TypeSafe AI 推出了首款被稱為「System One」或「決策模型」的 Jev。與傳統大型語言模型輸出文字不同，Jev 接受文字輸入後，直接回傳對應類別、是非題或評分的浮點數及信心分數。該模型僅對輸入 token 收費，每百萬 token 價格為 0.042 美元，比傳統大型語言模型更便宜且快速。

Jev 支援三種問題類型：Noul（是非題）、Choice（選擇題）和 Score（評分題），並在上下文視窗內平行評估。這為垃圾郵件偵測和搜尋重新排序等任務提供了高效替代方案。然而，根據文件指出，Jev 目前在處理數字、日期及對抗性內容方面表現較弱。

事件背景

傳統大型語言模型（LLM）通常逐個 token 生成文字，導致計算成本高且速度較慢。決策模型則將輸入視為狀態，直接輸出固定的機率分類結果。這種方式類似傳統機器學習分類器，但具備神經網路的語義理解能力，代表了從生成式文字到機率分類的新範式轉移。

社群觀察

社群反應兩極。部分開發者認為 Jev 是特定分類任務的實用工具。然而，也有批評者質疑其相對於免費本地替代方案缺乏競爭優勢，並指出由於 OpenAI 專注於推理模型，可能不會採用這種非推理架構。