大模型写了四年漂亮话，可软件自动化还是没起来——因为"计算机说的是另一种语言"。ChatGPT 的奠基者之一、RLHF 核心作者 Diogo Almeida 离开 OpenAI 创业两年，本周放出一类叫"System One Model"的新模型 Jev：它不生成文字，只输出带置信度的结构化"校准决策"。这像是给行业提了个醒：通往自动化的路，未必只有一条。
它不写文章，它做判断
9 月 18 日，TechCrunch 报道，由 OpenAI 前研究员 Diogo Almeida（RLHF／从人类反馈强化学习的关键贡献者，ChatGPT 背后训练方法之一）创立的 TypeSafe AI，发布首个 System One Model——Jev。
传统 LLM 优化的是"人爱不爱看"，输出一串可能跑偏的文字；Jev 则放弃文本生成，改用 Almeida 称为"校准决策强化学习（RLCD）"的训练法，把模型变成"非结构化状态进、带类型的概率决策出"的函数调用。
图片来源：Pexels
便宜到"不必计费"
好处很硬：输出 token 免费（便宜到不必计费），输入约 $0.042/百万 token；端到端响应 70–500 毫秒，对同级别智能的 System One 类查询比前沿 LLM 快 40–200 倍；每次输出都附带校准过的置信度分数（高置信≈高准确），且因输出结构预先定义，绝不发生类型错误、也"无法幻觉"。
它最适合的是软件里的"智能 if 判断"——分类、路由、打分、抽取、分支，以及给 LLM 智能体做实时守门（验证、打分、检测越狱）。TechCrunch 引述 Vercel 工程师：用 Jev 替换 OpenAI 的 Luna 5.6 做命令安全分类，快 5–18 倍且更准；另一开发者用其分类商务邮件，准确率略逊 Gemini 但便宜 10–20 倍。发布后 API 一度因需求过大宕机。
图片来源：Pexels
为什么这件事值得盯着
Jev 不是要取代聊天机器人，而是把"模型"从"生成内容的演员"还原成"做决策的函数"。当 LLM 的幻觉、成本和延迟成为生产系统的包袱时，一条"不说话、只判断"的旁路，反而可能先把那些高频、低创意的自动化环节吃掉。TypeSafe 官方博客同日确认上述参数与 RLCD 方法，称这是"为自动化从头搭建的新栈"。
图片来源：Pexels
写在最后：关于"模型范式"的思考
过去几年，行业默认"模型 = 会聊天的 LLM"。Jev 的出现说明，自动化真正的瓶颈往往不在"懂多少"，而在"敢不敢让模型替我做判断、且判断可被校验"。当你在设计一个 AI 系统时，不妨把任务拆成两层：需要创造力、需要对话的，交给 LLM；需要稳定、快速、可量化置信度的，交给这类"System One"模型。范式不止一种，工具选对了，系统才稳。
来源：TechCrunch《A new kind of AI model from a ChatGPT inventor is thrilling developers》