ChatGPT 构建者发布 Jev：只输出概率，不输出文本

Diogo Almeida 参与构建了 ChatGPT，发明了 RLHF。RLHF 让聊天机器人按人类偏好作答。但他对 ChatGPT 很失望。他在 TechCrunch 的采访里说：“我们手里握着闪电，可它不实用。”

Almeida 认为问题出在方向上。过去四年，行业一直在优化人类语言，但计算机说的是另一种语言。自动化软件不需要一段漂亮的回答，它需要一个能放进 if 语句里的判断。

两年前，他离开 OpenAI，创办了 TypeSafe AI。

本周 TypeSafe 发布了 Jev。它的架构是 transformer，但不是大语言模型。它不输出文本，只输出概率——公司称之为“校准决策”。使用方提前定义好可能的输出，Jev 给每个选项一个置信度。输出范围被锁死，它就没有机会编出新的内容，幻觉无从谈起。TypeSafe 管它叫“System One 模型”，意思是直觉式快速判断，不是慢速推理。

计费方式也变了：输出 token 免费，输入 token 按十亿计费，不是按百万。发布后需求太高，TypeSafe 一度没法通过 API 服务所有调用方。

Jev 眼下最被看好的场景是软件自动化。Pranit Sharma 是 Vercel 的软件工程师。他说，把 OpenAI 的 Luna 换成 Jev 后，结果快 5 到 18 倍，准确率也更高。

Bryo AI 的 CTO Nikhil Mudholkar 做了个测试。他让 Jev 和 Gemini 分类商务邮件，Gemini 略准，但贵 10 到 20 倍。Mudholkar 说，Jev 是唯一能给出真实概率的模型，这正是自动化工作流需要的东西。

Earendil 的 CTO Armin Ronacher 提醒，Jev 把“幻觉”问题的部分责任交还给了使用方。模型如果给出 50% 的概率，那接近随机，该忽略就忽略；给出 95%，才值得拿去用。

Jev 也可以管别的 AI。用 agent 监控另一个 agent，成本很高。换 Jev 来做，Almeida 觉得划算。他看到有人部署 Jev 跟踪 LLM 代理的行动轨迹，防止越狱。

Ronacher 还提到另一个方向：模型路由。判断一个任务值不值得调用更大更强的模型，这件事本身用 LLM 来做会很贵。Jev 便宜、快，实时分流因此成为可能。

模型的名字来自 19 世纪经济学家 William Stanley Jevons。以他命名的悖论说：商品成本越低，用量越多。Almeida 对 AI 的预期正是这样：当智能足够便宜，智能软件会到处出现。那会更像早期互联网，而不是今天人们想做的超级 App。

训练上，Jev 完全使用合成数据。方法是他所说的“来自校准决策的强化学习”。Almeida 说，当初押注所有数据自己造，是他人生中回报最高的决定之一。他称这比发布更好，也比 RLHF 更好。TypeSafe 一半是实验室。它基本独占“统计上可被充分理解的合成数据”这个子领域。

Jev 的底层架构仍是秘密。Almeida 守口如瓶。外界猜它建在开源权重 LLM 之上，但没有证据。Ronacher 预计竞争者很快会出现。大语言模型又便宜又有补贴，多数开发者还没被逼到要换路线，这个方向一直被忽视。

Almeida 说自己不想做新一轮的“前沿实验室”。前沿实验室的主产品是恐惧或炒作。他想让自己的产品只产出智能。他还划清界限：不是那种押注无限财富、在数据中心造神、把 AI 当宗教来做的人。

更多新模态的版本已经在准备中。完整定价、Jev 在哪些任务上不如 LLM、合成数据扩大规模后还能不能成立。这些 TypeSafe 都还没谈。