这几天由前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 推出的新模型 Jev 爆火，社交媒体圈全是关于Jev 的报道，但内容基本上千篇一律，都是官方博客内容的简述，虽然能明白大概用途，但没有更直接的例子。刚好接连有几个与 Jev 有关的热门开源项目发布，结合起来更有助于理解 Jev 的价值。
Jev 官方博客介绍：https://typesafe.ai/blog/introducing-system-one-models-and-jev
过去几年，大模型越来越聪明。从 ChatGPT 到 Claude、Gemini，模型开始写代码、操作浏览器、调用工具，甚至可以把一个复杂任务交给 Agent 自己规划执行。
TypeSafe 创始人 Diogo Almeida 在宣布 Jev 时问过一个问题：模型已经会聊天很多年了，自动化到底卡在哪里？
Diogo Almeida 自己的答案是：问题可能不是 AI 不够聪明，而是我们一直在使用一种并不适合自动化的软件接口。
传统 LLM 本质上是一个：输入文本 -> 模型 -> 输出文本
它非常适合聊天、写作和解释问题。
但软件真正需要的往往不是一篇回答，而只是一个可靠的决定，例如：
- 这封邮件是不是垃圾邮件？
- 这个用户有没有流失风险？
- 这笔交易是否异常？
- 这个请求应该路由给哪个部门？
- 网页上的下一步应该点击哪个按钮？
为了这些问题，让一个大模型先生成几十甚至几百个 Token，再解析它的 JSON、验证字段、处理异常。
这种模式看似灵活，实则暴露出了生产环境中的三大痛点：
- 高延迟（Latency）： 逐字生成的自回归（Autoregressive）机制导致动辄几秒甚至更长的等待。
- 格式幻觉（Type Errors / Hallucination）： 即便限制了 JSON Mode，模型仍可能输出不合规的字段或越界枚举。
- 过度自信（Overconfidence）： LLM 极不擅长给出精准的概率评估，很难确定它“什么时候不知道”。
TypeSafe 因此提出了一种新的模型类别：System 1 Models。他们推出的第一个模型，就是 Jev。
System 1 Model 的概念来源于诺贝尔心理学奖获得者丹尼尔·卡尼曼（Daniel Kahneman）的《思考，快与慢》。
卡尼曼将人类思维分为两个系统：
- System 1（系统 1）： 快速、直觉、无意识的即时决策（如：看一眼红绿灯决定走还是停）。
- System 2（系统 2）： 慢速、理性、逻辑推理（如：解一道复数数学题）。
现在的 LLM（尤其是具备思维链 Reasoning 的模型）本质上是在模拟 System 2。然而，在现代软件架构中，大部分智能化需求本质上都是 System 1 决策。
TypeSafe 对 System 1 Model 的核心定义：
放弃非必要的字符串生成能力，将“非结构化的状态（State）”直接映射为“强类型的概率决策（Typed Probabilistic Decisions）”。
传统 LLM 模式：非结构化 State ──> [ 逐 Token 生成文本 ] ──> JSON 解析 ──> 校验类型 ──> 业务逻辑
System 1 模式 (Jev)：非结构化 State + Schema ──> [ 并行采样 (Parallel Pass) ] ──> 强类型决策 + 置信度 (70~500ms)
Jev 的三大核心突破
Jev 作为首个公开的 System 1 模型，带来了几个令人振奋的特性：
1. 并行采样（Parallel Sampling），极致响应速度
Jev 不再逐字吐出 Token，而是在一次网络往返（Single Pass）中并行输出预定义 Schema 内的所有概率。端到端延迟降低至 70ms – 500ms，速度比传统 LLM 快 10 到 100 倍。
2. 架构级“零幻觉”与零类型错误
由于模型输出被直接约束在数学上的强类型 Schema 内，Jev 无法生成任何 Schema 之外的乱码，类型错误率在数学层面上降为了 0%。
3. 精准校准的置信度（RLCD 训练）
Jev 使用了 RLCD（Reinforcement Learning for Calibrated Decisions，校准决策强化学习） 训练方法。与传统的 RLHF 不同，RLCD 专门优化概率预测的校准度（Calibration）。这意味着：如果 Jev 给出 95% 的置信度，它在统计上就有 95% 的概率是正确的。开发者可以据此设置硬性阈值，低置信度的决策自动降级（Fallback）给人工或大模型处理。
Jev 落地范例 Jev Ultrafast 剖析
Jev Ultrafast：https://github.com/browser-use/jev-ultrafast
Jev Ultrafast 由 Browser Use 与 TypeSafe 合作发布，是一个把 Jev 当作决策引擎的浏览器 Agent ，可以作为理解 Jev 的 MVP 范例来研究 。
Jev Ultrafast 完全放弃了截屏和视觉模型，引入了 原子 DOM 映射 + System 1 快速决策架构：
- 直接读取 DOM 结构： Agent 抽取当前页面的可点击元素，构建一个带索引的动作空间表（Indexed Action Space）。
- 将状态传入 Jev： 传入 DOM 状态以及期望完成的目标（例如：“点击提交按钮”）。
- 单次往返输出原子操作： Jev 在几毫秒内同时预测出两个强类型字段（action 与 target_index）。模型完全不需要生成任何坐标或选择器字符串，直接返回精准的目标索引！
这种架构将单个操作的决策延迟降低到了 毫秒级，极大地提高了自动化执行的速度与稳定性，同时 token 成本仅为大模型的零头。
Jev Ultrafast 证明了一种不同于“大模型 Agent”的浏览器自动化路线：不要让 LLM 每一步都重新理解世界和长篇推理，而是把网页压缩成有限、类型安全的动作空间，让 System 1 模型快速做结构化决策，仅在真正需要语言生成时调用 LLM。
System 1 Model 的典型应用场景
System 1 Model 最典型的场景，不是“写一篇文章”或“解决一道复杂数学题”，而是：输入一个复杂状态，快速做一个受约束、可量化、可直接被程序使用的判断。
比较典型的应用包括：
- 风控与反欺诈：判断一笔交易的欺诈概率、账号是否异常、登录行为是否可疑，然后由代码决定放行、二次验证或人工审核。
- 客服工单路由：判断用户意图、紧急程度、情绪风险、所属部门，把工单直接分发给正确队列。
- 销售线索评分：根据公司信息、访问行为、邮件互动等判断 Lead 的成交概率、优先级和下一步动作。
- 用户流失预测：判断某用户是否存在流失风险，并按概率触发优惠、客服介入或挽留流程。
- 内容审核：快速判断垃圾信息、诈骗、骚扰、成人内容、版权风险等类别，再由规则系统决定是否屏蔽、降权或人工复核。
- 搜索与推荐重排：判断多个候选结果与当前用户意图的相关程度，用作 reranking，而不是生成一段解释。
- 广告投放决策：判断一次展示是否值得竞价、用户对某广告的兴趣概率、品牌安全风险等。
- 邮件自动化：判断邮件是账单、投诉、销售询盘、垃圾邮件还是重要客户来信，并决定归档、转发、提醒或回复流程。
- 浏览器 Agent：像 Jev Ultrafast 那样，根据当前 DOM 状态直接决定 CLICK / SELECT / TYPE / SCROLL / DONE 以及目标元素。
- GUI / Computer Use：面对桌面软件界面，快速判断下一步操作对象，而不让大模型每一步都进行长推理。
- 机器人与实时控制：根据传感器和环境状态快速选择有限动作，例如停止、避障、抓取、转向。这里尤其看重低延迟。
- 游戏 AI / NPC 行为：根据战场状态快速判断进攻、防御、撤退、治疗、寻找掩体等动作。
- 供应链异常检测：判断订单、库存、运输状态是否异常，以及应该正常处理、加急还是人工干预。
- 设备故障预警：根据传感器数据和日志判断设备目前属于正常、异常、严重异常或需要检修。
- 网络安全 SOC：面对大量日志和告警，快速判断威胁等级、是否值得升级、应该分配给哪个响应流程。
- 代码仓库自动化：判断 Issue 属于 bug、feature、security、documentation，PR 风险高低，CI 异常是否值得人工介入。
- 文档与数据分类：把合同、发票、简历、报表快速分到固定类别，并判断需要走哪个后续 workflow。
- 金融审批辅助：判断申请属于低风险、中风险、高风险，或者需要补充材料，但最终审批规则仍由确定性程序控制。
- 保险理赔分流：快速判断简单案件可否自动处理、是否存在欺诈迹象、是否需要人工调查。
- 医疗系统中的非诊断型分流：例如根据结构化信息判断消息优先级、应该进入哪个流程。高风险医疗决策本身仍需要更严格的人类与专业系统把关。
双模型协作（Dual-Model Orchestration）：未来的 AI 软件架构
Jev 的出现并不意味着传统 LLM（System 2）会被淘汰，而是预示着混合模型架构时代的到来：
System 1 (Jev)： 负责高频、实时、高可靠性的微观决策（路由、动作选择、分类、过滤、阈值校验）。
System 2 (GPT-5/Claude/DeepSeek)： 负责低频、长链条的复杂推理与自由文本生成（摘要撰写、长文解答、复杂代码编写）。
Jev 现在仍然处于早期阶段，TypeSafe 也明确表示目前正在 Early Access。但 Jev 无疑给整个行业带来了新的思路。