9月22日消息，据雷锋网报道，这几天，全网都被 Jev 刷屏。推特上诸多大佬用它打马里奥，过滤垃圾信息，炒币，称它为“Agent 时代的系统 1”；也有人说这就是一个 JSON 分类器。

Jev 是什么？Jev 是 ChatGPT 早期核心贡献者之一 、RLHF 之父 Diogo Almeida 创立 TypeSafe AI 后，闭关两年的开山之作。它与以往的模型很不同的点是，它不生成文本。

它接收非结构化输入或问题，返回带类型的概率决策，代码可直接依据结果执行动作。简单理解，这是一个“自动判断器”，你给它输入一些内容，它还你一个“决策结果”。它只做三件事，bool、choice、score，bool 是 yes 或者 no 判断，choice 是做选择，score 是打分。

所以，Jev 最大的特点就是“极速”与“极省”。官网介绍，它比普通 LLM 快 20-200 倍，成本低近两个数量级，输出 Token 免费。这种快，来自于新的模型架构、并行采样器以及一种全新训练方法“校准决策强化学习(RLCD)”。

其中，最值得注意的，他现在选择 RLCD，是出于对他当年创造的 RLHF 的反思。当年， GPT-3 还只会文字接龙，RLHF 就是基于人类的反馈诞生的强化学习，它让 AI 的表达与人类偏好对齐，从而催生了 ChatGPT。

但随着 RLHF 被大规模使用，人们发现大模型开始为了讨好人类瞎回答，尤其是面对那些人类都无法理解、无法打分的复杂问题时，RLHF 会“不懂装懂”。

于是，可验证奖励的强化学习（RLVR）诞生了，它基于客观的编译器或数学验算程序的反馈，对就是对，错就是错，直接开启了 OpenAI o1/o3、DeepSeek-R1 为代表的“大模型深度推理时代”。但为了追求“正确”，模型的深度思考，让生成答案变得非常慢、极其消耗算力。但在海量的企业自动化业务中，“毫秒级响应且高准确度”才是真实痛点。

于是，RLCD 诞生了。Diogo Almeida 认为让大模型盲目堆规模和长篇大论打草稿，并不适合高频的工业级决策。RLCD 要做的，就是逼机器输出“认知内的概率答案”，有几成把握说几成把握，绝不瞎编。

所以，Diogo Almeida 表示，在这种训练模式下，Jev不会有幻觉。RLCD 不再是传统 LLM 一个字一个字往外蹦生成模式，通过“并行采样”，在机器内部同时看一堆选项，并在 70ms-500ms 内输出结构化的最终决策。同时，在 System One 这类封闭决策任务上，它可以取得和 GPT-5.6 Terra 相当的表现。