你最近刷到的 Jev，根本不会说话。
它不能陪聊，不会写周报，也不会补一段函数。可两天里它在 AI 圈里挤到前排：旧金山公司 TypeSafe AI 走出潜行，种子轮约 4000 万美元，试用要排队。
更别扭的是出身。创始人 Diogo Almeida 是前 OpenAI 研究员，参与过把语言模型调教得会听话、会聊天的那套工作。把 AI 教会说话的人里有他一个。现在他做的东西，故意把嘴封上。
他自己问过一个很土的问题：模型在聊天上早就超过普通人了，为什么真实世界里的自动化还是这么少？钱砸进去了，日常软件并没有因此变得真正智能。
Jev 的赌注是：软件需要的不是另一位顾问，是流水线旁一个只打勾、不发表感想的质检员。
先记下官方入口
- 公司与等候名单：https://typesafe.ai/
- 发布说明：https://typesafe.ai/blog/introducing-system-one-models-and-jev
- 文档：https://docs.typesafe.ai/
- 控制台 Playground：https://console.typesafe.ai/playground
- API：
POST https://api.typesafe.ai/v1/systemone
数字来自官方和媒体转述：快约 20 到 200 倍、便宜约 400 倍、延迟约 70 到 500 毫秒、输入约每百万 token 0.042 美元、输出按“不生成文本”计价为零。对比测试多是厂商自己的工作流，当作宣传口径，不要当成第三方审计。
会聊天，为什么反而成了瓶颈
网店一天几百条客服消息，只想自动分给账务、物流、技术。听起来简单。丢给普通大模型，现场往往是这样：
先写一长段提示词，求它只回部门名，不要发挥。
它有时乖乖回“账务部”，有时又忍不住写建议、写步骤、写安慰。
程序只好再写一层脏逻辑，从散文里抠三个字。
最要命的是偶发跑偏：你只设了三个部门，它给你第四个，或发明一个不存在的组。
文字太自由。自由是聊天的优点，也是自动化的漏洞。万分之一的跑偏，你也不敢把它埋进没人盯着的系统里整夜自己跑。不可靠、不可控、不可预测，就很难被大规模写进真正的软件。
黄小木的比喻准确：ChatGPT 像能说会道的顾问；Jev 像质检员——材料递过去，不寒暄，给一个干脆的判断。扫一眼，出结果。
破局其实很土：把问答改成填表
调用时只交两样东西。
一份“状态”：要判断的材料。可以是“我的卡被扣了两次款”，也可以是整张工单、一段对话、带订单和退款政策的结构化数据。该给的背景一次铺上桌。
一叠“问题”：你要它判断什么。返回值格式事先锁死。程序拿来就用，不必再解析、清洗、猜测。官方说法是：它在数学上不该填出表格之外的答案，因为所有合法输出都是你提前圈定的选项。
这就是所谓 System One：给软件用的快判断，而不是给人看的长回答。
三种题型可以在同一次调用里并行。
单选题。跑鞋尺码发错了，选项只有退换货、物流、账务，它回“退换货”，并给出各选项的把握。若同一条里又夹着莫名扣款，它可能告诉你六成退换货、四成账务，而不是假装自己很确定。
评级题。Bug 报告用三档尺子：0 是外观瑕疵，1 是功能坏了但有绕法，2 是彻底卡死。它可能回 1.3——主要落在第一档，略往卡死偏。档位要写成具体情境，不要写“中等严重”；前面的 0、1、2 对它没有语感，SOP 必须写清每一档长什么样。
判断题。只给“是”的概率，0 到 1。顾客是不是在要求退款？0.99 就是几乎肯定。
同一次还可以再问：派给谁、有多生气、是不是未发货订单。问题彼此独立、一起作答，多问几个，耗时往往几乎不涨。官方因此鼓励一次问完这条材料上可能用到的全部判断。这和普通大模型“少问一句省 token”的习惯相反。
会说“我没把握”，比永远自信更值钱
自动化最怕的不是 95% 正确，是你不知道那 5% 错在哪。Jev 给每个答案带上 confidence。把握高的可以自动跑；一般的先人工确认或补信息；很低的转人工，或交给更贵的推理模型。一个会说“这题超出我能力”的组件，比永远语气坚定的聊天框更适合进流水线。
因为它不生成长文，速度和单价才压得下来。厂商用这个打开两类以前不敢做的活：海量库逐条打标，以及嵌进界面做实时反应。主张成立与否，仍要看你自己的延迟和账单，不要只背倍数。
怎么用：把大问题拆成小格子
不要问“这封邮件是垃圾邮件吗”。那是把许多判断压成一个含糊答案，既看不清依据，也无法微调。
拆开问：是不是在索要登录凭证？是不是声称中了未参与的大奖？是不是在制造必须立刻行动的紧迫感？自称机构与邮箱域名是否对得上？链接显示文字与落地地址是否一致？每个问题具体到几乎没有含糊空间，再由你的程序加权合成风险分。Jev 提供的是带常识判断的积木，不是又一个不受控黑箱。
落地场景也接地气：工单分流、识别退款诉求、标出该优先安抚的对话、从记录里抽出待跟进事项；内容侧按规则挑垃圾广告、辱骂、诈骗、隐私泄露并分级；招聘和线索按你写死的硬标准打分；给另一个大模型当质检——有没有跑题、有没有被套话带偏、引用是否像编的、工具参数是否在范围内。因为它快且便宜，质检成本可以只是主模型的零头。再往上是文档、评论、聊天记录的批量打标，规模大到许多聊天 API 的账单会先把项目打死。
这些都是分类与路由。把它理解成“替你盯梢所有人”，就用歪了。选项和阈值仍是你写的；模型只是在格子里打勾。
写在最后
若整篇只留一句：Jev 便宜、快、不讲话，但能在你画好的表里做判断。
聊天模型解决的是“人愿意继续问”。决策模型想解决的是“程序敢把结果写进 if/else，然后走人”。智能成本每降一个数量级，以前不值得自动化的脏活就会重新排队。那是产品机会，也是提醒：不是所有智能都该先长一张嘴。
排队入口仍在 https://typesafe.ai/ 。能不能进你的系统，不看它会不会寒暄，看格子锁得死不死，以及它说没把握的时候，你的程序有没有把人接回来。
No comments yet