一句话看懂：TypeSafe AI 发布新模型 Jev，它只接收文本输入，却不输出文字，而是直接给出类别、是/否判断、评分和置信度等浮点数结果，被公司称为“System One 模型”，也被外界更形象地叫作“决策模型”。
事件核心：发生了什么
上周，TypeSafe AI 推出其首个 “System One 模型” Jev。它的输入仍是文本，但输出不是自然语言，而是与分类、是/否问题、评分对应的浮点数和置信度。开发者需要先构造一个 “state” 对象，里面可以是字符串、字符串数组或键值对，用来描述一篇文章、一个客户或任意记录，再把一个或多个问题发给 API。问题会并行评估，因此一次问很多问题的耗时与只问一个接近。价格是 Jev 最突出的部分：只对输入收费，输出免费，首个模型输入价为每百万 token 0.042 美元，甚至低于 OpenAI 的 GPT-5 Nano 的 0.05 美元。
为什么重要
这类模型把大模型从“生成文本”拉回到“做判断”，适合垃圾邮件检测、打标签、优先级排序、搜索重排等分类任务。它也可能改变 API 的成本结构：传统 LLM 的输出 token 通常更贵，而 Jev 把输出变成免费，意味着批量跑评估和实验的成本极低。不过，Jev 也代表一种向黑箱机器学习的回退——你只能拿到一个浮点数，无法知道它为什么这样打分。作者 Simon Willison 举例说，他让 Jev 给旧金山湾区城市回答“是不是好城市”，结果 Cupertino 排最前、East Palo Alto 垫底，这种偏差值得警惕。
对用户/开发者/创作者的影响
对开发者来说，Jev 更像一个“前沿智能函数调用”：非结构化状态输入，类型化的概率决策输出。它适合接入搜索重排、内容审核、CRM 评分等流程，且便宜到可以跑成百上千次实验。对创作者和普通用户，这意味着以后一些“判断型” AI 功能可能不再返回一段解释文字，而是直接给分或给标签。但如果你需要可解释性，Jev 目前公开信息显示无法提供理由，因此关键场景仍需配合评估和结构化实验。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Jev 这类决策模型是否会成为独立品类，已有开发者尝试用开源权重复现，比如基于 Qwen 3.5 的 0.8B、4B、9B 模型，以及已经出现的 JevBench 基准。二是价格能否维持，输出免费的模式是否会被竞品跟进。三是偏差与合规问题：如果被用于招聘、信贷等高风险排序，浮点数背后的偏见将很难被审查。
