— Blog · 笔记

不写文字的 AI，Jev

Jev picks one of your predefined answers and attaches a probability instead of writing text; a week of outside measurements shows where that is fast and cheap, and where it is not good enough.

#ai #games

TL;DR · English

TypeSafe AI released Jev in early access on 15 September 2026 with $40M in seed funding led by DCVC; it returns typed decisions with probabilities instead of text, at $0.042 per million input tokens with free output. Its "cannot hallucinate" claim only guarantees the answer's shape, and the game demos (Doom, Minecraft, a drone simulator, a flight search) all read game state written as text, with builder-reported numbers that nobody has reproduced. Independent tests found it level with small OpenAI models on short-text classification at a fraction of the cost, but weak on long documents, arithmetic and multi-step problems, and trustworthy mainly at its confident extremes. For a small game studio it looks like a fast gate inside a loop, not a replacement for rules or reasoning models, and TypeSafe itself says Korean is handled "not equally well".

2026 年 9 月 15 日发布的 Jev，是一个一行文字都不写的 AI 模型。它只从你事先定好的选项里挑一个，再附上一个概率，所以又快又便宜。它玩游戏的演示引来了一片关注，但一周里积累起来的外部测量，已经能看清它做得好的事和做不好的事。

我们做游戏。所以“AI 玩 Doom”的视频传开时，我们最先想知道的是：这个速度和价格，真能在游戏里用吗？我们把一周的材料收了收，整理成这篇。

发布了什么

事实 旧金山的 TypeSafe AI 在 2026 年 9 月 15 日以抢先体验的方式发布了首个模型 Jev。同一天，它带着 DCVC 领投的 4000 万美元种子轮融资走出隐身状态（TypeSafe 发布文章，2026 年 9 月 22 日查阅）。等候名单在 2026 年 9 月 20 日（UTC）由官方账号的公告取消。

事实 公司把创始人迪奥戈·阿尔梅达（Diogo Almeida）介绍为“ChatGPT 的共同发明人”。能核实的是，他在 OpenAI 2022 年的 InstructGPT 论文里是 20 位作者中的第四位（arXiv 2203.02155）。他本人的说法要保守些：在自己的文章里，他写的是“参与了”指令遵循方法的构建。

名字来自两处。一是卡尼曼的“系统 1”，指快速、直觉的思考；二是杰文斯悖论——效率越高，消耗越多。公司把 Jev 称作一个新类别：“System One 模型”。

它怎么工作

事实 一次请求里要送上写成文本或 JSON 的情境（state），再加一个答案形态已经事先定好的问题。问题有三种：从选项里挑一个、打分、是或否。回来的只有选中的答案和一个概率，没有句子（TypeSafe 文档，2026 年 9 月 22 日查阅）。

事实 价格是每 100 万输入 token 0.042 美元，输出免费。输入只收文本，图像、语音、视频还不支持。一次请求最多 64,000 个 token，其中情境加最长的那个问题合起来最多 32,000 个（模型文档，2026 年 9 月 22 日查阅）。

事实 速度的说法各个渠道不一样。发布文章说比现有模型快 40 到 200 倍，响应 70 到 500 毫秒；主页说快 193.6 倍、便宜 444.6 倍；新闻稿说最多 100 倍。公司自己也写了，主页的数字出自自家评测，大概是“实际收益的高端”（发布文章，2026 年 9 月 22 日查阅）。

“没有幻觉”是什么意思

这是发布时最大的争论点。先说结论：它只保证答案的形态。

事实 公司的常见问题页写着，Jev“保证答案的形态，但不保证每一次判断都正确”。给它一份选项列表，它编不出列表之外的答案，但可以挑错（TypeSafe 主页，2026 年 9 月 22 日查阅）。CEO 也在 Hacker News 上承认，它“可以很自信地出错”。

事实 开发者阿明·罗纳赫（Armin Ronacher）对 TechCrunch 说，这个模型“把幻觉问题往用户那边推了一点”。意思是，概率 50% 时怎么办、95% 时怎么办，要由调用的一方来定（TechCrunch，2026 年 9 月 18 日）。

游戏演示展示了什么

传开的视频大多是游戏。它们有一个共同点。模型没有看画面。是有人把游戏状态写成文本喂进去的。

  • 事实 Doom 是 TypeSafe 自己做的演示。它把游戏状态当作文本数据收下，每秒判断十次左右，按公司自己的算法每小时约 7 美元。公司自己写道，“一个不是 AI 的脚本机器人可能做得更好”（发布文章）。
  • 事实 Minecraft 由外部开发者制作。用 338 个方块立起一面加拿大国旗，在 16 分 31 秒里做了 2,266 次判断；更早一次运行里测到的请求往返平均 128 毫秒。他自己写道，这是一次成功，不是可以重复的证据（仓库，2026 年 9 月 22 日查阅）。
  • 事实 无人机模拟器里，摄像头画面由普通的视觉代码转成 JSON，安全反应由另一段代码每秒单独处理 50 次。Jev 只负责每秒选 2.5 次方向：65 秒里调用 80 次，中位数 0.11 秒——同样只是一次运行（仓库，2026 年 9 月 22 日查阅）。
  • 事实 网页代理公司 Browser Use 用 7.1 秒、0.0039 美元跑完了一次谷歌机票搜索。它没有走到下单那一步，并说这个数字来自把同一个任务跑了三次（仓库，2026 年 9 月 22 日查阅）。

事实 一份收集了发布后四天里 12,759 条推文的分析中，用户自己报告的提速中位数是 7 倍，和主页的 193.6 倍有距离（OpenChamber，2026 年 9 月 22 日查阅）。游戏演示里，有第三方复现并给出自己结果的，我们还没找到。

外面测出的结果

事实 最详细的结果来自开发者阿曼·库马尔（Aman Kumar），他大约调用了 1.6 万次。在短文本分类上，四个公开数据集里有三个与 OpenAI 的小模型持平或更好，成本低 5 到 56 倍。在分成 77 类的银行咨询分类上，它以 76.0% 落败。要读完整篇文档的活儿，它不如他现在用的小模型，改提示词也没有变好（他的测量文章，2026 年 9 月 18 日）。

事实 他最后定下的用法是这样：概率在 0.9 以上的答案，在公开数据集上约有 96% 是对的，中间区间则接近掷硬币。所以两端可以信，中间交给能认真读文档的模型。另外，一次送 100 条时，千次里有几次要花 10 到 35 秒（同一篇文章）。

事实 就算在公司自己的评测里，Jev 的准确率也不是第一。四种工作流平均 67.8%，低于最准的模型的 74.1%。作为交换，它每条 0.0004 美元、0.4 秒，比那个模型的 0.0836 美元和 23.3 秒便宜得多、也快得多（TypeSafe 评测页，2026 年 9 月 22 日查阅）。公司自己的文档也把弱项直接写了下来：计算和计数、比较日期、要跨好几个步骤的推理、塞满无关内容的长输入，以及混进输入里的攻击性措辞（弱项文档，2026 年 9 月 17 日修订版）。

事实 Hacker News 上的发布文章拿到 1,941 分和 509 条评论（2026 年 9 月 21 日 16:50 UTC，Hacker News）。反应分得很开：没有公开架构、没有附上公开基准测试，后面还跟着一连串用开源模仿它的项目。

一家小游戏工作室看到的位置

从这里开始是我们自己的想法。Jev 不是替你设计游戏的工具，它更像一个零件：接下情境，快速挑出“现在这些里该做哪个”。这样看，游戏这边能想到几个位置。

  • 游戏循环里的短判断。 NPC 是逃还是打、捡哪个道具，这类选项已经定好的决定。不过正如 Doom 演示所示，把游戏状态写成文本是我们的活，而且脚本做得更好的地方也不少。
  • 自动化试玩测试。让按按钮的机器人便宜地多跑几百局。它玩得不会有人好，但要找出玩家卡住的地方，局数才是关键。
  • 短文本判定。比如过滤排行榜昵称这样的是非题。按阿曼·库马尔的建议，只把有把握的一端自动处理，其余交给别的办法，看起来是对的。

让我们在意的地方也很清楚。公司的文档写着，包括韩语在内的中日韩文字“能处理，但不是同样好”，而用韩语测出的结果我们还没找到。服务器在美国西海岸，从韩国调用会比公布的延迟更慢。权重没有公开，默认版本名会在新模型出来时悄悄换掉。免费的输出价格能撑多久，公司自己也写了“需要长期证明”。

所以我们的结论是：当作快速的直觉可以用，把整个判断交给它还太早。规则能做的事交给规则，要长时间想的事交给会思考的模型。夹在中间那些又短又频繁的选择，才是 Jev 的位置。