Typesafe Jev解读

TYPESAFE AI LLM 模型与 Jev Introducing System One Models & Jev 中文翻译解读 Diogo Almeida （TypeSafe 创始人）· 2026 年 9 月 15 日 · 一个软件 可以信赖的 AI 接口 typesafe.ai/blog · 中文翻译 + 解读

目录 三个章节，看清一类全新模型

SystemOne 模型与 Jev 解读 02 / 19

背景与 System One 模型 四年之问：聊天超越人类后，自动化为何迟迟未至；TypeSafe 用新架 构、并行采样器与 RLCD 给出回答，Jev 提供三种基本能力。

LLMs vs Jev 核心对比本章重点 训练方法、输入输出、采样方式、成本、速度、置信度、用例——七 个维度看清两类模型的分野。

证据与展望 工作流评测独占帕累托前沿；「零幻觉」的真相；开发者实战与开源 版 Nimble；命名背后的「快与慢」与杰文斯悖论。

四年之问：自动化都去哪儿了？

模型在聊天这件事上已经超越人类好几年了，那自动化都去哪儿了？ —— 过去四年驱动作者的核心问题 作者背景 在 OpenAI 期间参与构建了让语言模型遵循指令、与人对话的方法 ——那些工作后来成为 ChatGPT 背后的研究。 当时的预期 曾以为聊天模型或许能通往 AGI。但尽管炒作沸沸扬扬，一个巨大的 缺口逐渐清晰起来。 真正缺的是什么 不是更会聊天的模型，而是软件可以直接使用的、快速的结构化决 策。聊天能力 ≠ 自动化能力。 SystemOne 模型与 Jev 解读 03 / 19

CHAPTER 01 背景与 System One 模型 隐身两年之后的发布：一个新品类，而不是一次版本更新

全新自动化技术栈 不是在聊天模型上打补丁，而是为「快而结构化的决策」端到端重造 了一整套技术栈。 System One 模型 = 一类全新的前沿模型，专门产出软件可直接使用 的结构化决策。 SystemOne 模型与 Jev 解读 05 / 15

支柱一 · 全新模型架构 从零设计的架构，不为生成聊天文本服务，而以「快速、结构化、可 被软件直接消费」为第一目标。

支柱二 · 并行采样器 放弃逐 token 自回归，一次查询并行生成全部输出，效率极高，且充 分感知硬件特性。

支柱三 · RLCD 训练方法 校准决策强化学习（Reinforcement Learning for Calibrated Decisions）：优化目标从「人类偏好」换成「认识论上诚实的校准概