科技腾讯新闻·量子位··AI 生成
输出token永久免费！Jev爆火后，开源版也跟着火了
OpenAI前研究员Diogo Almeida创立TypeSafe AI，推出首个「系统1」模型Jev，舍弃文本生成能力，专攻高速、低成本的判断任务（选择/打分/概率）。Jev通过全新训练方法RLCD确保概率校准，速度可达传统模型的193倍，价格便宜444倍，输出token永久免费。但其「零幻觉」宣传需打折扣：它不会编造新选项，但可能选错。开源复刻版Nimble也已出现，基于Qwen3.5-9B微调。本文适合对AI模型架构创新、推理成本优化、AI应用落地有深度兴趣的读者，提供了一个将AI从「聊天」拉回「工具」的原创性路线。原文 ↗原文 ↗
核心观点
- ▍Jev首创「System One Model」路线：抛弃传统LLM的文本生成功能，只输出判断结果和概率，实现数十至数百倍的速度提升和成本降低，其永久免费的输出token定价颠覆了当前API定价模式。
- 01Jev由OpenAI前研究员、曾参与RLHF核心工作的Diogo Almeida创办的TypeSafe AI发布，是其公司首度公开亮相。
- 02Jev提供三种基础能力：Choice（从候选项选择）、Score（按标准打分）、Noul（给出概率）。其核心优势在于不逐token生成回答，同一输入内的多个问题可并行处理。
- 03性能数据：端到端响应时间70-500毫秒，相比前沿模型快20-200倍；价格便宜40-400倍；输入每百万Token 0.042美元，输出Token永久免费。
- 04Jev使用名为RLCD（Reinforcement Learning for Calibrated Decisions）的全新训练方法，优化目标是让模型输出的概率值匹配真实发生频率，实现校准决策。
- 05实际应用案例：Vercel工程师测试Jev比GPT-5.6 Luna快5-18倍，准确性更高；与Gemini对比，准确率稍逊但价格低10-20倍；还被用于LLM Agent验证防越狱、作为模型路由的快速判断器。
- 06开源复刻版Nimble基于Qwen3.5-9B微调，以Apache 2.0许可发布，与参考标签的一致率达90.12%（基础模型66.36%，Jev为93.21%）。
反方 / 局限
- — 作者明确指出Jev的「零幻觉」宣传有所夸大：它在模式匹配上不会编造新选项（类型正确），但可能选错事实正确答案（事实不正确）。
- — Jev在下棋测试中速度快（每步0.3秒）但思考深度明显不足，在29步内被GLM 5.3将死，说明高速判断在需要深入推理的场景下存在天花板。
概念锚点
前置背景
应用场景
平行视角
延伸追问