OpenAI 的 Jev 复刻版或可帮助前沿实验室管控其蜂群式智能体

# OpenAI 的 Jev 克隆版或可帮助这家前沿实验室驯服其"蜂群式"智能体 | TechCrunch 来源：https://techcrunch.com/2026/09/30/openais-jev-clone-could-help-the-frontier-lab-stop-its-swarming-agents/ 周二举行的 [OpenAI Dev Day 活动](https://openai.com/index/devday-2026-recap/)上，最引人关注的发布之一，来自 CEO Sam Altman 在演讲中顺带透露的公司全新 "Decisions API"。 该 API 的功能显然与 [Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) 类似——后者是 [TypeSafe AI](https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers/) 本月初发布的一款模型，明确面向软件自动化而设计。Jev 可以理解为一种基于 LLM 构建的超高速分类器：开发者向它提供一组选项，它便以低成本、高速度输出对应的概率。 OpenAI 的 Decisions API 似乎正是同一类产品。在活动上，Altman 将该 API 描述为：为 OpenAI 的 Luna 模型提供一组预定义选项供其选择，例如对图像进行分类的类别，或智能体的不同行为模式。 "通过让模型聚焦于这一选项，我们可以在保持图像理解、广泛语言支持和安全防护等能力的同时，让它变得极其快速，"Altman 说道。 TypeSafe 未回应 TechCrunch 关于这款新产品的提问，但其 CEO Diogoe Almeida——一位前 OpenAI 工程师、强化学习的共同发明者——在 [X 上](https://x.com/CompleteSkeptic/status/2105000685209313736)调侃称"克隆战争"开始了。 他还表示，OpenAI 的关注可能是"一个信号……表明以 System One 兼容的方式构建是未来方向"。（"System One"是 TypeSafe 的术语，指快速、直觉式的思维，与它用来指称深思熟虑式推理的"System 2"相对。） 这里的潜台词是：我们所熟知的 LLM 对很多软件场景来说并不是正确的解法，因为它们相对缓慢且昂贵。开发者一直在用 Jev 来增强 LLM 的能力，并且在这个过程中发现 Jev 的速度更快、成本更低。（[参见](https://x.com/assaf_elovic/status/2104562754774303203)）https://x.com/CompleteSkeptic/status/2105000685209313736/photo/1 Decisions API 与 Jev 究竟有多相似尚不清楚，因为 OpenAI 是以受限预览的形式发布的，而且截至目前，TechCrunch 还没有看到开发者对它进行过完整测试。不过，根据 X 上的讨论来看，[兴趣明显](https://x.com/nikhilmudholkar/status/2105016047275307265)不小。 Decisions API 并不是互联网上唯一类似 Jev 的 API——其他初创公司也在推出类似模型；OpenAI 也不会是最后一家推出此类产品的科技巨头。一个关键问题是：这些决策模型的输出能在多大程度上与现实世界准确对齐（校准）。 Almeida 表示，他公司的护城河在于其为生成具有统计意义的输出而创造的合成数据。 "快速又廉价其实很容易做到，你知道的，"Almeida 上周 [对 TechCrunch 说道](https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers/)。"如果只想要又快又便宜，用骰子就行了，对吧？智能才是难的部分，而我一直追求的北极星，就是不断推动每美元智能含量的帕累托曲线。" 才过了短短几周，现在看来已经很清楚：这类模型前途光明，而一个很可能的应用场景是监控和保护 AI 智能体。在一系列智能体在开放互联网上行为失控的事件之后，OpenAI 推出的新安全措施之一，就是使用一个独立模型来监控不良行为——但"计算成本相当高"。 Shapor Naghibzadeh 是一位资深网络安全专家，也是初创公司 QueryStory 的负责人，他认为像 Jev 这样的模型可以以低得多的成本实现同样的效果。 他为上周末举办的一场[黑客松](https://hackersquad.io/events/jevathon-w-the-ai-collective)搭建了一个[演示](https://share.querystory.ai/jev-sentinel)，利用 Jev 将每一个智能体动作与它被赋予的任务进行比对：阻断高置信度判定为有害的动作，标记其他存疑动作供人工审查，放行其余动作。 理论上，这样的监控本可以阻止 Hugging Face 事件的发生——而且使用 Jev 做这类监控的成本是 2.94 美元，而使用前沿 LLM 则需要 372 美元。 一个关键观察是：Jev 的成本或许低到足以让它运行在每一个智能体动作上，从而为整体智能体可靠性提供一层审查保障。这正是 TypeSafe 一直希望实现的目标——而如今，OpenAI 也看到了它的价值。 *通过文章中的链接购买商品，我们可能会获得少量佣金（[参见](https://techcrunch.com/techcrunch-affiliate-monetization-standards/)）。这不会影响我们的编辑独立性。* Tim Fernholz 是一位报道科技、金融和公共政策的记者。他长期跟踪私人航天产业的崛起，著有《Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race》。此前，他在全球商业新闻网站 Quartz 担任资深记者超过十年，其职业生涯始于华盛顿特区的政治记者。您可以通过发送电子邮件至 [email protected] 或通过 Signal 向 tim_fernholz.21 发送加密消息来联系或核实 Tim 的主动联系。 查看作者简介（[参见](https://techcrunch.com/author/tim-fernholz/)）