TypeSafe发布Jev模型主打校准决策不走文本

IT时代网

2026-9-19 14:04:09

221

次

IT时代网9月19日消息，由前 OpenAI 研究员迪奥戈·阿尔梅达（Diogo Almeida）创办的 TypeSafe AI，本周发布了一款基于 Transformer 架构的新模型 Jev。与当下主流的大语言模型不同，Jev 并不生成文本，而是直接输出概率，公司将其称为「校准决策」。

公开信息显示，阿尔梅达曾在 OpenAI 参与 ChatGPT 的构建，并参与发明了 RLHF（基于人类反馈的强化学习）这一模型训练技术。此后他选择离开，并于两年前创办 TypeSafe AI。他此前表示，模型在人类语言上表现出色，但这套能力用于自动化并不好用，因为计算机与人类使用的是不同的「语言」。

按照该公司的说法，Jev 的输出由用户预先定义，因此不会出现幻觉；其输出 token 免费，输入 token 按十亿量级计费，成本与速度都明显优于大语言模型。

从开发者反馈看，Jev 目前最适用于软件自动化。Vercel 软件工程师 Pranit Sharma 称，公司原先使用 OpenAI 的 ChatGPT Luna 5.6 运行命令安全审查分类器，替换为 Jev 后，速度提升 5 至 18 倍，准确率也更高。另一名开发者、Bryo AI 首席技术官 Nikhil Mudholkar 把 Jev 与 Gemini 用于商业邮件分类的对比测试，结果显示 Gemini 准确率略高，但成本高出 10 至 20 倍；他更看重 Jev 返回的真实概率值。

除替代部分大语言模型场景外，Jev 也可与之配合，充当对大模型行为的检查环节，用于监测智能体运行轨迹、防范越狱，或承担模型路由等实时任务。阿尔梅达称，随着智能成本下降，智能软件将像早期互联网那样广泛而分布地出现。

关于模型架构，TypeSafe AI 未予披露，外部观察者推测其构建在某个开放权重的大语言模型之上。公司把 Jev 称为「系统一」模型，强调直觉而非推理，并专注于特定任务。阿尔梅达称，Jev 完全基于合成数据训练，采用他称之为「基于校准决策的强化学习」的方法。模型名称取自 19 世纪经济学家威廉·斯坦利·杰文斯，其提出的杰文斯悖论描述了商品成本下降反而带来更多使用量的现象。