typesafe ai正式推出全新transformer架构模型jev，旨在突破大语言模型（llm）依赖文本生成的传统范式，转而聚焦于概率化输出与“校准化决策”，专为软件自动化场景深度优化。该公司的创始人diogo almeida曾任职于openai，是rlhf（基于人类反馈的强化学习）关键技术的核心贡献者之一；他于两年前离开openai并创立typesafe ai，其核心理念是：以自然语言为中心进行模型优化，并不契合程序化、确定性要求高的计算机自动化任务需求。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Jev摒弃了传统LLM的逐词生成机制，不产出任何文本序列，仅返回结构化概率分布，从而彻底规避幻觉风险与冗余解码开销。其服务模式中，输出标记完全免费，输入则按每十亿token计费。实际验证表明：Vercel在将Jev用于CLI命令安全分类任务时，相较原有OpenAI方案，推理速度提升5–18倍，同时分类准确率亦有所上升；Bryo AI的对比测试显示，Jev在准确率上小幅落后于Gemini，但单位成本仅为后者的1/10至1/20。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
除基础分类外，Jev还可支撑多项高价值自动化功能，包括LLM智能体行为监控、提示注入（越狱）实时识别，以及动态模型路由——即依据输入特征低成本、低延迟地判定最优调用模型。TypeSafe AI强调，Jev全程依托纯合成数据完成训练，并采用独创的“校准驱动型强化学习”（Calibration-Aware RL）进行策略优化。目前市场上暂无功能定位高度重合的直接竞品；不过行业观察者普遍认为，随着此类轻量、可校准、面向决策的模型在工程落地中展现出显著性价比优势，相关技术赛道的竞争格局或将加速成型。
