上周 Type Safe AI 推出了 Jev，这是他们首个名为“System One 模型”（也称为“决策模型”）的新类别模型示例。Jev 是一种 LLM 变体，接受文本输入，但为类别、是/否问题、评分和置信度分数返回浮点数。Type Safe 将 Jev 描述为“前沿智能函数调用：非结构化状态输入，类型化概率决策输出”。它速度快且成本低，仅按输入 token 收费，每百万 token 0.042 美元——比 OpenAI 的 GPT-5 Nano 每百万 0.05 美元更便宜。Jev 允许用户通过组装状态对象并将其发送到 API，并行评估多个问题，来询问关于文本或半结构化数据的问题。该模型支持三种问题类型：Noul（是/否置信度分数 0-1）、带概率分布的选择题、以及带数值范围的评分题。这种方法非常适合垃圾邮件检测、标注和搜索重排序等分类任务。然而，Jev 代表了向黑箱系统的倒退——它不提供决策解释，引发了对隐藏偏见的担忧，特别是在招聘等敏感应用中。鉴于模型的不透明性，广泛的评估至关重要。