ChatGPT联合发明人推出新型AI模型Jev，开发者趋之若鹜

Diogo Almeida是OpenAI的早期核心研究员，参与构建了ChatGPT，并与团队共同发明了基于人类反馈的强化学习技术RLHF——这一技术被认为是当前AI浪潮最重要的推手之一。然而，他对这些成果并不满足。在他看来，大语言模型被优化为生成人类语言，而计算机运行的是另一套语言体系，这使得LLM在真正的自动化场景中效用有限。这种失望促使他在两年前离开OpenAI，创立了TypeSafe AI。

TypeSafe AI本周正式发布了Jev模型。这是一款基于Transformer架构的全新模型，但它并非大语言模型。Jev不产生文本输出，而是输出概率分布，即公司所称的「校准决策」。用户需要在使用前预先定义输出类别，模型据此给出各类别的置信概率。这一设计从根本上规避了幻觉问题，同时大幅降低了推理成本——输出token免费，输入token按十亿计费而非百万计费。

开发者的实测数据印证了Jev的竞争力。Vercel软件工程师Pranit Sharma表示，其公司原本使用OpenAI模型对用户指令进行安全分类，切换至Jev后，处理速度提升了5至18倍，且准确率更高。另一位开发者、Bryo AI首席技术官Nikhil Mudholkar在商业邮件分类测试中发现，Jev与Gemini精度相近，但成本低10至20倍。他尤其看重Jev输出的置信分数，认为这是实现工作流自动化的理想特性。

Jev的应用场景不仅限于替代LLM，还可以作为LLM的监控层。Almeida指出，用AI智能体监控其他智能体成本高昂，而Jev凭借低成本和高速度，可以高效追踪LLM智能体的行为轨迹并拦截越狱攻击。开源模型框架Pi的CTO Armin Ronacher补充说，Jev还适合用于模型路由——根据任务特征实时判断应调用哪个模型，而这类判断若用LLM来做则过于昂贵。

Jev的命名来自19世纪经济学家威廉·斯坦利·杰文斯，其「杰文斯悖论」描述了商品成本下降反而导致消耗量增加的现象。Almeida希望智能的低成本能推动其无处不在的部署，形成一种分布式、涌现式的智能软件生态，而非少数巨型应用垄断的格局。他将Jev定位为「系统一模型」，专注于直觉而非推理，并强调其训练完全依赖合成数据，采用他自创的「基于校准决策的强化学习」技术。

目前Jev在这一细分赛道尚无直接竞争者，但Ronacher预计随着其价值被验证，竞争对手将很快涌现。他认为，过去LLM的高额补贴掩盖了对更高效替代方案的需求，而Jev的出现正在改变这一局面。对于TypeSafe AI是否属于前沿实验室，Almeida给出了自己的定义：前沿实验室的主要产品是恐惧或炒作，而他希望TypeSafe的主要产品是智能本身。

要点

• Jev不输出文本而输出概率，从架构层面消除了幻觉问题，适合需要确定性输出的自动化场景
• 实测显示Jev在分类任务中速度比主流LLM快5至20倍，成本低10至20倍，具备显著的经济优势
• Jev可作为LLM的监控与路由层，以极低成本实现对智能体行为的实时管控
• 模型完全基于合成数据训练，Almeida认为这是公司迄今最重要的技术押注
• Jev的低成本定位旨在推动智能软件的广泛普及，而非服务于少数超级应用