智能体决策模型Jev走红：不生成文本的Transformer，能否重塑AI自动化？

TypeSafe AI近期发布了一款名为Jev的新型Transformer模型，试图绕开大语言模型（LLM）的文本生成范式，以概率输出和“校准决策”服务软件自动化。这家由前OpenAI研究员、RLHF技术参与者Diogo Almeida于2024年创办的公司，主张围绕人类语言优化的模型并不适合计算机自动化场景。Jev不生成文本，而是直接输出结构化判定概率，Vercel实测将其用于命令安全审查后提速5至18倍，Bryo AI测试显示其成本比Gemini低10至20倍。该模型发布后迅速引发开发者关注，国内AI企业APUS已发布基于Qwen3.5-9B的开源复现成果，Netlify也已将Jev接入其AI Gateway。

从语言生成到概率决策：一次主动的“降级”？

Diogo Almeida两年前离开OpenAI并创办TypeSafe AI。在他看来，当前大模型的优化目标存在方向性问题。“我们一直在对人类语言优化……对自动化毫无用处。”Almeida的公开表述直指LLM的固有瓶颈——当模型被训练来逐字预测下一个Token时，它天然倾向于“生成”，而非“判断”。这种生成冲动带来了两个后果：一是幻觉，模型在不确定时依然会流畅地编造；二是冗余，为了完成一个分类或路由任务，模型需要输出大量与任务无关的文本。 Jev的设计初衷正是为了规避这两点。它不生成文字，直接输出带概率的结构化判定，支持选择、评分、布尔值三种问答原语。在底层架构上，Jev仍是一个Transformer模型，但跳过了自回归解码阶段，在隐状态层面直接进行打分。这一技术路径意味着模型不再为“说话”消耗算力，而是将全部计算资源集中在“理解”与“决策”上。TypeSafe将这种模式定义为“System One”模型——快速、直觉式、低成本，与OpenAI o系列等“System Two”慢思考模型形成互补。 这种“分工”逻辑在行业层面已初见端倪。可以推断，未来Agent架构可能加速走向“快慢分层”：复杂推理交给大规模慢思考模型，而意图识别、安全审查、模型路由等高频低耗任务则由Jev这类轻量模型快速响应。虽然这一趋势尚需更多样本验证，但Jev已为这种架构提供了一种可落地的技术路径。

定价策略：输出免费，输入按量计费

Jev的定价策略呈现出与传统API完全不同的逻辑。其输出标记免费，输入按每十亿级标记计费，具体价格为每百万Token 0.042美元（即每十亿Token 42美元），输入预算约3.2万Token。这意味着用户只需为“喂给”模型的数据付费，而模型产出的判定结果不产生额外费用。 这一模式对高频调用场景极具吸引力。在软件自动化领域，命令安全审查、内容分类、代理监控等任务通常需要每秒数次甚至数十次的API调用。如果每一次调用都要为生成的数百个Token买单，成本将迅速失控。Jev的“输入付费、输出免费”策略，实质上是将成本模型从“按生成量计费”转变为“按判断量计费”，更符合自动化任务的实际需求。 开发者的实测数据进一步印证了该模式的性价比。Vercel工程师Pranit Sharma用Jev替换OpenAI Luna模型做命令安全审查后，速度提升5至18倍且准确率更高；Bryo AI的CTO Nikhil Mudholkar在商业邮件分类测试中发现，Jev的准确率略低于Gemini，但成本仅为后者的1/10至1/20。值得注意的是，TypeSafe官方曾宣称内部测试最高可实现193.6倍提速和444.6倍降本，但官方也承认该数据偏高，且参考答案由其他大模型生成，并非独立第三方验证结果。

生态响应：开源复现与平台集成

Jev发布后的市场反应超出了预期。9月17日，Netlify宣布Jev已接入其AI Gateway，开发者可通过该平台零配置调用；9月19日，中国AI企业APUS发布了全球首批Jev独立开源复现成果fast-browser-use（采用MIT协议），基于Qwen3.5-9B本地模型实现“跳过自回归解码、隐状态直接打分”的技术方案。由于需求激增，TypeSafe API甚至一度短暂无法服务。 这一开源复现动作值得深入解读。它至少说明Jev的技术原理具备可复制性——不需要专用硬件或专有数据，基于现有开源模型也能实现类似的能力。对于开发者而言，这意味着他们不必锁定在TypeSafe的闭源API上，完全可以在本地部署类似的决策模型。从行业角度看，这种快速复现验证了“轻量决策模型”这一方向的可行性，同时也给TypeSafe带来了竞争压力——如何在开源复现浪潮中保持商业优势，将是其需要面对的问题。

市场定位与争议：准确性、地域限制与“杰文斯悖论”

Jev的定位并非取代大模型，而是与之协同工作。其典型应用场景包括LLM代理监控、越狱检测和模型路由——通过低成本实时判断任务该调用哪个模型、该请求是否安全、该输出是否合规。Earendil CTO Armin Ronacher也对此类应用场景表示认可。 然而，Jev并非没有短板。Bryo AI的测试已表明其准确性略低于Gemini，这意味着它在一些复杂任务上仍无法完全替代通用大模型。此外，Jev的“结构化输出”天然限制了其表达自由度——它只回答“是/否/分数/选项”，无法处理需要生成长文本的任务。截至校对时点，该服务尚未向中国大陆地区开放。 值得留意的是“Jev”这个名字的由来——取自19世纪经济学家杰文斯及其“杰文斯悖论”（成本下降带来需求暴涨）。TypeSafe创始人显然有意借用这一经济学概念：当一项技术的使用成本大幅降低，其需求总量反而会急剧上升。从这个意义上说，Jev的定价策略和技术定位，本质上是在赌一个前提——当决策成本低到一定程度，软件自动化的需求将被极大释放，而Jev正是在这个临界点上提前卡位。 可以推断，随着AI Agent从演示走向生产环境，应用开发者将越来越关注“每项任务的推理成本”而非“每次对话的生成质量”。Jev的价值不在于它是一个更聪明的模型，而在于它是一个更“轻”的选项——它用主动放弃文本生成能力的方式，换取了速度和成本的双重优势。这一取舍能否成为AI自动化领域的主流范式，仍需时间和更多开发者用实际项目投票。但至少在当前节点，Jev已经让行业第一次认真思考：是否需要让机器“说”得更少，“做”得更多。

参考资料

1. Jev爆火硅谷 哑巴AI卷疯开发者 新时代智能判断来临_中华网 - 中华网
2. Changelog | Netlify - Netlify
3. Jev模型是什么?TypeSafe“决策模型”爆火后，APUS交出全球首批跨平台开源复现_央广网 - 央广网
4. TypeSafe AI发布Jev模型:以概率输出提升软件自动化效率_决策_技术_初创公司 - 手机搜狐网
5. Jev, le modèle d’intelligence artificielle qui mise sur les probabilités plutôt que sur le texte - Esprit IA - Esprit IA
6. - 新浪财经
7. TypeSafe AI发布Jev:新型Transformer模型，主打低成本决策_输出_OpenAI_自动化 - 手机搜狐网
8. 前OpenAI核心成员推出Jev模型:去幻觉、低成本的非LLM新路径_Almeida_TypeSafe_智能 - 搜狐

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。