Jev 推出一种新的 LLM 形态 - System One，又名 Decision Models

判断

做风控、垃圾过滤或检索重排的团队，可以先把 Jev 放进影子评测，但别让它单独拍板；它省掉输出计费，代价是把可解释性也省掉了，出错时没有理由可查。

依据

Simon Willison 引述 TypeSafe AI 的 Jev：它把文本输入映射成带置信度的浮点决策输出，而不是文本。TypeSafe 称其为“frontier-intelligence function call”（前沿智能函数调用），即“非结构化状态进，带类型的概率决策出”。机制上，Jev 只按输入 token（文本计量单位）收费、输出免费，首模型输入价 $0.042/百万 tokens，低于 OpenAI GPT-5 Nano 的 $0.05/百万；同一文档可并行多问。但其 1.13 jaggedness 文档承认对数字、日期和对抗内容不强。Willison 还指出它更黑箱：只回浮点数，若判垃圾邮件也无法知道哪个信号触发，用于招聘排序会掩盖偏差。取舍是：高吞吐、低单次错误代价的分类可先做影子评测；需要申诉、审计或解释的决策不应让它单独拍板。