TypeSafe AI 发布非 LLM 决策模型 Jev

1. 11:07
   MarkTechPost

   TypeSafe AI 的 Jev 的 20 个智能体用例解读

   MarkTechPost 整理了 TypeSafe AI 首个 System One 决策模型 Jev 的 20 个智能体用例，涵盖模型路由、工具调用风险把关、重排、引用核验与提示词注入筛查等。

2. 06:33
   @completeskeptic

   Jev 回归开放注册，免费额度暂停

   好消息：任何人都可以注册了 💪 坏消息：我们不得不暂时关闭免费额度（仅针对新用户）——我们真的很想让大家都能体验 jev，但少数不良用户让所有人都很难受 😢 [引用 @typesafeai]：女士们先生们，智能体和助手们， 我们非常激动地宣布 Jev 回来了。 容量已提升，注册已开放！

3. 06:30
   @typesafeai

   Jev 回归并开放注册

   女士们先生们，agents 和 assistants 们， 我们非常激动地宣布 Jev 回来了。 容量已提升，注册现已开放！

4. 03:40
   X：Elvis Saravia (@omarsar0, DAIR.AI)

   Jev 零样本检测对齐失效，AUROC 0.886

   TypeSafe AI 的校准决策模型 Jev 只需一个通用 yes/no 问题，用其概率作为评分，无需额外训练即可区分模型失效与正常回复，中位 AUROC 达 0.886。

5. 01:35
   Hacker News 热门（buzzing.cc 中文翻译）

   Jev 与无法解释的失败的常态化

   作者评论 TypeSafe AI 推出的 AI 模型 Jev，认为其用户不做 evals、把置信度分数当形式或甩锅理由，丢弃了对失败原因的追查。他担忧 LLM 驱动的开发会让"有时就是烂"成为排查的可接受终点，而本可用几条提示词搭建的 eval 反而能解决部分问题。

1. 02:30
   X：OpenRouter (@OpenRouter)

   Jev 成 OpenRouter 分类请求首选

   Jev 正迅速成为 OpenRouter 上分类请求的首选。 它占据了该类别每周请求量的 27%，几乎是此前位居榜首的 DeepSeek V4 Flash 份额的两倍

1. 23:51
   X：Elvis Saravia (@omarsar0, DAIR.AI)

   OpenRouter 推出 Jev Router，为每次 LLM 调用自动选择模型和推理力度

   Jev 现以 typesafe/jev-router 形式打包上线，OpenRouter 会为每个请求自动选择模型和推理力度。作者用 Pi SDK 构建的支持智能体测试，同一 8 个案例对比固定 GPT-6 Sol 基线共 32 次真实调用，两者全部答对，路由成本低一半以上（$0.008 vs $0.018），中位响应时间也更短（1.5s vs 1.9s）。

2. 06:29
   @typesafeai

   OpenRouter 推出 Jev 缓存感知模型路由

   你从未体验过这样的路由方式。 @OpenRouter 将 Jev 带入你所有的 LLM 调用，让你的智能体工作流不再浪费任何一个 token。 一如既往，更快、更便宜、更智能。去构建未来吧。 @OpenRouter：推出 typesafe/jev-router：一个由 Jev 和 @typesafeai 驱动的缓存感知模型路由器。 Jev Router 为每个请求挑选最佳模型和推理强度，在质量、速度和成本之间取得平衡。 以下是它的工作原理 👇🏻

3. 06:21
   X：OpenRouter (@OpenRouter)

   OpenRouter 推出 Jev 缓存感知模型路由器

   介绍 typesafe/jev-router：一个由 Jev 和 @typesafeai 驱动的缓存感知模型路由器 Jev Router 为每个请求挑选最佳模型和推理力度，在质量、速度和成本之间取得平衡。 工作原理如下 👇🏻

4. 03:11
   LangChain：Blog

   LangGraph 如何编排 TypeSafe AI 决策模型 Jev 构建生产级智能体

   LangGraph 可编排 TypeSafe AI 的决策模型 Jev，用于构建更快、更便宜的生产级智能体。该方案展示了 LangGraph 在智能体编排中的实际用法。

1. 00:38
   @typesafeai

   Project Jev 一周省下 50 万

   省下五十万，token 用量翻 100 倍，小意思 💅

2. 00:16
   @completeskeptic

   jev 登顶 OpenRouter 短上下文模型榜

   jev 是 OpenRouter 上 1k-10k 上下文的最强模型！

1. 10:38
   @typesafeai

   JEV 让 LLM 推理实现即时反馈

   JEV 将通用语义推理引入判别式推理范式，实现任意上下文输入、校准结构化决策输出。在 JEV + Perfectly 的示例中，用复杂查询从 500 位 ECCV 2026 研究者的论文中理解 AI 研究者，性能达到 Claude 某模型同等水平。

2. 08:53
   MarkTechPost

   TypeSafe AI 的 System One 模型 Jev 编程指南：类型化决策、置信度与投机式批量提问

   这篇教程演示 TypeSafe AI 的首个 System One 模型 Jev 的用法，该模型不生成文本，而是对程序状态返回 Choice、Score、Noul 三种类型化判断供代码直接分支。

3. 08:00
   HuggingFace Daily Papers（社区热门论文）

   Jev：用 RLCD 训练的单次调用模型零样本检测 AI 对齐失效

   用强化学习校准决策（RLCD）训练的模型 Jev 可在单次调用中对同一输入回答多个带类型的问题并给出校准概率，零样本检测对齐失效的中位 AUROC 达 0.886，在多数基准上超过有监督基线。

4. 07:19
   @typesafeai

   Jev AI 模型引关注

   人人都想知道 Jev 是什么，却没人问 Jev 过得怎么样 https://en.wikipedia.org/wiki/Jev_(AI_model)

5. 04:37
   X：Rohan Paul (@rohanpaul_ai)

   Jev+Treg 打造智能体版 Clay 人物搜索

   Treg 联合 Jev 推出面向 AI 智能体的开源人物搜索工具，可跨 60+ 数据源检索线索，每条线索仅 $0.0089，比 Clay 便宜 85%，并在人物搜索基准上排名第一。Jev 作为决策模型对候选线索按角色、公司等标准打分，返回结构化概率而非生成文本，可插件式接入任意智能体。

1. 22:18
   X：Frank Wang 玉伯 (@lifesinger)

   InstructGPT 前成员 Diogo Almeida 谈离开 OpenAI 与不聊天模型 Jev 的由来

   TypeSafe 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中讲述其离开 OpenAI 的经历，他参与过 InstructGPT 和 RLHF 早期工作，但认为优化方向过度面向人而公司难以转向为代码服务的智能，遂创业开发非聊天的大 型可编程模型 Jev（System One）。

2. 14:32
   X：马东锡 NLP (@dongxi_nlp)

   豆包工作 /plan 与 /goal 功能获好评

   用户用豆包工作的 /plan、/goal 及任务队列功能完成 40 份关于 Jev 的研究文件，并整理成五主题知识库和研究观察站。该用户称这些功能非常好用，并为字节团队点赞。

3. 12:27
   X：马东锡 NLP (@dongxi_nlp)

   用豆包工作研究 Jev：从模型判断到软件决策

   作者用豆包工作的计划模式、目标模式和任务队列完成对 Jev 的研究，产出五主题知识库、24 项声明核查记录和可点回证据的研究观察站。Jev 由 TypeSafe 发布，厂商报告 193.6 倍速度和 444.6 倍成本优势；独立早期测试中 24 份挪威语文档中位延迟 0.32 秒，加入限定词后 ECE 从 0.040 升至 0.116。

4. 08:00
   OpenRouter：Announcements

   TypeSafe 决策模型 Jev 使用教程：用 TypeScript 在 OpenRouter 上实现市场商品审核

   OpenRouter 发布 Jev 使用教程，Jev 是 TypeSafe 推出的决策模型（模型 ID typesafe/jev-1.13），通过 OpenRouter Decisions API 接收 state 和问题，返回带概率的类型化答案而非生成文本。

5. 05:50
   @completeskeptic

   Metaview 全线接入 typesafe 的 jev，搜索提速约 10 倍

   MetaviewAI 上周末将 typesafeai 的 jev 接入其所有 agent，候选人搜索从数分钟缩短到数秒，准确率不变、约快 10 倍，且每次搜索成本明显更低。jev 让团队把智能当作软件来构建：将每个 agent 拆成最小语义单元、逐个查询、自设阈值，并通过新增问题而非修改系统提示词来修 bug。

6. 03:42
   @typesafeai

   Pydantic AI 智能体现已运行于 Jev

   @pydantic 从一开始就是类型安全的！现在由 Jev 驱动你的 Pydantic AI 智能体调用，返回速度比以往更快 ⚡️⚡️ Pydantic AI 智能体现已运行于 Jev，这是来自 @typesafeai 的分类器。 Jev 不生成文本，它回答带类型的问题。所以你已写好的 output_type 就是问题，答案会以你的模型形式返回，每个字段一个置信度。 https://pydantic.io/8iAZ9

7. 00:37
   Hacker News 热门（buzzing.cc 中文翻译）

   分析认为 OpenAI 具备快速跟进 TypeSafe 的 Jev 并将分类能力内嵌进模型的优势

   作者分析 TypeSafe 的 Jev 本质上是基于常规 LLM 的 logprobs 做通用分类，OpenAI 多年来已在工具调用中用单个 token 充当微型分类器，具备快速复制 Jev 并把分类能力折叠进自家模型和智能体的条件。

1. 23:54
   Simon Willison 博客

   Simon Willison 发布 llm-typesafe 0.1a0，为 LLM 插件接入 TypeSafe AI 的 Jev 模型

   Simon Willison 发布 LLM 插件 llm-typesafe 0.1a0，为 TypeSafe AI 的新模型 Jev 提供支持，可通过 `llm install llm-typesafe` 安装并设置 API key。该插件支持 yes/no、choice 和 score 三类提问，例如 noul 问题返回 `{"type": "noul", "noul": 0.99}`。

2. 23:22
   X：OpenRouter (@OpenRouter)

   OpenRouter 用 Jev 自动分类 LLM 请求

   提示：使用 @typesafeai 的 Jev，通过 Classifiers 自动分类你的 LLM 请求：https://openrouter.ai/workspaces/default/classifiers 随后你可以在 Explore 中分析结果：https://openrouter.ai/activity/explore

3. 20:00
   X：OpenRouter (@OpenRouter)

   OpenRouter：Jev 上线带动新用户

   问：哪些模型受 Jev 到来的影响最大？ 答：许多实验室的 flash 版本模型。 另外：OpenRouter 上近一半的 Jev 用户在前一周还没用过任何模型。这次发布激起了足够的兴趣，把他们从场边拉了进来。

4. 14:24
   @completeskeptic

   Jev 因需求激增暂停新用户注册

   AI 产品 Jev 因需求激增已暂停新用户注册，现有用户服务不受影响。官方称此举是为保障现有用户的服务质量，同时让团队得以休息，并将尽快恢复开放注册。

5. 14:19
   @typesafeai

   Jev 因需求激增暂停注册

   我们看到了极其巨大的需求涌入，不得不暂时暂停 Jev 的注册。我们需要确保现有注册用户的服务质量，他们的服务将继续正常运行。我们正在努力尽快让所有人都能开放使用 Jev。谢谢。

6. 09:21
   @typesafeai

   TypeSafe Jev 接入 MotherDuck，文本分类快 50 倍

   TypeSafe 新模型 Jev 以 SQL 函数 prompt_jev() 接入 MotherDuck，文本分类速度提升约 50 倍、成本降至约 1%。10 万行数据仅需 40 秒、花费 $0.50，达到前沿 LLM 准确率，而 LLM 方案耗时 32 分钟、花费 $37。

7. 08:24
   X：洪明 (@hongming731)

   BestBlogs 早报：Jev 决策模型与 Warp 软件工厂

   TypeSafe AI CEO 在 Latent.Space 访谈中介绍 Jev——面向软件控制流的 System One 模型，采用 RLCD（强化学习校准决策）训练，追求概率与实际信息相称，相关方法尚未公开发表。

8. 07:09
   Simon Willison 博客

   Simon Willison 评 TypeSafe AI 新形态决策模型 Jev

   TypeSafe AI 上周发布 Jev，作者称其为 System One 或决策模型：接受文本输入但输出浮点置信分数而非文本，仅按输入计费 $0.042/百万 tokens，低于 GPT-5 Nano 的 $0.05。

9. 04:58
   X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)

   HF 热门榜首开源多语言决策模型

   HF 上排名第一的热门模型是一个开源多语言 system 1 决策模型，就在 Jev 开始走红几天之后。开源 AI 社区太棒了！

10. 04:00
    X：OpenRouter (@OpenRouter)

    OpenRouter 社区 System One 用例评选

    1/ 上周，Jev - @typesafeai 的 System One 模型在 OpenRouter 上线。关注度极高。 我们邀请社区寻找最具创新性的方式，将快速且低成本的决策应用到他们的项目中。 当然，我们得让 Jev 来选出 5 位获奖者。

11. 03:44
    @typesafeai

    Jev 现已上线

    Jev 现已上线：https://console.typesafe.ai

12. 02:33
    X：OpenRouter (@OpenRouter)

    OpenRouter：决策模型市场潜力巨大

    像 Jev 这样的决策模型，其可触达市场可能非常庞大 图表来自 https://openrouter.ai/rankings#task-spend

13. 00:26
    X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)

    HuggingFace 上 300 万个专用模型

    我喜欢 Jev 的一点是：多年来，大型通用模型几乎吸走了 AI 领域所有的氧气。 但在更加专业化和定制化的模型上存在巨大机会，这些模型为特定任务和语言而构建，因此成本低几个数量级、速度更快、优化更好。@huggingface 上公开可用的这类模型有 300 万个。 让我们构建一个更加多元的 AI 生态！

1. 11:16
   X：swyx (@swyx)

   Jev 新模型明日发布

   Jev 明天发布 [引用 @CompleteSkeptic]：在联合发明 ChatGPT 之后，我一直在问自己：为什么超人类水平的聊天模型没有带来 AGI？ 过去两年我一直在 stealth 模式下构建一种新的模型训练方式（RLCD），以及一种新型前沿 AI 模型，今天正式发布：Jev • 快 20-200 倍 • 便宜 40-400 倍（输出 token 免费）• 为决策优化的前沿可组合智能 据我所知，这是通往 AI 驱动的经济革命的最短路径

2. 08:00
   Tomer Tunguz 博客（VC 分析）精选

   Tomer Tunguz 谈 AI 优化 if-then 判断：专用决策器把分类成本降近百倍

   Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。

3. 08:00
   OpenRouter：Announcements

   Jev 与 LLM-as-a-Judge 对比：TypeSafe 决策模型在封闭评分标准下准确率持平、成本降至 1/5

   TypeSafe 决策模型 Jev 在封闭评分标准且证据随请求提供时，准确率与 LLM-as-a-Judge 持平，概率校准更好，成本仅为后者的 1/5、延迟为 1/10。

4. 08:00
   OpenRouter：Announcements精选

   TypeSafe 决策模型 Jev 通过 OpenRouter Decisions API 开放调用

   TypeSafe 的决策模型 Jev 已可通过 OpenRouter Decisions API 调用，模型 ID 为 typesafe/jev-1.13，于 2026 年 9 月 15 日发布早期访问。

5. 06:12
   @completeskeptic

   Jev 面向所有人开放，无需等待名单

   哎呀。以前"快"可是件坏事 💅 Jev 现已面向所有人开放，无需等待名单。 在这里开始使用：https://console.typesafe.ai

6. 05:30
   @typesafeai

   Jev 现已向所有人开放

   Jev 现已向所有人开放。无需等待名单。在此开始使用：https://console.typesafe.ai

1. 09:54
   @typesafeai

   Jev 在 Vercel AI Gateway 限时免费

   免费 [引用 @vercel_dev]：Jev by @typesafeai 在 Vercel AI Gateway 上免费至 9 月 25 日。 免费使用 Gateway 上采用速度最快的模型。 https://vercel.com/ai-gateway/models/jev https://x.com/vercel/status/2101077346203971900?s=20

2. 06:58
   @typesafeai

   Jev 模型每百万输入 token 仅 $0.042

   一旦用了 Jev，就再也回不去了 [引用 @notkevinzhang]：四个词，十八个字母，每百万输入 token 仅 $0.042

3. 06:19
   X：Rohan Paul (@rohanpaul_ai)

   JevBench 发布：面向类型化决策的新基准

   新基准 JevBench 发布，专为输出受限软件决策而非开放式文本的模型设计，紧随 TypeSafe 9 月 15 日发布 Jev——输入应用状态与固定选项，返回带概率的类型化答案。该基准综合智能、校准、速度与成本，用几何平均防止单一维度优势掩盖短板。GPT-5.6 Luna 在难题准确率上明显高于 Jev 1.13.0，但 Jev 因延迟、校准和成本更优而在综合分上领先。

4. 04:47
   X：OpenRouter (@OpenRouter)

   OpenRouter 评测 Jev 决策模型速度

   1/ Jev，由 @typesafeai 推出的决策模型，引发了大量项目和讨论。我们用 Ori Eval 在 OpenRouter 上针对热门 LLM 的评判能力进行了测试。 Jev 比第二快的模型还快 5 倍以上，甚至它最慢的请求也超过了其他所有模型的中位数。

5. 02:41
   MarkTechPost

   TypeSafe AI 发布 System One 模型 Jev，返回带概率的类型化决策而非文本

   TypeSafe AI 发布 Jev，一个基于 Transformer 但不生成文本的 System One 模型，通过 POST https://api.typesafe.ai/v1/systemone 接收状态和类型化问题，返回带概率和置信度的类型化决策，提供 Choice、Score、Noul 三种问题类型。

1. 13:34
   X：马东锡 NLP (@dongxi_nlp)

   Encoder 卷土重来：Jev 要做面向 Agent 的泛化决策模型

   Jev 试图补上 BERT 未走完的路线，保留 GPT 的任务泛化能力，同时重获 encoder 与 classifier 式的决策效率，成为面向 service 和 Agent 的泛化 decision model。

2. 08:00
   OpenRouter：Announcements精选

   OpenRouter 实测 Jev 决策模型对比 LLM，何时该用决策模型替代生成文本

   OpenRouter 发布教程，实测 TypeSafe 的决策模型 Jev 1.13 与 GPT Luna、Claude Opus 在工单分诊和提示词注入筛查上的表现：Jev 每 1000 张工单成本 $0.0248、中位延迟 194ms，准确率与 LLM 相当。

3. 07:52
   @typesafeai

   Jev 上线 Venice API 测试版

   是 Jev，不是 Jev Jev（@typesafeai 出品）现已上线 Venice API，处于测试阶段。 它只回答，不写作。把你的应用状态和带类型的问题发给它，就能拿回一个代码可以分支处理的带类型答案：一个概率、一个选定选项，或按你的评分标准给出的分数。无需从聊天模型里费劲套出 JSON。

4. 07:39
   @typesafeai

   Jev 模型征集社区问题反馈

   告诉我们 Jev 哪里不好！ Jev 并不完美。我们认为它还是太慢、太贵、太笨。我们还有更多招数让它变得更好。但我们需要社区的帮助——请在 Discord 的 model-jaggedness 频道里发布你看到的问题。 也请看看我们已知的 jaggedness 问题：https://docs.typesafe.ai/model-jaggedness/jev-1.13

5. 05:31
   X：OpenRouter (@OpenRouter)

   OpenRouter 介绍决策模型 Jev

   什么是决策模型？ Jev 由 @typesafeai 打造，回答是/否和多项选择题，并给出置信度分数。软件开发的大部分工作是一连串决策，而 Jev 比 LLM 便宜 10 倍、快 10 倍。 让我们通过实际例子来理解：

6. 03:05
   @typesafeai

   TechCrunch 报道新型 AI 模型 Jev

   感谢 @TechCrunch！！！ [引用 @TechCrunch]：Jev，一种新型 AI 模型，正在向开发者展示一条更便宜、更快速的软件智能路径。https://spr.ly/6018BGXyam

7. 02:49
   TechCrunch：AI

   OpenAI前研究员创办的TypeSafe发布非LLM新模型Jev，输出校准概率而非文本

   OpenAI前研究员、RLHF共同发明人Almeida创办的TypeSafe AI发布基于transformer的新模型Jev，它不输出文本而是产生概率形式的校准决策。

1. 13:04
   X：马东锡 NLP (@dongxi_nlp)

   LangChain 用 Jev 增强 harness 做 agent 路由

   LangChain 已利用 Jev 增强其 harness，速度非常快。Jev 适合在既定 harness 中承担分析分类工作，例如 agent 路由、模型路由等"螺丝钉"任务。

2. 08:32
   X：OpenRouter (@OpenRouter)

   Jev 模型上线 OpenRouter 测试版

   由 @typesafeai 开发的 Jev 现已上线 OpenRouter，处于 beta 阶段。 Jev 是一个 System One 模型。它不生成文本，而是接收你的应用状态加上一个带类型的问题，返回一个带类型、附带概率的决策。无需 JSON 提示词、解析层，也没有需要校验的东西。

3. 07:11
   X：karminski (@karminski3)

   Jev 模型：放弃自回归，靠 RLCD 做决策

   Jev 模型放弃传统自回归架构，无法直接输出普通文本，只能按预定义 Schema 做结构化决策输出，例如垃圾短信二分类会返回带概率的 JSON（isSpam true 0.982 / false 0.018）。其真正护城河是 RLCD（校准强化学习），使输出很难出现概率失真，但代价是模型表现刻板、只适合干活。目前仅支持文本输入，复杂场景需把内容转成文本并定义可选动作，模型再自主决策。

4. 06:46
   X：karminski (@karminski3)

   Jev 模型介绍：放弃自回归、只做结构化决策输出

   Jev 模型放弃传统自回归架构，无法直接输出普通文本，只能做决策并输出结构化 JSON，输入时需定义 Schema 并编译为决策槽位，因此输出不会出错。它目前仅支持文本输入，二分类场景可输出如 isSpam 为 true、概率 0.982 的 JSON；复杂场景下定义好可用动作后模型即可自主决策，如玩杀戮尖塔或看盘。

1. 14:49
   IT之家

   OpenAI 前 RLHF 研究者 Diogo Almeida 创办 TypeSafe AI，发布不生成文本的结构化决策模型 Jev

   TypeSafe AI 于 9 月 16 日发布 System One 模型 Jev，不生成文本，仅输出 Choice、Score、Noul 三类结构化决策，输入词元定价每百万 0.042 美元，输出词元免费。

1. 23:19
   The Decoder：AI News

   前 OpenAI 研究员打造 Jev：不做文本生成、只做选项判断的 AI 模型

   初创公司 TypeSafe AI 推出模型 Jev，不生成文本，而是在软件内部输出窄域判断与概率，由开发者预设问题与候选答案、模型为选项打分。TypeSafe 称其响应时间为 70 至 500 毫秒，定价为每百万输入 token 0.042 美元、输出不收费，开发者需通过 waitlist 申请接入。公司宣称 Jev 不会产生幻觉，但该保证仅限输出结构，选项内的事实性错误仍可能出现。

2. 18:48
   Artificial Intelligence News

   ChatGPT 联合发明人创办的 TypeSafe 发布程序化决策模型 Jev

   由 ChatGPT 联合发明人 Diogo Almeida 创办的 TypeSafe 结束隐身模式，发布专用于程序化决策的 System One Model Jev。

3. 16:32
   X：Testing Catalog (@testingcatalog)

   每日AI简报：Gemini 3.8 Live发布，GPT-5.5将下线

   Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，支持 97 种语言自动检测、近实时视觉与后台工具调用，Live 已进入 Search Live 和 Gemini API 公开预览。

4. 05:06
   X：Testing Catalog (@testingcatalog)

   TypeSafe AI 发布首个决策模型 Jev

   TypeSafe AI 推出首个模型 Jev，一款小型可定制的 System One 决策模型，非 LLM，不做推理或解释，而是输出带校准概率和置信分数的快速判断。

5. 04:09
   Hacker News 热门（buzzing.cc 中文翻译）

   Jev：新前沿模型价格低 40-400 倍、速度快 20-200 倍

   typesafe.ai 推出前沿模型 Jev，宣称价格比现有前沿模型低 40-400 倍，速度快 20-200 倍。该消息在 Hacker News 获得 111 点热度，但原文未披露模型参数规模、上下文长度及具体可用方式。

6. 03:39
   X：Rohan Paul (@rohanpaul_ai)

   TypeSafe AI 发布决策模型 Jev，比 LLM 快 20-200 倍

   TypeSafe AI 发布新型 AI 模型 Jev，跳过逐 token 生成，速度比 LLM 快 20-200 倍、成本低 40-400 倍（输出 token 免费），响应时间 70-500ms。

可比范围当前 70·可比范围峰值 90（9月22日 18:00）·近 24 小时可比范围变化 +35%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。