一款不會寫文章、也無法陪聊的「啞巴AI」，近日迅速席捲矽谷。
Jev發布僅3天，便獲Vercel、Cloudflare及LangChain等主流平台整合；內測開放不到36小時，更吸引多達14萬名開發者湧入。與ChatGPT等生成式AI不同，Jev不輸出文字，而是以最快70毫秒的速度，直接給出附帶機率的判斷。
Jev由ChatGPT核心發明者之一、InstructGPT論文第四作者Diogo Almeida創立的TypeSafe AI推出。Almeida認為，AI產業過去將「會說話」視為智慧，卻忽略真正的自動化需要的不是流暢回答，而是能在無人監督下做出快速、可靠且可量化的決策。
從聊天轉向決策
Almeida是OpenAI早期核心研發人員之一，也是RLHF與InstructGPT的奠基者之一。然而，ChatGPT爆紅後，他開始反思，為何具備超人類對話能力的模型，仍未帶來真正的通用人工智慧（AGI）。
他認為，RLHF讓模型學會提供符合人類偏好的回答，卻也使其在無人值守的系統中難以被完全信任。為了維持長篇文字的一致性，模型往往被訓練得過度自信，主動捨棄低機率選項，因此即使聲稱「有八成把握」，這項機率也未必可靠。
Almeida因此離開OpenAI、創辦TypeSafe AI，並從底層訓練架構重新出發，打造不負責說話、只負責判斷的Jev。
不生成文字 只回傳機率
Almeida將Jev稱為「System One模型」，名稱取自諾貝爾經濟學獎得主卡尼曼《思考，快與慢》中的「系統一」，代表不經複雜推理、迅速完成的直覺判斷。
使用者可向Jev輸入客訴郵件、程式碼或其他混亂資料，模型則回傳類型化決策與機率分布，不生成任何文字。官方提供Choice、Score與Noul三種互動方式，分別用於選擇指定選項、給出分數，以及輸出0至1之間的機率。
由於Jev只能在事先劃定的範圍內分配機率，無法產生選項之外的內容，程式取得的也始終是符合格式的合法值。
Jev還能將所有輸出並行取樣、一次完成，不必像大型語言模型逐字生成，因此端到端判斷僅需70至500毫秒；相同工作若交給前沿大型模型，則需3至329秒。
輸出token永久免費
Jev不需要逐字產生內容，因此輸出token永久免費，TypeSafe僅針對輸入收費，每100萬token收取0.042美元。已有開發者利用Jev審查程式碼拉取請求（PR），單次成本僅約7萬分之1美元，審查1,000個PR約花費7美分，同樣工作若交給Opus 5，成本則達14.5美元。
支撐Jev的是名為RLCD的「校準決策強化學習」。相較RLHF獎勵符合人類偏好的回答，RLCD要求模型提出的機率必須與實際命中率相符；若模型給出0.9，就必須有九成機率判斷正確。
Jev也可把複雜任務拆成多個問題並行處理。例如審查商業計畫書時，可分別評估市場規模、技術可行性及差異化，再由軟體組合各項結果。
TypeSafe展示的應用還包括即時遊玩《毀滅戰士》，每秒做出10次決策，每小時算力成本約7美元，以及從維基百科數千個連結中鎖定目標。
數百種用例快速冒出
Jev推出後，已有數百種應用出現。有人將其整合進Mac語音助手，在指令尚未說完前便啟動指定應用程式；谷歌Gemma官方帳號也迅速發布「DiffusionGemma as Jev」，將自家擴散模型導入這套新範式，透過一次去噪並行提供所有選項的機率，並補上視覺能力。
TypeSafe強調，Jev並非要取代現有大型語言模型，而是與其組成「雙核心搭檔」。大型模型負責生成內容，Jev則在旁快速評分，合格便放行，不合格就退回重寫。
不過，Jev面對需要逐步推導的數學問題時，能力最多約為GPT-4水準，目前也不支援影像輸入。
Jev名稱取自經濟學上的「傑文斯悖論」：效率提升後，資源消耗反而增加。Almeida押注，當AI決策變得足夠快速、便宜且可靠，開發者對AI的需求不會下降，反而會擴散至所有程式碼，成為軟體自動化的新基礎。
