ChatGPT先驱发布面向程序化逻辑的Jev模型

由ChatGPT联合发明者创立的TypeSafe今日正式推出Jev模型，采用并行采样架构实现程序决策自动化。该模型专为执行结构化概率决策设计，可直接嵌入生产代码库，避免传统对话式语言模型的语法错误与输出幻觉。

Jev基于校准决策强化学习（RLCD）训练，不同于传统模型通过RLHF或RLVR满足人类对话偏好，它专注于生成执行逻辑的校准概率，确保置信度与输出准确性直接相关。其硬件感知并行采样器摒弃自回归文本生成，一次性输出所有结构化值，限制输出至预定义模式，无需传统LLM部署所需的解析管道。

性能测试显示，Jev响应延迟70-500毫秒，远低于对话式模型的3-329秒，多步骤决策速度较GPT-6 Astra等基准快193.6倍，每百万输入令牌成本仅0.042美元，为传统模型的1/5至1/200。

实际测试中，Jev在Doom游戏状态和Wiki百科导航中展现高效决策能力，实时响应速度达每秒10次查询，每小时成本约7美元，适用于实时特征提取、海量数据流程等场景。

TypeSafe已开放早期开发者访问，工程团队可通过等待名单加入测试。