**TypeSafe AI 发布 Jev：只输出浮点决策而非文本的「决策模型」**

_Jev introduces a new shape of LLM - System One, aka Decision Models_

> TypeSafe AI 推出首个「System One 模型」Jev（Simon Willison 更认同「决策模型」这一叫法）。它仍接受文本输入，但不生成文本，而是返回对应类别、是/否判断、评分的浮点数及置信度，官方称其为「非结构化状态输入、类型化概率决策输出」的前沿智能函数调用。它速度极快且价格低廉：只按输入计费、输出免费，首款模型输入价为每百万 token 0.042 美元，比 GPT-5 Nano 的 0.05 美元还便宜。使用时可构造一个 state 对象（字符串、字符串数组或键值对），一次性提交多个问题并并行评估，问题分三类：Noul（即 Bernoulli）是/否问题返回 0 到 1 的置信度、选择题返回选项概率分布、评分题返回区间内的浮点分数。它适合垃圾邮件检测、标签建议、优先级排序等分类任务，也可用于搜索重排序（如用 BM25 召回 100 条后用 Jev 打分）。代价是它比 LLM 更加黑箱——只给一个浮点数，无法解释判断依据，因此偏见风险应被高度重视，例如不宜用于对求职者排名。

**来源信息**
- **来源**：Simon Willison 博客
- **分类**：ai-models
- **发布时间**：2026-09-22 07:09（北京时间）
- **原文**：[打开原文](https://simonwillison.net/2026/Sep/21/jev)