硅谷这周最火的 AI 不会聊天：一个前 OpenAI 研究员亲手拆掉了自己的成果，做出了 Jev——「要决策，不要文本」
AI飞行客 硅谷这周最火的 AI 不会聊天：一个前 OpenAI 研究员亲手拆掉了自己的成果，做出了 Jev——「要决策，不要文本」
9月15日，一个叫 Jev 的模型在硅谷开发者社区刷屏了。
它不写代码，不写文章，不聊天——它主动砍掉了过去三年大模型最重要的能力：生成文字。只保留”判断”。
它背后的公司叫 TypeSafe AI，创始人 Diogo Almeida 是前 OpenAI 研究员，InstructGPT 一作的合作者之一，RLHF（人类反馈强化学习）这条技术路线的核心贡献者之一。
也就是说：让 ChatGPT”听得懂人话、讨人喜欢、会说正确的废话”的那套方法，是他亲手参与发明的。
然后他离开 OpenAI，花了两年时间，做了一个拒绝说话的东西。
“Decisions, not strings”
TypeSafe 对 Jev 的定义只有三个字：要决策，不要文本。
它怎么用？你给它两样东西：一段状态（state，比如”用户发来一封客服邮件，内容是 Stripe 支付连续三天失败”），加上一组预先定义好的问题。它直接返回带概率的答案，然后结束。
Jev 只做三种题：
Choice（选择题）：这封客服单该派给账务、技术还是业务？它从你给的选项里挑，还附上每个选项的概率。
Score（量表题）：客户有多生气？冷却、不太爽、火山爆发——它甚至能落在两级中间，比如 1.035，意思是比”不太爽”再多一点点。
Noul（是非题）：这封消息紧不紧急？它不解解释，直接回一个数字 0.999——翻成人话就是”快去处理”。
它不输出自然语言。它输出的东西软件可以直接用——像一个”听得懂人话的 if 语句”。
最聪明的设计是，Jev 会老实告诉你它有多不确定。Choise 和 Score 都带概率分布，再浓缩成一个 0 到 1 的 confidence。
官方有个例子：客户说 Stripe 串了三天都失败、生意快做不下去了。Jev 判断应该派给账务部，概率 84%。但 confidence 只有 0.596——相当于它举手说：”我选账务，但我有点犹豫。”
这个”犹豫”恰恰是最有价值的输出。因为它可以直接变成程序的分岔点：信心高就自动执行，中等就请用户确认，太低就转人工。
对比一下大模型说”我有九成五把握”——你会信吗？Jev 给的是一个可以写进生产代码里的数字，不是一句自吹。
那个数字有多夸张
TypeSafe 公布的评测数字非常离谱：在特定工作流评测中，Jev 最高比对照大模型快 193.6 倍、便宜 444.6 倍。端到端延迟 70-500 毫秒，输入价格每百万 Token 0.042 美元，输出不按 Token 收费。
但真正让我觉得这件事成立的不是这个”193倍”——而是它的采用速度。
上线 Vercel AI Gateway 二十四小时内，约 13% 的付费团队接了它。Vercel 说这是该平台历史上最快的模型采用速度。第二天 Cloudflare 的 AI Gateway 也上了同一个模型。
一个开发者把 9081 个产品匹配对交给 Jev 复核——这些原本因为大模型定价过高而被搁置到 6 月的人工队列，Jev 用 13 分钟、32 美分全部清完。
这就是杰文斯悖论在 AI 世界的现实版：当一种资源的成本大幅下降，它的消费量不仅不会减少，反而会爆炸式增长。TypeSafe 以 19 世纪经济学家威廉·斯坦利·杰文斯命名模型，用意正在于此——把智能的成本打到”浪费得起”的水平，智能就会被嵌进每一个原本不值得用 AI 的角落。
那个”193倍快”背后的真相
我必须说清楚——这些数字不能简单理解成”Jev 有接近 GPT 的智能，还快 193 倍”。
首先，这些任务本身就是 Jev 最擅长的 System One 型任务（分类、选择、评分、判断）。让一个专门为结构化决策设计的模型去和通用生成模型比这类任务，本身就会放大 Jev 的优势——你让短跑运动员和十项全能选手比 100 米，短跑赢是必然的。
其次，目前最完整的评测主要由 TypeSafe 自己完成，公司也承认测试任务由自己的团队设计，可能存在偏差；部分参考答案来自强模型生成，而不是全部人工标注的 ground truth。
所以”193倍”该打几个折，取决于你自己去实测。
“零幻觉”也是一句营销话术
TypeSafe 官网最醒目的宣传之一是 “Zero Hallucinations”（零幻觉）。
这句话很容易让人误以为 Jev 解决了大模型长期存在的幻觉问题。但其实它只是保证了输出不会超出预定义类型。
举个例子：开发者规定模型只能在”猫、狗、鸟”三个选项里选，Jev 不会返回”大象”，也不会生成一段软件无法解析的文字。这确实是零幻觉——但这是在”选择题只能选 ABCD”这种约束下的零幻觉。它不是让 AI 变得更诚实，而是让 AI 的答案被格式锁死了。
好设计，但别被”零幻觉”三个字骗了，它跟”不胡说”是两回事。
创始人为什么要反叛自己
Diogo Almeida 的反思才是这件事最有意思的地方。
他在 OpenAI 期间做的是 RLHF——让模型”更懂人类语言”。离开时的核心结论是：”我们一直在优化人类语言的处理能力，但这对于自动化来说并没有用处，因为计算机使用的是不同的语言。”
这个逻辑非常精准。过去三年，整个行业都在让 AI 更会”说话”。但当你真要把 AI 放进一个软件系统里做决定时，它输出的那段漂亮的自然语言是最大的麻烦——你还得再写一个解析器去理解它想说什么，还经常理解错。
Jev 的赌注是：大部分需要”智能”的地方，其实不需要生成式 LLM。
更现实的 Agent 系统可能采用多层结构：复杂任务交给 Frontier Model（GPT-6、Fable 5），普通推理交给 Flash（GPT-6 Luna、Opus 5.5 Fast），路由、分类、验证这种高频判断交给 Decision Model（Jev），确定性的部分继续交给传统代码。
如果这个分层架构成立——那 Jev 的产业意义并不是”它多强”，而是它证明了”一切需要智能的地方都要调用生成式 LLM”这个假设是错的。
写在最后
这周 AI 新闻的密度高到爆炸：GPT-6 Sol / Luna 价格砍半（Post 224）、DeepSeek 交底 DSec 沙盒（Post 225）、现在又冒出个 Jev。
把这三件事串起来看，你会发现 2026 年 9 月的 AI 行业正在经历一次静悄悄的架构重构：
不是”更大的模型”，而是”更精细的分工”。
价格战说明通用模型在商品化。DSec 说明 Agent 训练的重心从模型权重转移到基础设施。Jev 说明——当所有人都还在比谁更会说话的时候，胜负手可能已经转移到了”谁更会做判断”。
那个不肯写字的模型，可能才是这个秋天最值得抄作业的东西。