：
- 极速响应：推理速度提升两个数量级。
- 零幻觉与类型安全：通过数学上保证的模式匹配，杜绝类型错误和幻觉现象，满足生产环境对确定性的严苛要求。
- 高效成本：大幅降低每次调用的成本。
可以将 Jev 视为一种前沿的智能函数调用接口：输入非结构化状态，输出类型化的概率决策。
性能评估与工作流验证
为验证模型性能，TypeSafe 开发了一种基于代码环境的新评估方法。该方法以最大、最昂贵的外部模型（如 GPT-6 Astra 和 Fable 5.1）的平均预测值为参考基准，测试各模型在相同工作流中的表现。
评估数据显示，Jev 在帕累托前沿线上占据显著优势，声称比传统 LLM 快 193.6 倍，成本低 444.6 倍。TypeSafe 强调，这些工作流并非刻意构建以美化数据，而是代表了实现业务自动化所需的典型生产负载。相比之下，依赖思维链逻辑处理的传统生成式模型在工作流执行效率上明显逊色。
应用场景展示
Jev 的低延迟和高可靠性开启了新的应用可能，目前团队展示了两个典型用例：
- 实时游戏控制（Doom）：基于结构化状态数据而非图像识别，Jev 能以每秒 10 次查询的频率实时控制游戏角色，每小时成本仅约 7 美元。
- 维基百科竞速（Wikiracing）：在高基数链接选择场景中，Jev 展现了在不产生幻觉前提下的快速决策能力，往往以更少步骤完成任务。
命名渊源与未来展望
“System One Model”概念源自丹尼尔·卡尼曼《思考，快与慢》中的系统 1 思维，强调快速直觉与可靠性；“Jev”则致敬经济学家威廉·斯坦利·杰文斯，寓意智能成本的下降将像蒸汽机效率提升一样，解锁海量应用场景。
目前，Jev 仍处于起步阶段。TypeSafe 正逐步移除开发者等待名单，并邀请社区反馈以优化模型。公司愿景是建立 AI 与软件间可信赖的接口，推动自动化用例在经济活动中的持续扩散。