ChatGPT联合发明人推出Jev：放弃文字生成，宣称AI推理降本400倍

ChatGPT联合发明人Diogo Almeida于2026年9月推出决策模型Jev，其所属公司TypeSafe AI官方声称，该模型速度比大语言模型快20至200倍、成本低40至400倍，每百万输入词元定价0.042美元且输出词元免费。这是迄今为止大模型时代对“生成范式”最直接的公开挑战，挑战者本人正是这套范式的联合缔造者。

发明人反叛自己的发明

Diogo Almeida的身份需要精确描述。他不是ChatGPT的“发明人”——ChatGPT是一个工程化产品，背后有数百名工程师。他的准确角色是：InstructGPT论文的联合作者，以及RLHF（人类反馈强化学习）这一训练方法的联合贡献者。正是InstructGPT奠定了ChatGPT能够理解用户指令的技术基础，Almeida同时署名于GPT-4技术报告。

他现在把RLHF时代称为AI的“奇怪的弯路”（weird detour）。这句话不是营销话术，而是有明确技术逻辑的批评：RLHF的训练目标是最大化人类偏好评分，结果导致模型优化方向朝向“让人满意”而非“把任务做对”。在有人监督的对话场景里，这套机制运转良好。但在Agent自动化场景中，同样的机制变成了隐患——模型不知道何时应该停下来报告不确定性，倾向于在模糊情况下“填充答案”，让下游系统在接到错误分类后级联失败。

这是Almeida离开OpenAI后设计TypeSafe时绕开RLHF的直接原因。

Jev的架构：用判断替代生成

TypeSafe官方博客披露，Jev采用三项专有技术：全新模型架构、并行采样器（同时生成所有可能输出，而非按词序列逐步展开），以及名为RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习）的训练方法。

与LLM最根本的差异在于任务边界。给Jev输入数据和一个预设问题，它返回的不是一段可读文字，而是类型确定的选项、概率分布和置信度分数。它无法生成解释，也无法推理，但它知道自己有多大把握——这正是现有LLM在自动化场景中最缺失的属性。

TypeSafe声称，Jev的响应时间约为150毫秒，按规格比较，性价比“拥有近两个数量级的帕累托前沿优势”。但这套基准测试是TypeSafe自行设计的，以Astra和Fable等外部大模型的预测概率作为参考，并非来自独立第三方机构。

独立实测：快，但不完美

科技媒体Every.to在Jev上线后随即进行了实测。据该媒体报道，测试者将37篇文章、21个评估问题同时提交Jev，完成时间不足0.7秒；在逐段对比测试中，Jev的中位响应时间为0.35秒，而对照模型为8.83秒，约快25倍。11轮实验共计1,709次判断，全部费用不足一美分。

准确率方面，测试者在语料中故意植入7处缺陷，Jev检出6处，漏掉1处。测试者评价：结果“表现良好但并不完美”，在用于生产系统前仍希望做更系统的准确率检验。

这是目前可查证的唯一一份公开独立测试，样本量有限，但速度和成本数字与官方声称的量级方向一致。

成本重构的产业意义

把成本数字放进实际工作流，意义才能显现。一个企业级内容审核系统每天需要对数百万条内容执行分类、优先级排序和路由决策。以OpenAI或Anthropic主流模型每百万词元0.25至10美元的输入定价计算，仅决策层每月费用即可达数十万美元量级。如果同等决策任务的单位成本压缩至百分之一以下，整个AI Agent应用的经济可行性边界将发生结构性改变——不是理论上的，而是工程团队今天就可以重新计算的ROI。

这也解释了为何部分AI从业者将Jev称为“今年最被低估的发布”。它不是更强的文本模型，而是专门承载“判断动作”这一子任务的基础设施层。当前AI应用架构正在分层化：LLM负责理解和生成，分类、评分、路由等决策密集型操作在成本和延迟上都在寻找更轻量的替代方案，Jev出现在这个结构性需求的缺口位置。

一个未经验证的假设，但方向是真实的

TypeSafe至今没有在任何公开标准基准集上提交Jev的评测结果，现有所有性能数字均来自内部评测体系。“40至400倍更便宜”是一个区间而非精确值，取决于对比对象和任务类型的选择，这个范围本身就暗示了条件的高度依赖性。

独立判断：Jev的产品逻辑是成立的，这比性能宣称本身更重要。把AI工作流按照“生成”与“判断”拆分，并为判断专门设计模型——这个分类框架无论Jev最终数字如何，都有清晰的工程说服力。Almeida在OpenAI亲历了RLHF的成功，也观察了足够多的Agent失败案例，他选择从第一性原理重建训练目标，这不是纯粹的商业叙事。

但技术方向正确，不等于执行兑现。Jev还没有接受足够大规模、足够多样化的外部测试；“零幻觉”的设计承诺需要在边缘场景中验证；校准概率是否真正反映模型能力，而不仅仅是另一种形式的表演性自信，还需要更多证据。