OpenAI前研究员Diogo Almeida携4000万美元推出Jev无幻觉决策模型

2026年9月15日，曾在OpenAI参与ChatGPT研发的Diogo Almeida创立的TypeSafe AI发布首个System One模型Jev，并同步宣布完成4000万美元融资。

事实还原

根据TypeSafe AI官方博客，Jev使用自研RLCD算法训练，采用并行采样器输出结构化类型值，响应时间在70-500ms区间。官方材料显示，该模型在System One任务上达到与现有LLM相近的智能水平，同时成本降低40-400倍，且数学上不可能出现类型错误。

官方对比指出，现有LLM通过RLHF或RLVR优化，输出字符串，需后续解析验证；而Jev直接输出带校准概率的类型安全结构化值，输入输出token定价为输入0.042美元每百万token，输出免费。

机制拆解

Jev的并行生成机制与LLM的逐token自回归生成形成根本区别。官方描述显示，Jev在单次查询中生成全部输出，硬件感知优化使其在同等智能水平下速度提升40-200倍。RLCD训练目标是校准决策，即在分类、打分、路由等任务上提供带有置信度的概率输出。

官方材料强调，Jev放弃字符串生成能力，换取“物理上无法幻觉”的特性，所有可能输出在训练时已由类型系统预定义。

产业影响

Jev的发布将现有LLM的适用场景进一步细分。LLM仍适合需要人类参与的聊天、代码生成等开放任务，而Jev针对可验证的决策环节提供更快、更廉价且可直接嵌入代码的选项。官方用例包括AI工作流中的智能if语句、大数据特征提取以及对LLM输出的验证与护栏。

这种分工可能改变AI系统集成方式，开发者可将Jev用于实时决策节点，LLM用于需要创造性或多步推理的环节。

战略判断

【分析】Jev的定价与速度优势若能长期维持，将对现有LLM在决策类API市场的份额形成压力；但该模型放弃通用字符串生成能力，意味着其无法单独承担需要灵活输出的复杂应用场景，未来可能与LLM形成互补而非直接替代关系。

【分析】非LLM决策模型是否应纳入下一轮评测体系，取决于行业是否认可“结构化输出+校准概率”作为独立评估维度，目前尚无公开共识。