由 TypeSafe AI 开发的 Jev 已登陆 OpenRouter。与 GPT、Claude 这类生成文本的大模型不同，Jev 被定义为首个公开的 System One 模型：输入应用状态和结构化问题，直接返回带概率的类型化决策，目标不是“写答案”，而是让软件直接执行判断。
Jev不生成文本，只做决策
传统 LLM 输出本质上是一串 token。即使要求返回 JSON，开发者通常仍要处理提示词、解析、Schema 校验和异常输出。Jev 选择放弃自由文本生成，把模型输出限制在程序预先定义的类型范围内。
TypeSafe 将其概括为“unstructured state in, typed probabilistic decisions out”。每次决策还会返回概率和置信度，开发者可以设置阈值：高置信度自动执行，低置信度交给人工处理。
System One瞄准机器原生AI
System One 的名字来自“System 1”快速思考概念。TypeSafe 的判断是，聊天模型主要为人与 AI 交流优化，而大量软件自动化真正需要的不是漂亮文本，而是分类、路由、评分、提取和分支决策。
因此，Jev 更像一个带 AI 能力的函数调用。它采用 TypeSafe 自研的 RLCD（Reinforcement Learning for Calibrated Decisions）训练方法，希望让概率与实际正确率更加匹配。
速度和成本是最大卖点
OpenRouter 当前提供 Jev Latest 和 Jev 1.13，支持 32K 上下文，输入价格为每百万 Token 0.042 美元，输出不单独计费。OpenRouter 将其定位为适合路由、分类等软件内部决策节点的结构化决策模型。
TypeSafe 公布的内部工作流测试称，Jev 在 System One 类型任务上最高可实现约 193.6 倍速度提升和 444.6 倍成本下降。不过这些数据来自厂商自建评测，团队也承认部分工作流和测试方法可能存在偏差。
Jev 真正有意思的地方，不是再造一个更便宜的聊天模型，而是挑战“AI 模型必须生成语言”这个默认前提。如果类型化决策模型能够稳定进入生产环境，AI 应用的下一层竞争可能从提示词工程，转向让模型成为代码内部可依赖的决策组件。
