“模型在聊天上早已超越人类，可自动化在哪里？”——带着这个问题，前 OpenAI 研究员 Diogo Almeida（ChatGPT 背后指令跟随研究的参与者）隐身创业两年后，带着 TypeSafe AI 的首款产品浮出水面：Jev，一个”System One 模型”。官方宣称它在结构化决策任务上达到前沿 LLM 相当的智能水平，同时快两个数量级——发布当天在 HN 收获 635 赞、207 条评论。
核心思路：放弃字符串，换取确定性
Jev 的设计哲学激进得近乎冒犯：它干脆不生成文本。输入是非结构化的程序状态，输出是预先定义好结构的类型化概率决策——官方称之为”前沿智能的函数调用”（unstructured state in, typed probabilistic decisions out）。放弃字符串换来一串超能力：
- 零类型错误：输出结构数学上保证匹配 schema，官方称”给出一个反例即可证伪，但它数学上不可能发生”；
- 无幻觉：模型不能输出不存在的字段或动作；
- 校准概率：每个决策附带置信度，且”置信度越高准确率越高”是经校准的——一个 95% 能干好却不知道自己哪 5% 不行的模型，永远无法真正自动化；
- 并行采样：一次查询输出全部字段的概率分布，而不是逐 token 自回归。端到端 70–500ms，官方称同等智能下比前沿 LLM 快 40–200 倍；
- 价格：输入 $0.042/百万 token（约为前沿模型的 1/444），输出”便宜到不值得计量”。
训练方法与证据
支撑这套架构的是名为 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习）的训练方法——与 RLHF（人类偏好）和 RLVR（可验证奖励）并列的第三条路线，奖励”认知上诚实的概率”。
难得的是，官方博客带着大量”nuance”小节主动交代偏见来源：并排演示中与 GPT-5.6 Terra 对比、查询经过简化且输入较短（对自家模型有利）；workflow 评测以 GPT-6 Astra 与 Fable 5.1 的平均预测作为参考答案，这会系统性偏向 OpenAI 和 Anthropic 的输出分布、低估 DeepSeek；”193.6 倍快、444.6 倍便宜”取自 4 个内部工作流的上限值。最出圈的演示是让 Jev 玩 Doom——用结构化决策流替代游戏手柄输入。
社区反响
评论区先是集体困惑——不少人读了一半才反应过来这不是恶搞：创始人名字 Diogo Almeida 与 Anthropic CEO Dario Amodei 微妙地押韵，”System One”的命名也像在调侃卡尼曼。技术质疑集中在 Doom 演示上：有用户发现指令”只许躲避、不许开火”下，模型并没有保持距离，反而凑近粉色恶魔；另有用户解释这是因为动作空间里直接删除了”开火”输出，而非模型理解了”躲避”的语义。无论如何，”智能 if 语句”、LLM 输出审核与护栏、大数据 map-reduce 特征化这些目标场景，确实戳中了当前 AI 工程化最痛的点。
原文链接：typesafe.ai
HN 讨论：news.ycombinator.com/item?id=49717558（635 赞 / 207 评论）