Jev

Jev - 机器原生决策模型，结构化输出、校准置信度与极低延迟自动化工具

Jev 简介

Jev是TypeSafe AI公司推出的首款System One Model（系统一模型），由ChatGPT共同开发者Diogo Almeida创立。与主流大语言模型截然不同，Jev不生成任何自然语言文本，而是接收结构化问题后直接返回类型化决策与校准置信度。它专注于软件内部自动化判断场景——分类、评分、路由、验证，在适合的任务中比前沿LLM快20至200倍，成本低40至400倍，输入Token每百万仅0.042美元，输出因无生成过程而完全免费。

Jev 核心功能/服务

三类结构化输出原语：Choice从预定义选项中选择一项（最多255个），Score在指定范围内给出评分，Boolean返回校准的是/否概率。所有输出附带置信度估计，开发者可据此设置自动化阈值或转人工审核。
校准置信度与零幻觉：Jev采用Reinforcement Learning for Calibrated Decisions训练算法，优化置信度与实际正确率的对应关系。输出由用户预先定义，不会产生自由文本，因此不存在幻觉问题。
极低延迟与超低成本：并行处理替代自回归生成，响应时间70至500毫秒。输入Token每百万0.042美元，输出Token免费。已在Vercel AI Gateway与Netlify上线，支持AI SDK 7的evaluate API。

Jev 适合谁

• AI Agent与自动化工作流开发者：需要为Agent循环构建决策节点、工具路由或子代理选择的开发者，可利用Jev的类型化输出与置信度直接驱动代码逻辑，替代解析LLM文本输出的繁琐流程。
• 保险、金融与客服领域的工程团队：需要处理核保分流、风险评分、退款审核或工单分类等重复性判断任务的团队，可借助Jev的并行决策能力批量处理结构化判断。
• 对成本与延迟敏感的AI应用团队：在高频调用场景中受限于LLM成本或响应速度的团队，可通过Jev将决策环节的Token成本与延迟降至LLM的几百分之一。

为什么选择Jev

Jev的差异化在于“为机器而非人类构建AI”——当大语言模型持续优化对话体验时，Jev反向放弃文本生成，专注于软件可直接消费的类型化决策。公司由RLHF核心研究者创立，对LLM的固有缺陷有深刻理解，RLCD正是针对这些问题提出的系统性解决方案。Jev已上线Vercel AI Gateway与Netlify，支持零数据保留与禁止训练。访问Jev官网，申请Early Access或查阅开发者文档。