JEV：目前公开的情报

TypeSafe AI 给了我们一个引人注意的产品：不写长篇回答，直接向程序交付分类、评分和概率。与此同时，宣传里的“System One”“RLCD”“并行采样”“零幻觉”，很容易让人以为底层技术已经解释清楚。实际上，接口长什么样、训练想达到什么目标、神经网络究竟怎么搭，是三个不同的问题。

这篇文章把它们拆开讲。你不需要先懂 Transformer，也不需要记住所有缩写。我们从一张普通的客服工单出发，逐步走到模型架构，再看看那些漂亮的概率到底值不值得信任。

情报截止：2026 年 9 月 22 日。文中区分官方披露、第三方实测与作者推断；所有教学示例均为虚构。本文核对了公开文档、代码和评测记录，没有自行调用 Jev 重新跑模型实验。

情报 01：先把“会说话的 AI”放到一边

假设你经营一家网店，收到这样一条消息：

“杯子到了，但把手断了。明天就要送人，能不能尽快补发？”

一个聊天模型可以写出很体贴的回复。但在回复之前，你的软件还得解决几个小问题：这张工单归谁？是否需要优先处理？客户有没有明确提出解决方案？

这些答案最终要进入 if、队列和数据库。程序更希望拿到 after_sales、一个数值，或一个是否成立的概率。

Jev 的公开接口正是围绕这种需求设计的：给它一份共享的 state（当前材料），再给它一组带有明确答案范围的 questions（问题）。它返回可直接由代码消费的结果。官方输入说明

图 1：基于公开接口的概念示意。中间的盒子代表服务，不是 Jev 的真实神经网络结构。

可以把它想成一个可编程的“语义判断函数”：你用自然语言定义问题和候选答案，模型负责理解材料，软件负责使用结果。

官方把这类模型称为 System One（系统一），借用的是快速、直觉式判断的意象。这里说的是产品希望擅长的任务，不是在宣称复制了人脑的某个区域，也不能从名字推导出神经网络结构。产品介绍

这里有一个细微但重要的变化。传统分类器往往先固定类别，再围绕这些类别训练；Jev 允许开发者在请求中描述新的分类标准。今天按“售前／售后”分流，明天按“物流／支付／商品问题”分流，接口依然相同。它承诺提供的是一种通用的判断能力，而不是只识别某一套标签的专用模型。

情报 02：三个基本积木，回答三类问题

Jev 目前公开的核心问题类型是 Choice、Score 和 Noul。名字看起来陌生，实际对应的都是程序员经常遇到的判断。

积木	想解决的问题	杯子工单的例子
Choice	从给定选项里选一个	售前、售后、物流，应该归哪组？
Score	按有语义描述的等级评分	从“不紧急”到“必须立即处理”，处在哪一级？
Noul	判断一个命题成立的概率	客户是否明确要求补发？

Choice 是带概率的选择题。 开发者提供选项及其说明，模型返回选择、各选项概率和 confidence。选项说明值得认真写：“售后”只是一个名字，“商品破损、换货与维修”才是边界。Choice 文档

Score 是一把先定义刻度、再测量的尺子。 你需要描述每一级的含义。假设设定 0、1、2 三个等级，返回概率依次是 0.1、0.3、0.6，那么最终分数是：

$$0\times 0.1+1\times 0.3+2\times 0.6=1.5$$

1.5 是等级索引的加权平均。它不意味着系统真的提供了“第 1.5 个等级”，更不意味着模型天然懂得你的业务 KPI。刻度的语义和权重含义仍由开发者负责。Score 文档

Noul 可以理解为一个柔性的布尔值。 它给出“是”的概率。0.5 表示对是与否的判断接近各占一半，而不是“事情严重程度为一半”。如果问题是“是否构成投诉”，概率低也不代表投诉一旦成立就不严重。Noul 文档

这三个积木看似简单，却足以组合出分流、筛选、排序、内容评估等大量业务逻辑。复杂性不必全部塞进模型：一部分可以留在你看得懂、测得了的代码里。

情报 03：最容易混淆的，是概率、信心和正确

这三个词经常被放在同一句宣传语里，但回答的是不同问题。

概率是在候选答案之间分配的权重。假如三个选项得到 0.7、0.2、0.1，模型把最多权重放在第一个选项上。

confidence 描述概率分布的形状。官方说明，Choice 和 Score 的这个字段从分布中计算出来。因此，它不应被理解成另一个无所不知的裁判，站在模型之外告诉你“刚才那个答案有多可靠”；它也不等于最大的选项概率。Confidence 文档

正确性则需要拿答案与事实或人工标准对照。一张工单究竟该归哪组，不会因为模型特别自信就改变。

再引入一个真正重要的概念：校准。假设模型对很多道同类题都报“80%”，长期看，其中约 80% 答对，才符合校准的含义。它是一组预测上的统计性质，不是给某个单独答案盖章。概率校准研究

可以用天气预报理解这件事。一个预报员天天说“100% 下雨”，在雨季可能有很高的命中率，但仍然过度自信。另一个预报员谨慎地报概率，未必每一天都判断对，却可能更适合帮助你决定是否带伞。

对软件也是如此。我们真正希望知道的是：当模型拿不准时，概率能不能帮助我们识别这种情况，然后把任务交给更强的模型或人工？这个问题要靠数据检验，不能只看输出里有没有一个小数。

情报 04：快在哪里？先理解“少写字，多判断”

自回归文本模型通常要一步步生成输出 token。如果你要求它把多个判断写成一大段 JSON，就会有连续解码的工作。

TypeSafe 公开描述的 Jev 路线，是在同一请求里并行计算结构化答案。它不需要先把一段解释性文字写完，再让你的程序从中取出分类结果。公司把新的架构、并行 sampler 和 RLCD 列为其技术组成部分，但没有公开 sampler 的实现。发布文章

图 2：比较的是公开描述的计算与接口方式，不是实测时间轴。一次请求不等于一次神经网络前向传播。

“并行”也不是随便把问题打包就会自动产生推理链。Jev 的问题分别基于共享 state 判断；如果第二个问题必须知道第一个问题的答案，你需要在代码里接起来，或者提前展开各个可能分支，拿到结果后选择有用的分支。Fan-out 模式

例如，“这是不是售后问题”和“如果需要补发，地址是否完整”可以一起问；“根据上一题刚刚选择的处理方案继续推理”，却不能假定模型会自动读到上一题答案。

我认为这里的工程价值很朴素：尽量把可同时做的小判断放在一起，把真正有依赖的步骤留给程序安排。 这与数据库批量查询有相似之处。但并行带来的收益，仍会受到上下文长度、问题数量、服务负载和网络延迟影响。

情报 05：底层到底是什么模型？我们还没有那张设计图

目前最诚实的回答是：公开材料足以说明产品机制，还不足以还原 Jev 的神经网络。

问题	目前可以说到哪一步
输入、输出和问题类型	官方接口已公开
是否支持多个问题并行求值	官方有明确描述；内部并行方式仍未知
训练希望优化什么	官方称 RLCD，强调校准决策
是否利用已有模型能力	创始人的新访谈提供了明显线索
基座、参数量、层数、注意力结构	未在本次核查的材料中找到
是否为 MoE、扩散模型或 JEPA	没有足够证据确认
奖励、损失函数和完整训练流程	尚不可复现

9 月 21 日，创始人 Diogo Almeida 在访谈里确认使用合成数据（22:15），用“Frankenstein’s monster of models”描述其路线（43:58），并表示即使获得十亿美元，也不愿去做预训练（1:49:33）。他同时确认 RLCD 尚无论文（25:05）。这些表述支持“利用和重组已有模型智能”的判断，却没有披露具体基座或组合方法；合成数据的说法也不能外推到所有祖先模型的预训练语料。创始人访谈

所以，我目前更倾向于把它理解成已有能力的改造与重组，加上面向决策任务的训练和推理工程。这是解释方向，不是已证实的结构图。权重融合、蒸馏、模块拼接、推理时集成，都是不同的技术，不能因为一句比喻就任选一个填进空白。

还有一份值得读、也必须谨慎读的材料：Archer Hume 于 9 月 17 日发布的黑箱研究。实验发现，把信息放进兄弟问题里与放进共享 state 里，效果不同；新增一个无关选项，也可能改变原有选项之间的概率比例。它支持问题隔离，并约束了“每个选项完全独立打分”的简单解释。但实验仍不足以识别具体网络，作者对稀疏 MoE 的判断尤其不确定。黑箱研究及数据

此外，SDK 是调用客户端；官方的 System One Adapter 是让其他 LLM 参与比较的适配器；仓库里的 LLaDA fork 也只是一个 fork。这三者都不能当作 Jev 底层源码。 官方代码组织 · 比较适配器

情报 06：RLCD 的新意，先看“训练目标”

RLCD 全称是 Reinforcement Learning for Calibrated Decisions。官方材料把它描述为面向校准决策的训练方向，并将其与偏好文本的训练目标区分开。官方机器学习说明

通俗地说，我们可以向模型提出两种不同要求：

• “请给出一个读起来令人满意的回答。”
• “请在这几个答案之间分配概率，而且长期来看要诚实。”

这两个目标有重叠，却不会自动相同。一个坚定、流畅、像专家的回答可能更讨人喜欢；一个适合自动化系统的概率，有时应该清楚表达不确定。

这也是我认为 Jev 最值得关注的地方：它把“如何向软件表达判断”放到了任务设计的中心。我们过去太习惯让模型先扮演一个会说话的人，再从它的话里提取机器要用的东西。

但这里不能再跨一步，把自己的机器学习知识替厂商补齐。我们还不知道 RLCD 用什么奖励、是否采用某个强化学习优化器、如何生成和筛选训练样本，也不知道怎样分担训练阶段与后处理阶段的校准工作。把 PPO、GRPO、Brier loss 或温度缩放写成 Jev 已确认的训练配方，都会超出公开证据。

情报 07：Kev 让一种可行方案变得看得见

虽然 Jev 的内部没有开源，社区已经做出了一个很有教学价值的项目：Jared Palmer 的 Kev。它是独立训练的 Jev 类模型，不是 Jev 的源码或权重；项目在 9 月 21 日更新，提供基于 Qwen3.5 的 0.8B、4B 和 9B 版本。Kev 项目

它的主要路线是：保留预训练基座，用 LoRA 适配，再加一个选项指针读出头。LoRA 可以简单理解为训练少量附加参数，让已有模型适应新任务。基座被冻结，适配器与读出头用分类目标训练，随后在开发集上做温度校准，调整概率分布的尖锐程度。

图 3：Kev 的实现示意。可以用它学习一种解决方案，不能把它反向当成 Jev 的架构披露。

“指针读出头”可以理解成一个选项匹配器：模型先把材料与候选项变成内部的语义向量，也就是隐藏表示，再比较最终决策位置与各选项结束位置的表示，算出各自分数。之后把分数变为概率。代码还能让多个问题复用状态，同时保持问题之间的隔离。Kev 模型代码

这说明一件重要的事：用语言模型学到的语义表示，直接做自然语言定义的判断，是一条可以实际实现的路线。 “输出不是一段文本”与“完全不继承语言模型能力”，是两回事。

Kev 还帮助我们摆正比较的尺度。一个原型跑通，说明机制可行；是否在广泛任务上足够准确、稳定、便宜，则是数据、训练、校准和服务系统共同决定的。Jev 的商业价值最终也需要在后面这些维度上接受检验。

情报 08：“零幻觉”到底保证了什么

先做一道极简单的题：假设合法答案只有“售前”和“售后”。模型永远只返回这两个词之一，能不能说明它永远判断正确？

显然不能。它仍然可能把维修申请送进售前队列。

TypeSafe 发布材料里的“零幻觉”，采用的是类型和 schema 层面的定义；官方明确承认，合法类别仍然可能选错。因此，类型安全解决的是答案形状的问题，语义正确解决的是答案是否符合事实的问题。 官方发布说明

这项保证有用。它减少了输出无法解析、字段跑偏和出现无效类别的麻烦。但它不能代替业务评测，正如一个数据库字段是合法整数，并不保证其中记录的年龄是真实的。

同样，官方展示的巨大速度和成本优势，也需要连同实验条件阅读。其四类工作流总览中，Jev 的平均一致率为 67.8%，耗时约 0.4 秒／例，成本约 0.0004 美元／例。这里的参考答案来自强模型概率共识，再经过工作流计算；它不是人工标注的通用正确率，也不是校准误差。图表对四个工作流等权平均。官方评测与方法

这些数据能说明 Jev 在该设置中的效率，却不能直接变成“任何任务都快几百倍”的承诺。比较时，问一个离散答案，还是要求对所有选项给出完整分布，也会改变其他模型的输出负担。

情报 09：独立数据，让概率的边界更清楚

相比口号，更有价值的是能下载下来重新计数的记录。

标注 9 月 18 日的 ASSAY-001 报告，用 Banking77 与 CLINC150 两组意图分类数据测试了 Jev。本文复算其公开原始响应，得到以下结果。表中的概率是 被选中选项的 probabilities[choice]，不是 confidence。

数据集	有效样本	准确率	校准误差 ECE
Banking77	3,080	79.77%	0.0936
CLINC150，含范围外意图	5,496	88.12%	0.0204

ECE 用分组后的预测概率与实际正确率之差衡量校准，越低越好。它不是错误率，也没有一个适用于所有业务的万能及格线。ASSAY 报告及原始材料

图 4：根据公开原始记录复算、按报告精度取整。两个条形使用同一尺度，不能将数值读成模型的错误率。

结果支持一个有边界的判断：Jev 在第二组数据上较为校准，在 Banking77 上则有明显过度自信。报告修订过两位小数概率的求和容差，上表采用修订后的全部有效响应。两组都是旧公开语料，是否出现在训练中未知；这也是单次 Choice 测试，不能推广到所有任务。

另一份独立研究提供了更直观的反例：200 个 Jev 回答中，102 个返回 confidence=1，其中仍有 6 个错误。这个计数也与公开原始记录相符。该研究主要测错误排序与模型转交策略，不能把它冒充另一项 ECE 校准实验。独立对照研究及勘误

所以，“模型很有信心”只是一条可利用的信息。它是否值得相信，取决于你的数据分布和错误成本。修复一条商品标签与自动批准一笔退款，需要的可靠性标准显然不同。

情报 10：把 Jev 放进软件，职责应该怎么分

回到那只断了把手的杯子。一个合理的系统可以这样工作：

1. 代码整理事实。 查订单、收货时间、库存和已经生效的售后规则。
2. Jev 判断语义。 识别客户意图、问题类型、缺少的信息和需要优先处理的信号。
3. 代码执行确定规则。 校验订单状态、额度、权限和是否重复处理。
4. 生成模型组织表达。 根据已确认的方案写一段自然的回复。
5. 不确定或重要的情况转交复核。 用业务样本确定转交规则，再持续记录结果。

图 5：作者提出的应用设计示例，不是 TypeSafe 已发布的产品架构。任何实际退款仍应经过确定的权限与业务规则。

这可以看成一种应用层面的神经网络与符号逻辑分工：模型擅长处理难以写成穷尽规则的语义，代码擅长精确计算、校验和控制流程。它不说明 Jev 的神经网络内部藏着一个符号推理引擎。TypeSafe 的产品理念

对编程 Agent 也类似。让 Jev 判断某段上下文是否相关、任务该路由到哪个工具，是一种值得测试的用途；让它接替负责写代码和长程推理的模型，则超出了当前定位。官方近期新增的 coding agents 页面，也明确将它定位为可接入的判断组件。编程 Agent 使用说明

还有一个容易漏算的成本：为了做一次小判断，系统付出了多少数据准备和上下文搬运？ 如果新增一个模型调用，却让前后两端反复读取同一大段上下文，单次调用便宜未必意味着整个任务便宜。评估应覆盖完整链路，包括被拒绝、重试和转交的任务。

情报 11：现在用它，哪些边界必须知道

截至本文核对时，官方模型页列出的版本仍是 jev-1.13.0，jev-latest 与 jev-preview 都指向它。请求总长度上限是 64k tokens，而 state 加最长单个问题的上限是 32k；输入为文本。英语是主要训练语言，中文等语言需单独验证。所有账户使用同一组模型权重，官方没有提供按客户数据微调 Jev 的服务。模型与价格说明

当时官方直连价格为每百万输入 tokens 0.042 美元，输出不收费。这个数字应连同日期、输入长度和调用次数阅读，不能自动代入其他网关的账单。

更值得读的是官方的能力边界说明。复杂数学、计数、日期、间接多步推理、长上下文干扰、互相冲突的判断标准和提示注入，都需要格外测试；几个看似逻辑相关的问题，也不保证独立回答后一定相互一致。Jev 1.13 已知局限

举个例子，你分别问“是否包含退款请求”和“是否完全没有退款请求”，业务上希望二者互补。但不要把这种关系交给两次独立判断去碰运气。能在代码里取反、计算和校验的关系，就在代码里明确表达。

9 月 21 日发布的 Python SDK v0.7.1，主要更新了密钥校验、日志保护和网关示例。它是客户端版本，不意味着 Jev 更换了神经网络。SDK 更新日志

情报 12：我认为真正值得带走的三个想法

第一，智能不一定以一段话的形式进入软件。

过去几年，我们很容易把 AI 接口想象成聊天框。Jev 提醒我们，概率、选项和有定义的评分，也可以成为智能与软件之间的接口。对大量业务流程而言，这种接口可能更容易组合，也更容易观察哪里出了错。

第二，限制答案空间，同时也是在重新分配责任。

当开发者规定只能选 A、B、C，模型确实失去了胡乱发明类别的机会。但如果真实情况是 D，系统依然可能被迫做错。因此，“其他”“信息不足”或转交机制是否存在，往往和模型本身有多强一样重要。类型安全不会自动修好一个设计错误的问题。

第三，校准是需要在目标环境中维护的能力。

即使一个模型在某个测试集上校准良好，换成中文、换一个行业、增加模糊标签或更换模型版本，都值得重新测量。最有用的落地问题通常不是“这个模型有没有信心”，而是：“当我只自动处理其中一部分任务时，剩下的错误有多少，节省了什么？”

如果准备试用，我会先选择一个范围明确、结果可核对的判断点：收集有代表性的真实样本，保留一部分用于最终验证，与现有规则、小模型和人工流程对照。先让系统只记录建议，再根据错误分布决定哪些结果可以自动执行。这样，模型的优势和成本才能落到具体数字上。

我们现在已经能清楚描述 Jev 想改变的接口，也能用第三方数据检验它的部分表现。真正的底层设计图、RLCD 的可复现配方，以及跨领域可靠性的答案，仍有待进一步披露和验证。

---

资料与核查说明

本文主要依据 TypeSafe 官方文档、创始人原始访谈、公开源代码及有原始记录的社区实验。9 月 21 日访谈与 Kev 更新属于近期新增材料；9 月 17—18 日的黑箱研究和独立测试是补充纳入的早期材料。文内各处链接对应具体论述，以下是建议的进一步阅读顺序：

1. TypeSafe 官方文档：先了解 state、问题类型和使用边界。
2. 创始人长访谈：了解研发思路，留意披露与愿景的区别。
3. Kev 源码：学习一种可训练、可运行的类似实现。
4. Jev 黑箱实验：观察如何用实验约束架构猜想。
5. ASSAY-001 与 独立基线测试：阅读原始记录、评分方法和勘误，而不只看结论。

本文六幅插图为根据公开资料绘制的原创解释图。封面是情报档案的视觉隐喻；接口图、并行图和应用流程图均不是 Jev 的官方网络结构图。评测图来自公开记录的复算，其余图中的业务数据均为教学示例。