TypeSafe AI是一家获得4000万美元融资的初创公司，于周二宣布自己是一家前沿模型开发商，并发布了名为Jev的新型AI模型。该模型旨在与机器而非人类进行交互。与针对文本提示返回自然语言不同，TypeSafe AI设计Jev以返回带有类型的概率性决策，供其他软件或AI模型使用。在编程中，类型安全是一种捕捉错误的方法，这些错误通常发生在软件处理意外类型的数据时，例如当某个操作试图将整数除以文本字符串时。通过提供带有类型的结构化值，Jev可以避免处理大语言模型（LLM）文本响应时所需的解析和验证步骤。这种方法在需要将AI系统交互限制在有限答案集的场景中非常有用。例如，当输入描述玩家游戏状态的结构化数据时，它可以玩《毁灭战士》（Doom）。但更可能的用途是处理客户服务问题和其他业务流程。使用Jev时，开发者从一个状态值开始，该值可以是JSON对象，也可以是像“我的卡被扣款两次了”这样的简单字符串。模型通过一组问题原语（Choice、Score、Noul）接收状态信息，每个原语返回带有概率的不同类型的结构化响应。因此，一个询问模型应让三个部门中的哪一个处理特定客户服务查询的问题，可能会返回{0.08, 0.85, 0.07}，置信度得分为0.82。对于寻求问题答案的人来说，这没什么用，但对于软件开发者来说，这可能正是让特定客户服务功能运行得更可靠的关键。Jev是一个系统一（System One）模型，依赖于一种名为“用于校准决策的强化学习”（Reinforcement Learning for Calibrated Decisions，简称RLCD）的不同架构。

TypeSafe AI的联合创始人兼首席执行官Diogo Almeida曾是OpenAI的研究员，也是强化学习（Reinforcement Learning for Human Feedback, RLHF）技术以及ChatGPT的联合发明者之一。Almeida在一份声明中表示：“TypeSafe的成立旨在探索人工智能研究的另一种路径，专注于‘原生于机器的人工智能’（即那些直接在机器上运行的AI系统）。多年来，我一直在研究那些能够提升AI与人类交互能力的模型。但如果人工智能真的要彻底改变工作方式，那么人类就不能成为智能技术的唯一使用者。”虽然像ChatGPT或Claude这样的自然语言处理模型可以通过其他代码进行封装，从而生成有限的响应结果，但Jev模型的优势在于其极高的响应速度。TypeSafe声称，传统的大型语言模型（LLMs）的响应时间通常需要几分钟；而Jev的响应时间仅为70毫秒至500毫秒，比传统LLMs快40到200倍。Jev模型之所以能够实现如此高的效率，是因为它采用了并行处理技术。像OpenAI的GPT-5.6 Terra这样的模型是通过顺序处理来预测序列中的下一个文本单元的；而TypeSafe的System One架构则能够一次性返回所有查询结果。在TypeSafe官网上发布的演示中，Jev模型在0.114秒内就完成了响应，而OpenAI的GPT-5.6 Terra则需要8.566秒。此外，从成本角度来看，Jev模型的使用成本也更具竞争力：Jev的输入费用为每百万个文本单元（MTok）0.042美元，输出费用为0美元；而OpenAI的GPT-5.6 Terra的输入费用为每百万个文本单元2.00美元，输出费用为每百万个文本单元12美元。与同类顶级模型（如Fable 5.1）相比，Jev的成本低了238倍。Jev这个名字来源于19世纪的英国经济学家William Stanley Jevons——他提出了“杰文斯悖论”（Jevons Paradox），指出技术效率的提升反而会加剧煤炭消耗。这个名字也反映了人工智能行业的一个普遍观点：即使 token 价格下降，更高的处理效率仍会带动更多的token 被消耗。

这种假设认为代币市场的规模会与能源市场相当；然而这一假设尚未得到证实——因为许多能够使用人工智能工具的人其实对这些工具并无实际需求，或者出于道德上的顾虑而选择避免使用它们。TypeSafe声称 Jev 不会产生任何“幻觉”（即错误的输出），但这种比较并不公平，因为 Jev 的输出实际上并非自然语言，而是结构化的数据（包含概率信息），因此仍有可能出错。TypeSafe 表示，他们的模型不会被用来传播虚假信息（例如伪造的法律引用），也不会被以相同的方式使用（因为 Jev 的输出是专为软件设计的）。该公司在博客文章中指出：“在处理人工智能代理的请求或自动化任务时，如果代理产生的输出是错误的，那确实会带来不便；但如果这些错误出现在具有延迟保障的系统之中，或者隐藏在复杂的依赖关系链中，那就成了绝对的致命缺陷。”他们还强调：“现有的模型无论多么智能，仍然可能产生错误或类型错误。”TypeSafe 认为，Jev 非常适合用于人工智能自动化软件、需要快速决策的实时应用、用于对大量数据进行分类的任务、以及对人工智能输入内容的验证等场景。如果 Jev 真如宣传的那样能够高效地运行《Doom》游戏，那么用户可能很快就会要求 Jev 来协助做出无人机攻击的决策。