JEV 是 AI 智能体吗？走进 TypeSafe 的「System One」模型

Diogo Almeida 花了四年时间追问一个问题。在 OpenAI，他参与构建了 后来成为 ChatGPT 的指令遵循研究 [1] ——并眼看着语言模型在聊天上变得超乎常人，而企业真正想要的 「自动化」却依旧顽固地难以实现。2026 年 9 月 15 日，他的创业公司 TypeSafe AI 发布了他认为缺失的另一半：一个「System One」模型， 名字来自丹尼尔·卡尼曼笔下那种快速、直觉式的「系统 1」思维 [1]。 他们发布的第一个公开模型叫 Jev——得名于威廉·斯坦利·杰文斯， 押注的是「智能越便宜，需求只会越多，而不是越少」 [1]。

Jev 不生成文字。给它一个「状态」——一段话、一张工单、一个棋盘 局面——再加上一组类型化的问题，它会在一次并行推理里、而不是 一个词元接一个词元地，给出带校准概率的类型化答案 [1][2]。 TypeSafe 的文档定义了三种问题类型：Choice 从一份固定清单里选 （「这张工单该给哪个团队？」）、Score 在一个有序量表上打分 （「这位客户有多不满？」）、Noul 用一个概率回答是非题 （「这条消息是不是在要求退款？」） [2]。 每种答案的结构都是预先定好的——用 TypeSafe 自己的话说， 结果是「一次前沿智能的函数调用：输入非结构化的状态， 输出类型化的概率判断」 [1]。

一个拒绝写句子的模型，恰好就是一个路由决策所需要的一切。

被反复核实过的数字

TypeSafe 自己公布的对比里，Jev 的输入 token 定价是每百万 0.042 美元——十亿 token 42 美元——而它拿来对比的 LLM 是每百万 0.20 到 10 美元；因为没有文字要计费，Jev 的输出完全免费 [1]。 在速度上，它的工作流测评称响应时间为 70 到 500 毫秒， 而前沿 LLM 端到端要 3 到 329 秒；主页上「快 193.6 倍、 便宜 444.6 倍」这个数字，来自一次记录下来的运行：Jev 花费 0.000081 美元、用时 0.114 秒，对比模型花费 0.013880 美元、 用时 8.566 秒 [7]。 TypeSafe 自己也点出了其中的偏差——它用来对比的参考答案， 是两个 OpenAI 和 Anthropic 模型的平均值，官方也坦承这些 published 数字「处在真实收益的偏高一端」 [1]。

两份独立测试都在发布后一周内出炉，落点比官方数字保守得多。 liteLLM 的工程团队把 Jev 拿来当自家 AI 网关里的请求分类器， 对比 Claude Haiku 4.5：跑了 240 次调用，Jev 的中位分类耗时 126.81 毫秒，Haiku 是 688.40 毫秒——快 5.43 倍——按牌价算的 成本低 96.1%，而且在他们自己编写的路由标签上，Jev 命中率 95%，Haiku 是 73.75% [4]。 liteLLM 也主动说明了这个数字的天花板：标签是同一个团队自己 写的，没有经过独立评审，语料只有 80 条合成提示词，结果 「不能说明通用分类准确率，也不能说明最终答案的质量」 [4]。

第二份更简陋的测试来自一位独立开发者 Akshay Kanthed， 他写了个工具，专门扫描代码库里那些其实只是在做路由或分类的 LLM 调用，再对转换前后做基准测试 [5]。 针对真实的 OpenAI API，在三个真实测试用例上，一条手写的 本地规则在延迟上以 1,240 倍到 12,483 倍的优势打赢了 GPT-4o-mini 调用，成本几乎为零 [5]。 他明确说明这只是示意，而非定论：那条「本地规则」只是用来 代替 Jev、展示节省的大致形状，「不保证你自己的具体决策 也能一样干净地推广」 [5]。

它实际嵌在哪里

这一切都没有让 Jev 变成智能体的替代品——TypeSafe 没有这么 宣称，任何测试过它的人也没有。LangChain 自己的文章说得很直白： 「Jev 不是 LLM 的即插即用替代品……这让它成为驱动你智能体的 模型的一个理想搭档：用 LLM 做开放式的推理和生成， 用 Jev 沿途做快速的结构化判断」 [6]。 他们的集成提供了两种具体模式：一种是模型路由中间件， 让 Jev 在智能体开始之前，按每次请求挑一个便宜或强力的模型； 另一种是「自动模式」中间件，让 Jev 在一个有风险的工具调用—— 比如一条 bash 命令——被允许执行之前先做筛查 [6]。

同一周发布的一篇研究论文走得更远，把 System One 模型用作 整个智能体记忆系统的控制层，而不只是一次判断。Jev-Mem 把工作拆成两层：一层是快速的「System One」层，负责记忆的 分类、检索路由，以及何时停止检索；另一层是更慢的 「System Two」层——一个 LLM——只在最终的推理和作答阶段才被调用 [3]。 在 LoCoMo 基准上，这套拆分把记忆构建时间压到了 158 秒—— 比它对比过的最快系统还快 6.6 倍——平均查询延迟降到 0.93 秒， 降幅 36.7%，同时答案质量得分比最强的基线还高出 11.0% [3]。 三个例子里的规律都一样：Jev 坐在推理模型的前面或旁边， 负责决定接下来做什么。真正的推理，它不做。

「零幻觉」没说出来的那部分

TypeSafe 最大胆的说法，是 Jev 不会产生幻觉，而在一个很窄的 定义上，这是真的：因为每个答案都必须匹配预先声明好的结构， 类型错误是「数学上不可能」，而不是「经验上罕见」 [1]。 TypeSafe 自己的文档，对这份保证说得更谨慎：校准是「在一组 预测上衡量的，并不保证单条答案一定正确」 [2]。 一个自信、但答案值错了的类型化回答——形状对，值不对—— 仍然是可能的。Jev 消除的，是格式错误的响应把下游代码搞崩的 风险，而不是判断本身出错的风险。

所以——它算 AI 智能体吗

按本站的定义，不算。 AI 智能体 要在一连串动作里自己决定下一步；Jev 只回答一个类型化的问题， 然后就停下。它不会对话，不会自己调用工具，也不会跨多轮 追求一个目标。它是其他系统——包括智能体在内——需要一个快速、 便宜、结构化答案而不是一段文字时，可以调用的一个组件。 它是否比你智能体里现成的那个 LLM 更有用，取决于那个智能体 真正在做的事情里，有多少其实是「在一份短名单里做选择」—— 而根据上面那三份测试，这个比例可能比大多数团队测量过的 还要高。

AiAgentNook 编辑部 · 最后核实于 2026 年 9 月 22 日 · 这是一次快速演进中的发布，数字可能还会变动；更正会在此注明，不做静默修改。