超低成本前沿模型 Jev 发布：基于 RLCD 训练，推理速度最高提升 200 倍

初创公司 TypeSafe AI 于 2026 年 9 月 15 日正式发布非生成式决策模型 Jev，主打面向企业软件工作流的低延迟结构化判定与可组合智能。

• 架构设计与功能定位：Jev 放弃了逐 token 生成文本的传统机制，采用面向系统一（System One）的确定性结构化分类与路由架构，直接接收非结构化输入并输出类型化的判定结果与置信概率。
• 强化学习校准算法：模型采用面向校准决策的强化学习（RLCD）进行训练，重点优化模型输出概率分布的置信度校准，使软件系统能够依据准确的置信评分决定自主执行或人工介入。
• 成本与计费模式：官方测试数据显示其在分类和路由任务中延迟低于 100 毫秒，计费策略采用输入 token 计费（每百万 token 0.042 美元）且输出 token 免费的模式，显著降低了判决类任务的调用成本。
• 影响/看点：Jev 提供了一种将大模型能力以轻量决策算子形式嵌入传统软件系统的技术路径，若其校准准确率在复杂长尾业务场景中得到验证，可能在 LLM 自动化评估、工单分类等特定判定场景中分流通用大模型的算力消耗。
• 资料依据:
• X：Yuchen Jin（2026-09-16）：https://x.com/Yuchenj_UW/status/2100073397741134258
• Business Wire 官方公告（2026-09-15）：https://www.businesswire.com/news/home/20260915005123/en/TypeSafe-AI-Launches-Jev

本内容由 AI 生成，仅供参考，请注意甄别