TypeSafe 发布 System One 模型与 Jev：放弃生成字符串的「前沿智能函数调用」
文章摘要
TypeSafe AI 结束两年潜行状态，发布了他们所谓的第一个「System One 模型」Jev。创始人 Diogo Almeida 曾在 OpenAI 参与构建了让语言模型学会遵循指令、与人对话的方法，那部分工作最终成了 ChatGPT 背后的研究。他说自己这四年被一个问题驱动：模型在聊天上已经超人好几年了，那自动化在哪里？
Jev 的定位是「前沿智能的函数调用」：非结构化状态进，带类型的概率化决策出。它彻底放弃了生成字符串这件事。名字取自 William Stanley Jevons——他们预期机器智能会重演煤炭的路径，效率每提升一个数量级，需求就爆发式增长（杰文斯悖论）；模型类别名则取自卡尼曼《思考，快与慢》的系统一。
技术上他们声称重建了整个栈：新的模型架构、用于最大化效率的并行采样器，以及一套叫 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习）的训练方法。与现有 LLM 的对比是全文骨架：LLM 用 RLHF/RLVR 优化人类偏好或可验证奖励，输出字符串，必须解析与校验，可能幻觉、拒答或跑偏；Jev 的可能输出空间和结构事先定义好，因此在数学上不可能出现类型错误，每个答案都附带校准过的概率和置信度。采样方式上，LLM 逐 token 自回归生成，Jev 一次查询并行产出所有输出。
价格和速度是最激进的部分：输入 0.042 美元/百万 token，输出「便宜到不值得计量」，直接免费；端到端响应 70 毫秒到 500 毫秒，对比前沿模型的 3 到 329 秒，他们宣称在同类任务上快 40 到 200 倍，官网首页的数字是 193.6 倍快、444.6 倍便宜。
在证据一节，作者姿态是「我们爱怀疑论者，自己也是怀疑论者」，并逐条标注 nuance（保留意见）：速度和价格容易验证，但无法证明定价没有被补贴；类型安全的 0% 错误率不是实测得来，而是模式匹配保证的推论。他们刻意回避了公开基准（另有一篇 antibenchmaxxing 的文章解释原因），转而设计了一种「workflow eval」：假设存在一张正确的计算图，让所有模型跑同一套工作流，以最贵最聪明的外部模型（Astra 与 Fable 5.1 的平均）的预测概率作为参考答案。他们承认这会让基准偏向 OpenAI 和 Anthropic 的模型，也承认工作流是自家模型能力团队做的，可能存在偏差。
两个演示最抓眼球：一是让 Jev 实时玩 Doom，每秒 10 次查询约 7 美元/小时，输入是结构化的游戏状态数据而非图像；二是 Wikiracing，从一个维基页面只沿链接走到另一个页面，每步要在成百上千个链接中选择，用来展示高基数选择下不幻觉的复合收益（Jev 支持最高 255 的基数，更高时用两段式打分再显式选择）。
HN 评论精华
1890 分、近 500 条评论，这是本期最热的技术发布贴，态度是「兴奋但要证据」。
Doom 演示成了讨论的引爆点。 caspar 认为作者可能没意识到这远不止是个酷演示：如果站得住脚，它对游戏 QA 是巨大利好——把游戏插桩输出玩家附近实体的属性，输出各种控制输入，逐帧的游戏玩法就被解决了；高层推理仍可交给 LLM。Garlef 补充说还能用来发现罕见 bug 导致的输入不响应。smusamashah 顺势问：那这是不是也能开车？baist0 则泼了盆冷水：「笑死，他们重新发明了外挂自瞄。」einpoklum 挑刺说，指令是「不要开火，只闪避」，但模型反而凑近了那只粉色恶魔——anthonypasq 解释这可能只是禁用了开火这个输出动作。
怀疑声集中在证据不足上。 pennomi 先赞赏了「非凡主张需要非凡证据」的态度，ramon156 立刻接话：「但证据并不在那里。」他指出「RLCD」和「并行采样」都只有名词没有支撑，更关键的是「70-500ms vs 3-329 秒」是苹果比橘子——除非 LLM 基线在做可比的工作（比如长链思维），否则 Jev 完全跳过生成当然快。不过他也补了一句：「我很希望这是真的。」himata4113 抱怨全篇只有「它在工作」的动画，没有任何实际代码。TypeSafe 的人 zenlikethat 回应说他们仓促做了一个 dspy 的 fork，加个装饰器就能在 Signature 上自动用 TypeSafe，可以看到真实用法；snthpy 认为 DSPy 才是正确的对标物，但试用后「很惊讶成本节省比博客宣称的少得多」。
能否用于编程是被问得最多的场景。 vatsachak 提议给它喂 AST。创始人 CompleteSkeptic 亲自回复：编程的难点其实是状态工程（比如把依赖弄进上下文），他们还没试过，理念是「先自动化简单任务再攻难的」，但确实认为潜力很大，想尽快做编程主题的发布。Escapado 的直觉更直接：如果这能跑通他们一定会演示，没演示就说明还没搞定。
分发渠道的讨论很务实。 mushufasa 希望能通过 OpenRouter 或 AWS Bedrock 接入——在隐私和安全审查趋严的当下，为一家新供应商走完整套合规采购流程很难，而一两个数量级的成本节省完全值得中间商抽成。CompleteSkeptic 苦笑回复：「他们不喜欢收录隐形创业公司。」varenc 指出更根本的障碍：TypeSafe 的 API 不符合 OpenAI 式的文本进文本出范式，硬塞进 OpenRouter 会很别扭，但反过来说，TypeSafe 的格式也许会成为这类结构化模型的新标准。
还有一条纯娱乐的支线：dgellow 承认自己花了「不愿说出口的时间」才意识到 Diogo Almeida 不是 Dario Amodei 的恶搞名，引出了一串 Wario Amodei、Cario Amodei 的接龙。jakintosh 说他直到看见演示视频才确信这篇发布不是讽刺文。发布视频里创始人不断换装也让 hunterbrooks 怀疑整段是 AI 生成的，CompleteSkeptic 出面澄清：「绝对不是 AI，那是我真实的衣柜」，至于听起来有点合成味的旁白，是真人配音演员稍微加速后的效果。