教ChatGPT说话的人做了哑巴模型 单次决策成本仅0.0004美元

AI圈里最懂如何让模型开口聊天的人，这次决定剥夺大模型的语言能力。 这位前OpenAI研究员、ChatGPT共同发明者Diogo Almeida，潜行两年后带着新公司TypeSafe AI和4000万美元融资重返牌桌。

他们发布的新模型Jev，不会写周报，也不陪用户深夜长聊，连标点符号都吐不出来。 这是一个反常识的时刻。过去三年，全行业都在教大模型学“慢思考”，各家实验室拼命拉长推理链条，让模型在给出答案前默默自言自语几千个词。

但Jev走了完全相反的路：它不做文本生成，只输出确定性的结构化决策。 这不仅是新产品发布，更像是对当前大模型技术范式的公然叫板。 要理解Jev到底是什么，得先看当下AI开发者的痛苦。 如今工程师把大模型接入业务系统时，常做着荒谬的事。

你只需它回答“这封邮件是不是垃圾邮件”，或“在五个API接口里选一个”。 但你不得不让一个拥有上千亿参数的庞然大物，在漫长几秒里，一个词一个词地把JSON字符串敲出来。 为保证字符符合代码规范，开发者得写满两页提示词，求着模型“别输出废话，只要纯JSON格式”。

即便如此，模型偶尔还是会加一句“好的，这是你要的格式”，瞬间搞崩下游整条流水线。 Jev解决问题的方式极其粗暴：它根本不是文本自回归模型。 在Kahneman著名的《思考，快与慢》中，人类思维分为两个系统。

系统一是无意识、极速的本能直觉；系统二是缓慢、需调动精力的逻辑推理。 当下主流大模型都在卷系统二，而Jev给自己定义为世界上第一个纯粹的“系统一模型”。 它不逐字生成内容，所有决策都在一次单向并行计算中同时产出。

这意味着没有生成式废话，输出永远严格锁定在开发者预先定义的Schema里。 在数学层面，Jev彻底消灭了结构化输出的格式幻觉。 由于不需一步步推演下一个token，其端到端延迟被压缩至70到500毫秒之间，比市面前沿大模型快了40到200倍。

TypeSafe还拿Jev去玩射击游戏Doom。在无需复杂长线规划、只需每秒约10次即时操作判断的场景下，Jev表现得像反应极快的人类玩家。 整套推理成本每小时约7美元。更夸张的是价格：Jev输入成本每百万token仅需0.042美元，输出完全免费。

平均算下来，单次结构化决策成本约0.0004美元。作为对比，调用一次GPT-5.6 Terra的费用约为其76倍，Claude Opus 5则是数百倍。 输入非结构化数据，瞬间吐出带校准概率的分类选择、数值评分或布尔判断，然后立刻交出控制权。

这就是Jev的全部工作。 为什么TypeSafe选择在此刻做一个完全不吐字的模型？答案藏在正在全面铺开的AI Agent里。 无论是Cursor、GitHub Copilot还是硅谷企业级自动化工作流，工程师很快发现残酷现实：Agent又卡又贵，往往不是因为核心逻辑不聪明，而是中间“执行摩擦”太大。

一个完整Agent任务通常包含几十个微小决定。比如判断当前步骤是否成功、决定调用工具A还是B、提取上一段输出里的关键字段、判断要不要终止流程。 如果每个微小动作都调用一次千亿参数超大模型，延迟会层层累加到几十秒甚至几分钟，成本也会迅速失控。

更要命的是，任何一步JSON格式解析失败，整个Agent就会卡死在半路。 行业被自回归文本模型绑架太久，大家几乎默认所有AI任务都必须通过自然语言中转。 但现实世界的生产系统，绝大多数节点本质上是传统代码控制流。

代码不需要情绪价值，不需要排比句，只需要一个极度廉价、极其迅速、绝对符合类型的决策信号。 Jev的出现，是在大模型系统架构里插进一层“前置反射弧”。 在理想协同架构里，昂贵的前沿大模型应退居幕后，充当统领全局的系统二，负责宏观规划和高难度思考。

第一线处理脏活累活的，比如工单分类、内容合规初筛、大批量数据打标、在几十个API里精准选择调用哪一个，完全可以交给Jev这样的系统一模型毫秒级搞定。 TypeSafe自有测试数据显示，在四个典型企业工作流中，Jev准确率达67.8%，几乎打平GPT-5.6 Terra的67.9%。

若只看判断精准度，它没输给贵数十倍的大模型，执行速度却拉开几十倍差距。 把大脑皮层慢思考与脊髓条件反射拆开，这或许才是AI Agent真正跑进大规模工业化落地的正确姿势。 不过，把Jev看作完美银弹显然过早。

这份惊艳技术答卷背面，至少有两块巨大阴影被刻意回避。 首先是可解释性全面丧失。 传统思维链模型虽啰嗦易错，但至少把“为什么这么选”的过程写在草稿纸上。当信贷审核Agent拒绝客户申请，或安全系统拦截一笔交易，合规部门可通过推理过程追溯决策逻辑。

而Jev输出只有干瘪选项和概率，不具备用自然语言阐述理由的能力。当模型做出关键误判时，没人能从黑盒权重里找出原因。 在金融、医疗、法律等强监管领域，这种缺乏审计能力的决策机制，往往会直接撞上合规南墙。

其次是技术细节与评估基准封闭。 TypeSafe宣称发明了名为RLCD的全新训练方法，取代传统RLHF。但从公开信息看，具体奖励函数设计、网络架构基础、校准概率数学方法论，官方均未披露。 更微妙的是那些漂亮分数。

目前所有基准测试均来自TypeSafe内部评估，无任何第三方独立机构复现。 他们用作真值标准的参考答案，是由GPT-6 Astra和Claude Fable 5.1跑出取平均值得到的。用竞争对手下一代模型当裁判，再宣布自己在性价比上大获全胜，这种自证闭环本身带着强烈公关色彩。

更不用说商业模式可持续性。每百万token仅收4美分，输出完全免费，价格低到让人怀疑是在烧4000万美元融资打价格战。 目前Jev仍处于小范围邀请内测阶段。当大量高并发真实企业级流量涌入时，这套体系能否在保持超低延迟的同时维持收支平衡，还得画上问号。

把模型做小、做快、做确定，确实击中当下行业痛点。但在未真正接受真实业务环境极端情况拷打之前，断言它已颠覆范式，还为时尚早。 过去几年，所有人都在惊叹AI越来越会说漂亮话。而现在终于有人意识到，在沉默的机器世界里，行动往往比语言更重要。