不聊天只做判断！LangChain验证Jev决策一致性100% 软件原生决策AI赛道加速验证

当地时间9月20日，全球Agent开发框架龙头LangChain发布Jev模型专项评估报告，为这款近期刷屏开发者圈层的决策型AI补上关键第三方产业验证。测试显示，在500次重复Agent评估任务中，Jev与人工标注的一致性达100%；评分结果方差较GPT-5.6 Luna、Terra等主流大模型低92-913倍，单次调用成本约0.0035美元。低方差、低延迟、低成本的特性，使其适配规模化在线评估、实时风控、Agent调度等高频率决策场景。

这是该模型自正式发布后的又一重要产业验证。此前Jev上线Vercel AI Gateway首日即创下平台最快采用纪录，上线24小时内近13%付费团队启用，采用规模为第二名的2倍以上。

ChatGPT核心参与者创业 反常识路径切中自动化痛点

当地时间9月15日，前OpenAI核心研究员、RLHF与InstructGPT技术核心参与者Diogo Almeida创立的TypeSafe AI结束两年隐身运营，正式发布首款“System One”决策模型Jev，同步完成4000万美元种子轮融资，由DCVC领投。据Forbes援引知情人士消息，公司投后估值约2亿美元。

与全行业追逐通用大模型的路径完全相反，Jev主动舍弃自然语言生成能力，不做对话交互，专门输出带校准置信度的结构化决策结果，可直接作为组件嵌入软件系统，开辟了AI面向自动化场景的全新产品品类。

重构训练目标 破解RLHF的自动化局限

这条差异化路线，源自Almeida对主流AI技术路径的底层反思。作为RLHF技术的核心参与者之一，他在7月31日的公开演讲中提出：主流大模型均围绕人类交互优化，RLHF的奖励机制天然倾向于产出符合人类偏好的回答——“过度承诺不是bug，是特性（Overpromising is a feature）”。

这种特性支撑了对话类AI的产品体验，但难以适配软件自动化场景：大模型的幻觉、输出不稳定、高延迟，使其无法直接嵌入系统作为可靠决策组件。当前AI擅长协助人类工作，但始终需要人在回路中把关，无法实现真正的无人值守自动化。

对此TypeSafe重构了模型的优化目标：从“取悦人类”转向“服务软件”，提出校准决策强化学习（RLCD）训练方法，让模型输出固定格式、带真实概率的判定结果，成为可组合、可复用的软件智能原语。Almeida表示，过去四年AI在人类语言上已经做得足够好，但对自动化而言，“计算机说的是另一种语言”。

三类结构化输出 可直接嵌入软件系统

作为全球首款面向软件嵌入的System One类模型，Jev核心输出标准化、可直接被代码调用的决策结果，所有结果均附带校准后的置信度指标，开发者可根据置信阈值，决定任务自动执行、补充信息或转人工介入。

模型覆盖三类输出形式：

• Choice：多选项分类，返回各选项对应概率；
• Score：按既定规则评分，返回得分与置信度；
• Noul：输出是非命题为真的概率。

官方参数显示，模型端到端延迟在70-500毫秒区间，面向系统嵌入场景的推理效率较主流前沿模型提升40-200倍。输入Token定价为每百万42美元，输出Token成本极低可忽略不计。官方自测工作流场景数据显示，Jev较主流大模型最高提速193.6倍、成本降低44.6倍，官方同时注明该测试场景存在一定偏向性。

热度与争议并存 采用速度破行业纪录

模型上线后快速在开发者圈层引爆，采用速度创下行业纪录，同时市场也出现实测分歧。

除LangChain的验证结果与Vercel的采用数据外，SaaStr创始人Lemkin实测后表示模型存在32%的误放率，宣布弃用；同期开发者社区出现至少6个开源复现项目，在JevBench基准上与官方结果差距仅0.7分。对此Almeida公开回应称：“前沿实验室的主要产品是恐惧或炒作，我希望我们的主要产品是智能。”

行业价值：Agent时代催生分层智能新架构

Jev的市场热度，本质上踩中了Agent规模化落地的核心痛点——海量高频小判断的成本与延迟问题。当Agent真正规模化运行后，单日会产生数十万至数百万次小额判断：下一步调用哪个工具、任务是否完成、信息是否有效。如果全部调用通用大模型，延迟与成本都无法承受。

据了解，Jev的产品定位与命名均源自经典理论映射。其“System One”命名，对应诺贝尔经济学奖得主丹尼尔·卡尼曼的双系统思维理论：系统1负责快速、直觉式的自动化判断，系统2负责慢速、深度的复杂推理。映射到AI架构中，Jev承担系统1角色，承接海量高频标准化判断任务；复杂推理、创意生成等深度任务交由通用大模型对应系统2，二者形成成本与效率平衡的分层智能架构。

而“Jev”的命名，则来自19世纪经济学家威廉·杰文斯提出的“杰文斯悖论”：技术进步带来资源成本大幅下降，反而会推动使用量指数级增长，最终渗透到产业每个角落。对应到AI领域，当单次智能判断的成本降低到近乎可忽略，AI就不再局限于少数核心场景，而是会嵌入到每一处软件逻辑中，成为像函数调用一样普遍的基础组件。

业内分析认为，该路线将AI能力从“人机交互工具”向“软件原生组件”渗透，若规模化验证成立，有望大幅降低AI嵌入软件系统的成本与门槛，推动行业自动化从规则驱动向智能决策驱动升级。

参考资料

[1] TypeSafe AI. TypeSafe AI emerges from stealth with $40M in funding with new model for composable AI[EB/OL]. New York: Business Wire, 2026-09-15[2026-09-21].

[2] TypeSafe AI. Introducing system one models & Jev[EB/OL]. San Francisco: TypeSafe AI Inc., 2026-09-15[2026-09-21].

[3] LangChain Inc. Jev-as-a-judge for agent evals[EB/OL]. San Francisco: LangChain Inc., 2026-09-20[2026-09-21].

[4] Vercel Inc. Jev is the fastest-adopted model in AI Gateway history[EB/OL]. San Francisco: Vercel Inc., 2026-09-18[2026-09-21].

[5] Almeida D. What's next after RLHF?[R/OL]. AI Engineer World's Fair 2026, 2026-07-31[2026-09-21].

[6] Fernholz T. A new kind of AI model from a ChatGPT inventor is thrilling developers[EB/OL]. San Francisco: TechCrunch, 2026-09-18[2026-09-21].