读懂 TypeSafe AI Jev：System One 模型与智能体工作流

TypeSafe AI 于 2026 年 9 月 15 日推出 Jev，称其为首个 System One Model：在软件内部快速作出带类型的判断，而不是生成供人阅读的文本。

应用向它提交文本或结构化状态，以及预先定义的问题。Jev 返回选项、分数和是非概率，供普通代码检查；它不写回复、不解释推理、不编造工具名，也不自主决定下一步。

这个有限接口正是产品重点。许多生产系统调用大模型，仅为获取分类、风险分数、路由或少量结构化答案。Jev 用并行输出、明确的不确定性，以及供应商宣称的较低成本与延迟，专门处理这些步骤。

Jev 是什么？

它是托管决策模型：接受自然语言状态，只从请求前定义的结构中返回答案。TypeSafe 将其概括为“状态输入，类型化决策输出”。请求包含：

1. 状态： 工单、智能体追踪、文档或包含相关字段的 JSON。
2. 问题： 答案形状和判断标准预先明确的有限判断。
3. 应用逻辑： 由代码负责的阈值、业务规则、副作用、回退和升级路径。

模型文档列出 jev-1.13.0，稳定别名为 jev-latest。接受文本、JSON 对象和文本数组，目前不接收图片、音频或视频。请求上限为 64,000 token，状态加最长单个问题另受 32,000 token 限制。

Jev 本身不是智能体，没有自主循环、记忆系统、浏览器或工具执行器。它更像在工作流特定位置调用的学习型决策原语。

System One 模型是什么？

这是 TypeSafe 对快速、聚焦判断模型的命名，借用了卡尼曼《思考，快与慢》中的区别：系统一快速直觉，系统二缓慢审慎。

合适的问题，是熟悉业务的人看到证据后能较快判断的事情：工单交给谁、段落是否含提示注入、事件严重程度、哪些文档支持主张、拟议操作能否撤销。

不合适的任务包括写客户回复、规划并执行市场研究、按复杂账本计算退款、调试仓库并修复，或详细解释决定。它们需要生成、精确计算或多步推理。

TypeSafe 称使用 Reinforcement Learning for Calibrated Decisions（RLCD，校准决策强化学习），目标是让概率与类似判断的正确率相符，而非让文字更讨喜。

校准是总体性质，不保证单次正确。90% 的结果仍可能出错。软件应在自己的数据上测量概率表现，再决定自动化、确认、调用推理模型或交给人。

三种决策原语

API支持三类问题，可在同一请求中混用，针对同一状态独立求值。

Choice 是相对选择，应在可能全部不匹配时加入 other 或 no_match。Score 按描述等级评判，适合低风险、有明显风险、严重风险，不适合作为财务计算器。Noul 是真假原语，没有单独 confidence 字段；多个条件可以同时为真。

同一请求中的问题并不是隐藏思维链，而是独立并行执行。若前一个答案要改变下一题的证据或选项，应由代码构建新状态并发起第二个请求。

智能体路由示例

账户请求可能只需查数据库，也可能需要专门 LLM，敏感或不明确的情况则交给人。通用模型可以输出 JSON，但还需要解析、验证、重试并监测虚构值。JavaScript SDK 的有限判断可以这样实现：

import { choice, noul, score, TypeSafeClient } from "@typesafe-ai/sdk";
 
const client = new TypeSafeClient();
 
const result = await client.systemOne({
  state: {
    userMessage,
    accountStatus,
    availableHandlers: ["lookup", "specialist_llm", "human_review"],
  },
  questions: {
    handler: choice("Which handler should receive this request?", {
      lookup: "A factual request answerable from account data",
      specialist_llm: "A request that needs language generation or reasoning",
      human_review: "A sensitive, ambiguous, or exceptional request",
    }),
    risk: score("How risky would it be to act on this request incorrectly?", [
      "Low: easy to reverse and no sensitive change",
      "Medium: meaningful user impact but recoverable",
      "High: financial, destructive, or difficult to reverse",
    ]),
    missingContext: noul(
      "Is information required to handle this request missing from the state?",
    ),
  },
});
 
const handler = result.answers.handler;
const risk = result.answers.risk;
 
if (
  result.answers.missingContext.noul > 0.6 ||
  handler.confidence < 0.65 ||
  risk.score > 1.5
) {
  await sendToHumanReview(userMessage);
} else if (handler.choice === "lookup") {
  await runAccountLookup(userMessage);
} else {
  await runSpecialistModel(userMessage);
}

代码里的数字仅为示例，不是通用建议。生产阈值应根据标注样本、错误代价和真实流量校准。

Jev 提供语义判断，代码掌握合法处理器、阈值、副作用和回退。工具执行不在模型输出空间中，因此模型无法自行调用未列出的工具。

在智能体工作流中的位置

智能体是有状态控制循环，理解目标、选择行动、调用工具、观察结果并继续。Jev 是有限评估器，适合放在需要收紧自由度的决策点。

运行之前

• 分类意图，将简单请求直接交给代码。
• 识别需要专家模型或人工的情况。
• 评估紧迫性、复杂性和政策风险。
• 检查越狱尝试和业务特定风险。
• 决定提供哪些上下文或工具。

数据库查询、已知流程、垃圾请求或不该自动化的情况，由此可避免昂贵的完整运行。

循环内部

• 按当前回合排序工具和技能。
• 在代码或其他模型给出的候选行动中选择。
• 检查证据是否足够继续。
• 在廉价、专业、推理模型间路由。
• 判断可撤销性及审批需求。
• 在同一请求中并行处理独立判断。

技能推荐示例分两阶段处理 182 个技能：先低成本排序全目录，再细看候选，并可全部拒绝。Jev 在此缩小上下文，实际使用技能的仍是智能体。

模型或工具返回之后

可检查输出是否符合政策、主张和引用是否被原文支持、检索片段相关性、追踪是否需要立即复核，以及不确定或高风险结果应交给谁。

它适合作为生成模型的搭档：保留需要语言、规划或深入推理的 LLM，替换周围“提示输入、标签输出”的小调用。

与 LLM 的区别

LLM 的结构化输出约束序列化；Jev 的整个接口就是受限决策，附带完整概率、校准置信度和并行问题。这说明它专用，不代表普遍更好。若需新句子、补丁、解释或计划，仍用生成模型；若只需六选一处理器和不确定性信号，则 Jev 接口更自然。

哪些步骤可以替换？

寻找输出远小于模型完整回答的调用：

• 仅返回标签的提示词分类器。
• 选择流程、智能体、工具、队列或模型的路由器。
• 判定输入、输出或行动违反哪些规则的政策评估。
• 为已检索候选评分或选取的重排。
• 由代码或模型找出候选片段后，确认目标值的提取验证。
• 相关性、紧迫性、严重度、质量或复核需求门槛。
• 对大量记录重复执行的有限判断。

可用一个问题判断是否适合：调用前能否枚举合格输出？ 若不能，可能仍需生成、检索、确定性计算或推理。

不要因价格低就替换普通代码。算术、日期精确比较、数据库约束、访问控制、架构验证和已知业务规则仍应由确定性程序执行。

速度、价格与基准声明

截至 2026 年 9 月 18 日，Jev 1.13 标价为每百万输入 token $0.042，即每十亿 $42，输出不另计。供应商称端到端延迟约 70–500 毫秒。

首页宣传比所比较的 LLM 流程快 193.6 倍、便宜 444.6 倍，来自其内部四项工作流评估：安全事件、智能体追踪、发票处理和客服。

这不是独立且普适的基准，披露限制包括：

• 工作流由公司内部创建，虽然其称未特意偏向 Jev。
• 准确度参考两个大型外部模型的平均概率，而非客观真值标签。
• 193.6 倍与 444.6 倍可能处于实际收益的高端。
• 效果高度取决于任务是否符合 System One 形状。

实际结论是，有限判断可能不需要自回归生成的延迟和输出成本。估算节省前，应在真实历史流量上比较 Jev、LLM 基线和完整路由代码。

真的没有幻觉吗？

“不会幻觉”需要精确定义：Jev 不能输出预定类型之外的值。Choice 只有 billing、technical、sales 时，不会编造 legal_department、附加道歉或产生无效 JSON。

但它仍可能误判分类、过度相信危险操作或误解歧义状态。置信度文档也明确校准不保证单次答案正确。

• 接口保证： 输出符合声明类型。
• 语义表现： 仍需代表性数据评估。

带类型的错误便于代码通过明确回退处理，却不等于永不出错。

当前限制和失败模式

Jev 1.13 能力边界指南指出，它擅长常识语义判断，精确计算和多步推理较弱。

• 不生成： 不写回复、代码、计划或推理解释。
• 仅文本： 图片、音视频须先变成相关文本或字段。
• 算术与计数较弱： 总额、日期和数值规则交给代码。
• 偏字面： 模糊指令、双重否定、隐含边界可能误判。
• 间接推理： 多跳降低可靠性，应直接给相关状态。
• 上下文退化： 无关内容即使不超限也可能降低准确率。
• 对抗输入： 默认不把状态当恶意内容；注入与政策场景仍需精确问题和红队测试。
• 跨问题不保证恒等： 分别询问命题与否定，概率未必恰好相加为一。
• 英语优先： 其他语言表现不均，需领域测试。

应由代码检索和计算，只给 Jev 单个判断所需证据，再用明确政策控制后果。

如何接入生产？

1. 盘点调用： 找出只要标签、分数、布尔、ID 或路由的步骤。
2. 分开规则与判断： 精确计算、权限、阈值、副作用留在代码。
3. 定义输出： 互斥选 Choice，独立条件选 Noul，有序标准选 Score，必要时加入无匹配。
4. 精简状态： 用命名字段给当前相关证据，不每次倾倒完整历史。
5. 并行批量提问： 共享状态的独立问题可并发求值，减少串行。
6. 不确定性路径： 按每类错误代价决定高、中、低置信度行为。
7. 回放流量： 比较准确率、校准、延迟和完整成本。
8. 固定版本并观测： 阈值按版本调优，记录模型版本与概率，切别名前重新评估。
9. 安全回退： 超时、限流、低置信度、异常状态都有确定路径。

先替换一个有限分类器，比重构整个智能体更容易建立基线并测量取舍。

TypeSafe 智能体技能不是 Jev

智能体技能向 Claude Code、Codex 等提供最新 API、问题类型、架构和评估知识。安装技能不等于应用已接入运行时；应用仍需 TypeSafe API 密钥，并经 HTTP、Python 或 JavaScript SDK 调用。

• 技能： 帮助编程智能体正确实现集成的文档与指令。
• Jev： 生产代码调用的托管决策服务。
• 你的智能体： 负责目标、状态、工具与多步执行的系统。

可在开发时用技能，在运行时用 Jev 做路由、选择、验证与置信度门控。

常见问题

它是 LLM 吗？

TypeSafe 将其定位为新类别。它理解语言，但公开接口输出受限决策和概率，而非生成文本。已披露新架构、并行采样和 RLCD，但细节不足以让外部独立确认全部内部实现。

能替代 LLM 吗？

可替代有限分类、评分、路由、排序、验证；不能替代写作、深入推理、编程、规划、开放提取或对话。多数系统可能同时用两者。

能调用工具吗？

不能自行调用。它可从应用给定选项中选择工具或带类型参数，权限检查和执行仍由代码或运行时完成。

会犯错吗？

会。保证结构，不保证每次判断为真。请在真实领域数据评估，并用概率设置复核路径。

名字由来？

源于经济学家 William Stanley Jevons，以及效率提升可能增加总消耗的杰文斯悖论。公司认为廉价机器智能会解锁更多需求。

多少钱？

Jev 1.13 每百万输入 token $0.042，输出免费。价格、别名、限流可能变化，生产估算前查模型页。

结论

Jev 减少开放能力，以固定类型、概率分布、置信度和并行评估，为软件中的有限判断提供接口。它不写作、规划或操作工具。

在生成模型周围，它可选择处理器和技能、判定审批、决定通过重试或升级。代码仍掌握权限，LLM 处理语言与推理。评估时应逐个寻找昂贵而脆弱的决策调用，衡量替换是否改善整体架构。