那个教 ChatGPT 说话的人，做了一个「哑巴」模型

嘴闭上了，腿脚快得飞起！

作者｜桦林舞王

编辑｜靖宇

AI 圈子里最懂怎么让模型「开口聊天」的人，现在决定剥夺大模型的语言能力。

这位前 OpenAI 研究员、ChatGPT 的共同发明者 Diogo Almeida，在潜行两年后带着他的新公司 TypeSafe AI 和 4000 万美元融资回到牌桌。他们发布的全新模型 Jev，既不能写打工人的周报，也不能陪用户深夜长聊。它甚至连一个标点符号都吐不出来。

TypeSafe 创始人 Diogo Almeida｜图片来源：X

这是一个反常识的时刻。过去三年，全行业都在教大模型怎么学会像人类一样「慢思考」，各家实验室拼命拉长推理链条，让模型在给出答案前默默自言自语几千个词。

但 Jev 走了一条完全相反的路：它不做文本生成，只输出确定性的结构化决策。

这不仅是一个新产品的发布，更像是对当前大模型技术范式的一次公然叫板。

01

给 AI 装上「反射神经」

要理解 Jev 到底是个什么东西，得先看懂当下的 AI 开发者有多痛苦。

如今大部分工程师把大模型接入业务系统时，做的事情往往很荒谬。你明明只需要它回答「这封邮件是不是垃圾邮件」或者「在五个 API 接口里选一个」，但你不得不让一个拥有上千亿参数的庞然大物，在漫长的几秒钟里，一个词一个词地把一串 JSON 字符敲出来。

为了保证这串字符符合代码规范，开发者得写满整整两页提示词，求着模型「不要输出任何废话，只要纯 JSON 格式」。即便如此，模型偶尔还是会在前后加上一句「好的，这是你要的格式」，瞬间搞崩下游的整条流水线。

Jev 解决问题的方式极其粗暴。它根本就不是一个文本自回归模型。

速度对比，3 秒时间 Jev 这边已经腹泻版吐出 Token（左）｜图片来源：TypeSafe

在 Kahneman 著名的《思考，快与慢》中，人类的思维被分为两个系统。系统一是无意识的、极速的本能直觉；系统二是缓慢的、需要调动精力的逻辑推理。当下的主流大模型都在拼命卷系统二，而 Jev 给自己的定义是世界上第一个纯粹的「系统一模型」（System One Model）。

它不逐字生成内容，所有决策都在一次单向并行计算中同时产出。这意味着它没有生成式的废话，输出永远严格锁定在开发者预先定义的 Schema 里。

在数学层面上，Jev 彻底消灭了结构化输出的格式幻觉。

由于不需要一步步推演下一个 token 是什么，它的端到端延迟直接被压缩到了 70 到 500 毫秒之间，比目前市面上的前沿大模型快了 40 到 200 倍。

Jev 打 Doom 游戏测试｜图片来源：TypeSafe

TypeSafe 甚至拿 Jev 去玩射击游戏 Doom。在不需要做复杂长线规划、只需要每秒钟做出约 10 次即时操作判断的场景下，Jev 表现得像一个反应极快的人类玩家，而整套推理成本每小时大概只要 7 美元。

更夸张的是价格。Jev 的输入成本是每 100 万 token 仅需 0.042 美元，输出则完全免费。平均算下来，单次结构化决策的成本大约是 0.0004 美元。作为对比，调用一次 GPT-5.6 Terra 的费用大概是它的 76 倍，而 Claude Opus 5 则是它的数百倍。

输入非结构化数据，瞬间吐出带有校准概率的分类选择、数值评分或布尔判断，然后立刻交出控制权。这就是 Jev 的全部工作。

02

Agent 的瓶颈不是脑子太慢

为什么 TypeSafe 会选择在这个时间点，做一个完全不吐字的模型？

答案藏在正在全面铺开的 AI Agent 里。

无论是 Cursor、GitHub Copilot 还是硅谷各种企业级自动化工作流，工程师们很快发现了一个残酷的现实：现在的 Agent 之所以又卡又贵，往往不是因为核心逻辑不够聪明，而是因为中间的「执行摩擦」太大了。

一个完整的 Agent 任务通常包含几十个微小的决定。比如判断当前步骤是否成功、决定调用工具 A 还是工具 B、提取上一段输出里的关键字段、判断要不要终止流程。

如果每一个微小动作都要去调用一次千亿参数的超级大模型，不仅延迟会层层累加到几十秒甚至几分钟，成本也会迅速失控。更要命的是，只要其中任何一步的 JSON 格式解析失败，整个 Agent 就会直接卡死在半路上。

工作流平均准确率和成本对比｜图片来源：TypeSafe

行业被自回归文本模型绑架得太久了，以至于大家几乎默认了所有 AI 任务都必须通过自然语言去中转。

但现实世界里的生产系统，绝大多数节点本质上只是传统的代码控制流。代码不需要情绪价值，代码不需要排比句，代码只需要一个极度廉价、极其迅速、绝对符合类型的决策信号。

Jev 的出现，其实是在大模型的系统架构里插进了一层「前置反射弧」。

在理想的协同架构里，那些昂贵的前沿大模型应该退居幕后，充当统领全局的系统二，负责宏观规划和高难度思考。而在第一线负责处理脏活累活的，比如工单分类、内容合规初筛、大批量数据打标、乃至在几十个 API 里精准选择调用哪一个，完全可以交给 Jev 这样的系统一模型去毫秒级搞定。

TypeSafe 给出的自有测试数据显示，在四个典型的企业工作流中，Jev 的准确率达到了 67.8%，几乎打平了 GPT-5.6 Terra 的 67.9%。如果只看判断的精准度，它并没有输给比它贵数十倍的大模型，而执行速度却拉开了几十倍的差距。

把大脑皮层的慢思考与脊髓的条件反射拆开，这或许才是 AI Agent 能真正跑进大规模工业化落地的正确姿势。

03

0 误差背后的黑盒

不过，如果把 Jev 看作一颗完美的银弹，显然过早了。在这份惊艳的技术答卷背面，至少有两块巨大的阴影被刻意回避了。

首先是可解释性的全面丧失。

传统的思维链模型虽然啰嗦且容易出错，但它至少会把「为什么这么选」的过程写在草稿纸上。当一个信贷审核 Agent 拒绝了客户的申请，或者安全系统拦截了一笔交易，合规部门可以通过推理过程去追溯模型的决策逻辑。

而 Jev 的输出只有干瘪的选项和概率，它根本不具备用自然语言阐述理由的能力。当模型做出一个关键误判时，没有任何人能从它黑盒般的权重里找出原因。在金融、医疗、法律这些强监管领域，这种缺乏审计能力的决策机制，往往会直接撞上合规的南墙。

其次是技术细节与评估基准的封闭。

TypeSafe 宣称他们发明了一种名为 RLCD（基于校准决策的强化学习）的全新训练方法，取代了传统的 RLHF。但从目前公开的信息来看，具体的奖励函数怎么设计、网络架构到底基于什么、校准概率的数学方法论究竟为何，官方全都没有披露。

更微妙的是那些漂亮的分数。目前所有的基准测试全部来自 TypeSafe 内部评估，没有任何第三方独立机构完成过复现。他们用来作为真值标准的参考答案，甚至是由 GPT-6 Astra 和 Claude Fable 5.1 跑出来取平均值得到的。用竞争对手的下一代模型来当裁判，再宣布自己在性价比上大获全胜，这种自证闭环本身就带着强烈的公关色彩。

更不用说商业模式的可持续性。每 100 万 token 仅收 4 美分，且输出完全免费，这种价格低到了让人怀疑是在烧 4000 万美元融资打价格战。

目前 Jev 依然处于小范围邀请内测阶段，当大量高并发的真实企业级流量涌入时，这套体系能否在保持超低延迟的同时维持收支平衡，还要画上一个问号。

把模型做小、做快、做确定，确实击中了当下的行业痛点。但在没有真正接受真实业务环境里极端情况的拷打之前，断言它已经颠覆了范式，还为时尚早。

过去几年，所有人都在惊叹于 AI 越来越会说漂亮话。而现在终于有人意识到，在沉默的机器世界里，行动往往比语言更重要。

*头图来源：TypeSafe

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

如果 AI 的终局是替人类干活，
什么非要它学会说人话？