Jev模型：给Agent装上"小脑"，专用决策模型开启效率新范式

9月15日TypeSafe发布Jev模型，定位为面向机器结构化决策的专用底层模型。开发者预先定义问题及可选答案空间，Jev基于输入状态直接返回结构化结果及概率分布，可由程序直接调用，减少传统大模型生成文本后再解析、校验的环节。报告指出，低延迟、低成本与高可靠性构成Jev核心竞争力：采用并行推理，端到端响应时间约70-500ms（前沿模型通常3秒以上）；输入Token价格仅0.042美元/1M tokens，输出Token免费；训练采用RLCD（校准决策强化学习）方法，使置信度与实际正确率匹配；官方数据显示其在结构化输出及工具调用场景错误率均为0%，而前沿模型通常在0.5%以上。报告认为Jev能力边界决定其难以替代通用大模型，更适合作为Agent体系中的决策模块，与传统大模型形成互补，充当Agent工作流中的"小脑"。