TypeSafe AI的Jev模型:70-500毫秒输出类型化判断,服务比特币(BTC)自动化

70-500毫秒,不生成任何文本

AI初创公司TypeSafe AI于9月15日开放Jev的早期访问,并将其定位为公司首个System One模型——按官方定义,这一类别的软件返回的是判断而非语言。在其官方发布公告中,公司给出的工作方式是:Jev接收一个状态和一组预先定义的问题,并行评估后返回带有概率的类型化答案,全程不产出任何字符串。对应用层而言,这意味着代码可以直接消费输出结果,而无需再去解析自由格式的自然语言文本。

接口暴露三种问题类型。Choice从固定选项列表中选出一项,返回所选结果、每个选项的概率以及置信度。Score按评分标准对一个状态打分,返回分值、概率分布和置信度。Noul判断一个陈述是否为真,返回0到1之间的单个数字。技术文档明确指出:三种类型可以在同一次API调用中混用;增加问题数量几乎不会改变响应时间;这样做也不会造成上下文污染。

概率本身就是产品。TypeSafe给出的示例是工单分诊:91%归工程部门、9%归账单部门的判断可以全自动路由;而52%对48%的胶着判断则触发升级处理、补充上下文,或转交给更强的模型。公司的口号是「要决策,不要字符串」。但有一个关键限制值得注意:类型安全挡住的是格式错误,不是判断错误——一个无法返回未声明选项的模型,依然可以返回一个错误的已声明选项。需要强调的是,所有性能数据均来自TypeSafe自身:单个System One任务耗时0.114秒,成本0.000081美元,每十亿输入tokens定价42美元,输入价格比Claude Fable 5.1低238倍,官方汇总口径为快193.6倍、便宜444.6倍。公告给出的响应时间为70至500毫秒,而作为对照的前沿模型集合为3至329秒。公司将此归功于新架构、并行采样器以及一种名为RLCD(校准决策强化学习)的训练方法;目前开发者仍在排队等待早期访问资格。

开源复刻数日内出现

Hacker News上的公开讨论显示,这一类别的扩散速度大约只需一天:从9月16日起,可运行在本地GPU上的替代实现、通过现有语言模型模拟Jev行为的仿真项目、以及专门的延迟测试项目接连浮出水面。值得注意的是,这些开源项目均未复用TypeSafe的专有训练配方,它们的共同点只剩下接口本身——固定候选集并行评估,且整个链路中没有任何文本生成环节。

Hugging Face上已经出现了同方向的模型。system-one-qwen3.5-4b-scorer于9月16日上线,基于Qwen3.5构建,可在单次前向中完成对问题和选项的评分,全程不生成字符串。cua-s1-forms于9月18日上传,面向计算机操作(computer-use)类任务,作为一个独立实现返回每个选项的概率,并以MIT许可证发布。该模型在两天内获得57个收藏,ONNX和CoreML格式的社区移植版也已出现。需要说明的是,它既没有采用TypeSafe的RLCD方法,也没有复现Jev公布的实测性能。

社区评估沿着可预见的立场分成了两派。一派认为,把模型集中于分类、路由和打分确实是务实的方向,因为这些任务占据了自动化流水线的大部分工作量。另一派则指出,拿一个只做判断的模型去对比通用语言模型并不公平:两者并非等价交换,速度和成本差异本身说明不了太多问题。真正悬而未决的问题只有一个,而它将决定这类模型是成为一种延续下去的品类,还是上线一周就被遗忘的猎奇产品——在真实生产自动化环境中,而非基准测试脚本里,这些接口的准确率和稳定性到底如何。 希望实时跟踪行情的读者，可在MEXC查看现货与合约的实时价格。

面向Web3的判断层

COINOTAG对官方公告以及随后一周跟进发布的整体判断是:纯判断模型最自然的落点是自动化Web3后端,而非链上逻辑。在比特币(Bitcoin,BTC)生态中,最先出现的用例大概率是行政性的:面向钱包服务商的支持工单分诊、面向数据分析团队的交易打标,以及节点监控中的告警阈值——这些都是70毫秒的类型化答案明显优于生成式长文本的分类任务。按设计定义,共识决策始终在这一方案之外。如果开源移植版本在独立基准测试出炉的同时保住并行评估接口,那么这个判断层有可能沉淀为应用层的常规基础设施,包括layer-3服务。