北京
一个AI模型，不写邮件、不写代码、不聊天，只干一件事：给选项打分。做这件事的人来自OpenAI。
这家创业公司叫TypeSafe AI，产品名叫Jev。联合创始人兼CEO Diogo Almeida曾在OpenAI工作，是InstructGPT研究的作者之一——那篇研究为后来的ChatGPT打下了基础。现在他做的模型，方向几乎和聊天机器人相反。
它不生成文字，只做判断
Jev的核心逻辑很直接：开发者定义好问题和可能的答案，模型负责给这些选项打分。
它不输出一段回复，而是输出判断和概率。官方文档里的例子是这样的：一家网店的客服收到顾客来信，说自己被重复扣款，要求退还第二笔钱。
这封信在被人处理之前，先得分类——是关于付款、配送，还是退货？顾客是要钱回来，还是只要一个解释？
开发者把网店软件接到Jev上，把这些问题和允许的答案一起定义好。每来一条新消息，软件就把顾客的文本交给Jev。拿回来的不是一封回信，而是类似“付款问题”这样的标签，外加一个“顾客想要退款”的概率值。
接下来网店软件可以挂上固定规则：付款问题转给财务，退款请求打上标记。标签不明确时，由人工复核。Jev只负责给出评估，具体怎么处理由软件按预设规则决定。
这不等于钱已经退回去了。是否真的重复扣款，还得之后对着实际交易记录核实。确认后的状态，可以交给另一个聊天机器人告诉顾客。单就分类这件事，不需要它。
快，是它主打的卖点
TypeSafe称，Jev的响应时间是70到500毫秒，比目前最快的语言模型还要快很多倍。
做到这一点的方式是跳过逐字生成的过程。公司表示，模型会并行计算多个输出。在同一次调用里增加更多问题，响应时间几乎不增加。
这个速度意味着一种新的用法：在AI助手的每一次回复之前做一次检查。草稿和此前的对话矛盾吗？它是不是声称了一笔顾客账户里根本没有记录的退款？TypeSafe在自己的示例工作流里描述了这类检查。
公司还列出了销售和客服场景里的更多可能用途，比如识别购买意图、按主题给请求分类，或者判断什么时候该由人工接手。
结构化输出不是新东西，但速度是
普通语言模型其实也能输出预设的分类和数据格式。OpenAI就提供了Structured Outputs来做这件事。
但一个结构化的响应格式本身，并不等于Jev所强调的那种速度和定位。TypeSafe把赌注押在“窄判断”上：不追求通用，不追求会聊天，只在一个具体环节里做到足够快、足够便宜。
代价是限制很紧。开发者必须先想清楚要问什么、答案有哪些，模型才能工作。它不会自己理解一封来信的全部含义，也不会替人做决定——决定权在软件规则和人工手里。
换句话说，Jev把自己从“会说话的AI”变成了“软件里的一个判断函数”。这个定位不性感，但可能正好卡在很多产品的真实需求上：不是要一个能聊天的助手，而是要一个能在几十毫秒内把请求分好类的零件。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
