TypeSafe AI发布AI模型Jev。与生成文本不同，该模型专注于决策。与传统大语言模型相比，其幻觉率显著降低，且输出成本极低。

# TypeSafe AI 推出专为机器设计的《毁灭战士》游玩模型 来源：https://www.theregister.com/ai-and-ml/2026/09/16/typesafe-ai-debuts-model-for-machines-that-plays-doom/5296711 人工智能与机器学习 “Jev”不对话，而是输出带类型的概率决策 获得4000万美元资助的初创公司TypeSafe AI于周二宣布成为前沿模型制造商，并发布了Jev——一种旨在与机器而非人类交互的新型人工智能模型。 与根据文本提示返回自然语言的模式不同，TypeSafe AI将Jev设计为返回带类型的概率决策，供其他软件或人工智能模型使用。 编程中的类型安全是一种捕获错误的方法，当软件处理非预期类型的数据时（例如一个运算试图用整数除以文本字符串）就会产生此类错误。通过提供带类型、结构化的值，Jev可以避免处理大型语言模型文本响应时必须进行的解析和验证。 这种方法适用于与人工智能系统的交互被限制在有限答案集中的场景。例如，在获得描述玩家游戏状态的结构化数据后，它就能玩《毁灭战士》。但它更可能用于分类客服问题及其他业务工作流程。 深色软件仪表板显示着《毁灭战士》游戏窗口、代码面板和连接的流程图。 Jev 在玩《毁灭战士》。 使用 Jev 时，开发者从一个状态值开始，这可以是 JSON 对象或简单的字符串（如“我的卡片被重复扣款了”）。模型通过一组问题原语（Choice (https://docs.typesafe.ai/primitives/choice)、Score (https://docs.typesafe.ai/primitives/score)、Noul (https://docs.typesafe.ai/primitives/noul)）接收状态信息，每个原语返回不同类型的带概率的结构化响应。 因此，一个要求模型选择三个部门中哪一个来处理特定客户查询的问题可能会返回：{"billing": 0.08, "technical": 0.85, "sales": 0.07}，置信度评分为 0.82。 这对于寻求问题答案的人来说用处不大，但对软件开发者而言，这可能正是让特定客服功能运行更可靠所需的东西。 Jev 是一个系统一模型，它依赖于一种名为“用于校准决策的强化学习”的不同架构。TypeSafe AI 的联合创始人兼首席执行官 Diogo Almeida 是前 OpenAI 研究员，也是强化学习人类反馈和 ChatGPT 的共同发明者之一。 “TypeSafe 创立的目的是为人工智能研究探索一条不同的道路，专注于机器原生人工智能，”Almeida 在一份声明中表示。“我花了数年时间研究旨在让人工智能更好地与人类交互的模型。但如果人工智能将从根本上改变工作方式，那么人类就不能成为智能的唯一使用者。” 虽然像 ChatGPT 或 Claude 这样的自然语言响应可以被包装在其他代码中以产生一组受限的响应，但 Jev 的吸引力在于其效率。 TypeSafe 声称，大型语言模型的响应时间通常不稳定，可能长达数分钟。而 Jev 的响应时间据说在 70ms-500ms 之间，比传统大型语言模型快 40-200 倍。 该模型通过并行处理实现了这一速度。像 OpenAI 的 GPT-5.6 Terra 这样的大型语言模型会预测序列中的下一个文本标记，因此是顺序操作。系统一架构一次性返回查询的所有输出。 TypeSafe 网站上发布的演示显示，Jev 在 0.114 秒内返回了响应，而 OpenAI 的 GPT-5.6 Terra 则需要 8.566 秒。 其次是成本问题。Jev 的输入费用为每百万标记 0.042 美元，输出费用为 0 美元。OpenAI GPT-5.6 Terra 的输入成本为每百万标记 2.00 美元，输出成本为 12 美元。与顶级模型 Fable 5.1 相比，Jev 的成本降低了 238 倍。 “Jev”这个名字引用了 19 世纪英国经济学家威廉·斯坦利·杰文斯，他以杰文斯悖论闻名，该悖论认为与煤炭使用相关的技术效率提高了煤炭消耗，而不是减少了消耗。这个名字也反映了人工智能行业的押注：更高的标记效率将增加标记消耗，即使标记价格下降。 这一押注假设标记市场将像能源市场一样广泛——鉴于许多接触过人工智能工具的人根本没有使用需求，或者出于道德原因而避免使用人工智能工具，这一假设尚未最终确定。 TypeSafe 声称 Jev 没有幻觉，这其实不太公平，因为它的输出不是自然语言。Jev 返回的是带概率的结构化响应，这并不排除出错的可能性。TypeSafe 的模型不会像捏造法律引文那样成为虚假信息的来源，但也不会以同样的方式使用，因为其响应旨在供软件消费。 这在处理人工智能代理工具调用和自动化时变得尤为重要。 “在代理中，一个产生幻觉的工具调用只是不便，但如果它是一个具有延迟保证的系统的一部分，或者深埋在依赖链的数层深处，那将是绝对致命的，”该公司在其博文中声称。“现有的模型，无论多么智能，仍然会产生幻觉并存在类型错误。” TypeSafe 声称，Jev 非常适合人工智能自动化软件、需要快速决策的实时应用程序、用于对大量数据进行分类的人工智能映射归约工作、人工智能输入验证以及人工智能模型测试工具。 如果它能像宣传中那样出色且高效地玩《毁灭战士》，那么用户要求 Jev 做出无人机瞄准决策的日子可能也不远了。®