Jev 是什么
Jev 是 TypeSafe AI 开发的第一个 System One 模型。官方对 System One 的定义是：为软件做快速、结构化决策的模型——你给它一段状态和带类型的问题，它返回结构化、可直接被代码消费的答案。
一句话区分：LLM 生成文本，Jev 输出判断。
按官方文档（2026-09-22 核验），Jev 的接口形态是：
- 输入：
state（字符串、对象或数组，给模型的上下文）+questions（一组带类型的问题） - 输出：每个问题的类型化答案——选中的选项、分数、概率分布、置信度
- 只有一个端点：
POST https://api.typesafe.ai/v1/systemone
它不生成自然语言文本。你不能让它写文章、翻译或总结；它只在三种题型内做判断（见能力总览）。
TypeSafe AI 由 Diogo Almeida 创立，他此前在 OpenAI 参与 ChatGPT 相关工作（媒体报道，官方博客亦有自述）。公司获得 4000 万美元种子轮融资金额为媒体报道口径，本站未独立核验。
官方发布博客解释了两层命名（2026-09-22 核验）：
- Jev ← Jevons 悖论：效率提升反而扩大总消耗——官方用它比喻“决策变得极便宜后，软件会开始在很多原来不敢做判断的地方做判断”
- System One ← 卡尼曼《思考，快与慢》中的“系统 1”：快速、直觉、窄范围的判断，与“系统 2”（慢速推理，即 LLM）互补
它为什么快、为什么便宜
Section titled “它为什么快、为什么便宜”官方博客宣称：典型延迟 70–500ms，输出 token 免费，输入 $0.042/百万 token。原因（官方口径）：
- 窄输出空间：答案是枚举值和概率，不是自由文本，解码开销极小
- 并行采样器：官方称其训练/推理架构针对大量小判断并行优化
- RLCD 训练：官方称训练方法为 Reinforcement Learning for Calibrated Decisions（面向校准决策的强化学习），让模型输出决策和经过校准的概率，而不是生成文本