Story

编者按：本文来自微信公众号 “融中财经”（ID：thecapital），作者：王涛，编辑：吾人，创业邦经授权转载。

九月的AI圈本来就不缺热闹，几家大厂的新模型轮番登场，按往年惯例，话题中心应该在它们身上。可过去一周，开发者在X、GitHub和各种技术群里刷屏讨论的，却是一个连完整句子都不肯说的模型。

它叫Jev，9月15日才发布，上线没几天，官方接口就被蜂拥而至的开发者挤到无法调用。到了9月21日，公司索性撤掉候补名单向所有人开放，每个注册用户送5美元额度，折合约1.2亿Token。一个新模型用这种方式“泄洪”，今年并不多见。

做出Jev的公司叫TypeSafe AI，总部在旧金山。公司隐身两年，露面时带着两样东西，一个是模型，另一个是DCVC领投的4000万美元种子轮，约合人民币2.8亿元。Forbes援引一位知情人士的说法，这一轮估值为2亿美元，也就是14亿元上下。

更让人好奇的是创始人Diogo Almeida。他在OpenAI待了四年，参与过RLHF、InstructGPT、ChatGPT和GPT-4的研发。RLHF即基于人类反馈的强化学习，ChatGPT能听懂指令、说话得体，这项技术功不可没。换句话说，他是当年教会大模型“说人话”的那批人之一。离开OpenAI之后，他做出来的东西恰好反了过来。

一个“哑巴”模型，被玩疯了

用过大模型做分类的人，多半有过这种烦恼。只想让它判断一封邮件急不急，回个“是”或“否”就够了，它偏要先铺一段分析，又慢又费Token。Jev的办法简单粗暴，干脆不让模型开口。它读进去的是杂乱的状态信息，吐出来的是开发者预先定义好类型的决策，每个答案都附带一个经过校准的概率。TypeSafe给它起了个名目，叫System One决策模型，典故来自《思考，快与慢》里的“快思考”。人扫一眼就能拍板的事，交给它。

Almeida在一档播客里解释过这套设计。Jev只有三种输出：Choice在给定选项里挑一个，Score用来排序或和阈值比大小，Noul回答是非题，但返回的是概率，由程序决定要不要走进某个分支。说白了，它是写给代码看的。

速度和价格是它出圈的直接原因。官方给出的端到端延迟为70～500毫秒之间，相比于前沿的大模型要快40至200倍之多，每百万个token收费为0.042美元，而输出是免费的。

TypeSafe也曾公布过更加夸张的数据，在自家的工作流程测试中，一些任务最快可以提高193.6倍的速度，最慢也可以降低444.6倍的价格，但是这些数据都是公司在自己做的测试里得到的，并没有经过独立实验室的验证。

公司也会提示实际的表现会根据任务以及比较的方式有所不同。第三方的数据要谨慎一些，在经过独立测试之后发现，它在分类一致率上和DeepSeekV4.1 Flash差不多，中位延迟为0.32秒。即使打折，这个价格也足以让人心动了，有的文章甚至把它的价格比作AI界里的“蜜雪冰城”。

真正把热度提上去的是开发者各种各样的玩法。官方先打出一个样来，让Jev玩初代《毁灭战士》游戏，在每一秒钟里都会做出大约十次的选择来控制角色行走、躲避敌人以及射击等动作，并且连续跑了一个小时大概花费了七美元。

Browser Use团队把该内容接入到了浏览器自动化中，在打开网页、刷出苏黎世飞往伦敦的航班的过程中，整个过程只需要7.1秒，并且花费了0.0039美元。实时通信公司Ably做了一个更加直观的比较，在几分钟之内，Jev做出了47次决策，Gemini和Claude、GPT等也只做了一两次。中文开发者的脚步也没有停歇，在使用大模型出牌的时候明显出现了卡顿的情况，而换上Jev之后单次决策只需要0.7秒的时间，出牌动画还没有播放完毕，下一回合就已经被打发出去了。上述情况都需要快速、密集地做出决策，但是每一个决策本身都不算难。

游戏本身是热闹的，而商业上所做的动作则更能说明问题。Vercel第一时间内把AI网关接入到了Jev中，开发者用它来做大模型的裁判，在几十毫秒之内就完成了对大模型行为是否合法、是否有事实依据进行审核，并且给出了事实一致性的评分结果。当把东西便宜到可以忽略不计的时候，以前那些计算不出来的事情，忽然之间就计算出来了。

ChatGPT的功臣，反手泼了盆冷水

Almeida的履历在圈内很有分量。OpenAI在GPT-4的贡献者名单里，把他列在“基础RLHF与InstructGPT工作”一栏。他在OpenAI花了四年打磨ChatGPT的回答，2024年离开，着手训练一种新的基础模型。另外两位联合创始人里，COO Sasha Sheng此前是Meta和FAIR的研究工程师，Erik Gafni出任CTO。三个人闷头干了两年，外界几乎没听过这家公司的名字。

按常理，这样的人出来创业，多半会做一个更会聊天的模型。Almeida偏偏反着来，他批评的正是自己亲手参与打造的那套方法。

他的逻辑并不绕。RLHF的做法是收集人的偏好再照着优化，等于把人直接放进了训练回路，目标是让人满意，而不是让软件自主运转。他对Forbes说得更直白，行业一直在为人做优化，模型讨好人的本事已经超过了人。他在演讲里讲过一个段子，有人给ChatGPT发了一段放屁音效，请它诚实评价自己“创作”的这首音乐，ChatGPT回答说，这营造出一种很诡异的氛围。人在旁边盯着的时候，这种圆滑无伤大雅。可如果要让软件在后台无人值守地跑，一个明明错了却总想显得自己没错的模型，就成了大麻烦。

所以他敢放话，下一个时代不会是Claude Code的时代，他说自己也爱用Claude Code，但它仍属于“辅助时代”，底子里靠的还是RLHF。这话从ChatGPT的缔造者之一嘴里说出来，多少带点反讽。

投资人买的，很大程度上就是这个判断和说出这个判断的人。美国投资人Trace Cohen的点评很有代表性，在他看来，给一家尚未交付产品的公司开出4000万美元种子轮，押的就是背景，赌的是团队而不是产品。从OpenAI出走的研究员一向是硅谷最抢手的创业者，这类估值逻辑早已见怪不怪。有意思的是，TypeSafe自己在上线前对产品也没什么底。

Almeida后来在播客里回忆，上线前反馈相当糟糕，非技术同事担心他们卖的是“维生素”而不是“止痛药”，公司几乎没有收入，一半以上的测试者没看懂，看懂的人第一反应是问采购审批怎么过。他自己也很害怕，于是拼命推动尽快上线。

上线后的局面，他恐怕也没料到。提高调用上限的申请从各处涌来，按他在播客中的说法，日调用量已超过一万亿Token，深夜也在持续调用，说明是程序在后台运行，而不是人来尝个鲜就走。这个数字目前只有创始人一方的说法，但深夜调用这个细节，确实比注册人数更能说明产品是否被真正用了起来。

名字也有讲究。Jev取自经济学家William Stanley Jevons，即提出杰文斯悖论的那位学者。19世纪蒸汽机越来越省煤，英国的煤炭消耗反倒越烧越多。这个名字的用意不难猜。

“智能大拆分”，动了谁的奶酪

Foundation Capital合伙人Jaya Gupta写过一篇长文，给Jev的走红找了个更大的背景，她称之为“智能大拆分”。她的观察是，过去三年大模型的奇迹在于“打包”，信息抽取、搜索、排序、判断、选工具、写回复乃至高难度推理，都交给同一个足够聪明的模型。开发者省了事，代价却被藏了起来。Agent会把人的一个目标拆成成百上千次机器决策，每一步在成本和延迟上的细微差异层层累积，最终决定整个产品的经济模型。她把其中的浪费叫作“解码税”：软件明明只需要一个“放行”或“拦截”，大模型却要先生成一段文字，程序再把文字翻译回决策。

这笔账最终要算到大模型公司头上。Gupta在文中提到，据报道Anthropic的毛利率超过80%，一个简单的分类任务，只因发生在Claude的调用里，就得按前沿模型的价码付费。

她的推演是，便宜、可预测的高频操作会被逐步分流，留给前沿模型的是更模糊、周期更长、更难验证的问题，每次调用也许更值钱，但被调用的次数会变少。应用层的活儿也跟着变了，要把任务拆开，给每一步买够用且最便宜的智能。过去一套系统也许只抽查1%的行为，判断足够便宜之后，就有机会全部检查一遍，客服对话、交易记录、合同条款都能逐条过。Almeida看中的场景也在这条线上，比如大公司囤积多年、却因为调用大模型太贵而从没分析过的“暗数据”。他举过保险核保的例子，模型读完材料，直接给出某处房产发生过火灾的可能性有多大。

故事讲得漂亮，护城河的问题却几乎同步摆上了桌面。Jev发布后短短两天，GitHub上就冒出了至少六个复刻项目，有人拿Qwen的小模型在笔记本上训练不到两小时，就做出了接口相同的决策模型。

这些复刻不少是冲着“平替”去的。涨得最快的Laya，5天就拿下1.8万个Star。Jared Palmer做的Kev基于Qwen3.5，与TypeSafe官方SDK完全兼容，业务代码不用改，换个请求地址就能切到本地；Bespoke Labs的Nimble基于Qwen3.5-9B，测试准确率90.1%，接近Jev官方公布的93.2%。热闹之下，阿里通义千问在这轮复刻潮里意外当了一回“底座”。复刻品也有短板，有评测认为，面对任意提问和几十个长选项的场景，眼下还得用Jev。

Jev自身的局限同样明显。它是闭源API，模型拿不到手，数据也要传到TypeSafe的服务器上，这对不少企业客户是道门槛。官方所说的“不会幻觉”也要打个折扣，它保证的只是答案不会跑出开发者定义的格式，而不是答案一定正确。

Almeida倒不回避这些。他承认校准并不完美，模型会犯很多错，但只要收益足够高、阈值设得合适，照样可以投入使用。有主持人试用后发现，单步判断很强，步骤一多效果就逐渐下滑，他的回应是，哪些任务适合交给System 1，最终要看实际效果。外部压力也摆在那里，大厂还在持续压低推理成本、提升速度，TypeSafe宣称的优势能守多久，要经过市场检验。

过去几年，大家比的是谁的模型更会想。Jev这一周的热闹，让行业第一次认真坐下来算另一笔账：想一次，到底要花多少钱。

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系[email protected]。