- 发布日期
Jev推出新型大语言模型形态——系统一，即决策模型
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
TypeSafe AI 发布了 Jev，这是其一个被称为‘系统一模型’（也称为决策模型）新品类的首款产品。Jev 于 2026 年 9 月 21 日推出，与传统大型语言模型相比有着显著的不同。它并非生成文本，而是一个前沿智能功能，接受非结构化文本输入，并以浮点数形式返回有类型的概率性决策。这种独特的架构专为高速、低成本的分类和评分任务而设计。
其核心创新在于 Jev 的输出格式和定价。传统 LLM 对输入和输出 token 均收费，而 Jev 的 API 仅对输入收费，每百万 token 成本为 0.042 美元。这使其比 OpenAI 的 GPT-5 Nano 等领先模型更为便宜。用户提交一个‘状态’对象（例如一篇文章或客户记录）以及一组问题，在响应中即可收到每个查询的并行评估结果。
Jev 支持三种主要问题类型。‘Noul’问题（Bernoulli 的缩写）针对是/否陈述返回 0 到 1 之间的置信度分数。选择题提供一组选项的概率分布。评分题则在用户定义的数值范围内生成一个连续值。这种结构使其非常适合垃圾邮件检测、内容标签、优先级排序和搜索重新排序等应用。
该系统的设计优先考虑效率。API 能够在上下文窗口内同时处理针对单个文档的多个问题，确保无论查询量如何，响应时间都能保持快速。这种并行处理能力增强了其适用于大规模、实时决策流程的能力。
尽管有其实用性，Jev 的方法引发了关于透明度的担忧。作为一个黑匣子系统，它只提供数值输出，而不解释其决策。这种不透明性可能会掩盖固有的偏见，特别是在招聘或内容审核等敏感应用中。一项非正式实验中，Jev 对湾区城市的评分显示出差异性结果，凸显了严格评估的必要性。
鉴于这些挑战，在部署 Jev 时进行结构化的实验和评估至关重要。幸运的是，该模型的低成本使得广泛的测试变得可行。该公司的描述将 Jev 定位为开发者将非结构化数据转化为可操作的概率性见解的专用工具，而非通用的对话式人工智能。
