ChatGPT 背後功臣：Almeida 推出 AI 模型 Jev，不生成文本、輸出免費

作者：故淵 責編：故淵 評論： 9 月 17 日消息，TypeSafe AI 昨日（9 月 16 日）發佈公告，宣佈推出 Jev，該 AI 模型定位為“System One Model”（系統一模型），不生成文本，直接返回結構化決策，其成本和延遲遠低於大型語言模型。查詢公開資料，TypeSafe AI 由 Diogo Almeida 成立，他曾在 OpenAI 工作，是 RLHF 研究的幕後功臣之一，而該研究催生了 ChatGPT。該公司成立於 2 年前，本週宣佈結束隱身狀態，宣佈完成由 DCVC 領投的 4,000 萬美元（注：現匯率約合 2.69 億元人民幣）種子輪融資。

該公司將 Jev 定義為“System One Model”（系統一模型），對應快速、低延遲的重複決策場景。該定義借用心理學中的“系統 1”概念，指快速、直覺式判斷。該類模型面向固定選項、連續評分或是非概率等重複決策任務，不以生成自然語言文本、代碼或多輪對話為主要輸出形式。Jev 不生成自然語言字符串或代碼。其輸出包括 3 類固定原語：Choice（選擇），Jev 提供的結構化輸出原語之一。模型從預先定義的選項集合中選擇 1 項，最多支持 255 個選項，並返回各選項的概率分佈或對應置信度。Score（評分）：模型根據輸入內容，在指定數值範圍內給出評分，並附帶置信度信息。

文中以 0 至 1 範圍內的客戶流失風險評分作為示例，其適用場景包括風險分級、記錄排序和批量數據標註。Noul（布爾概率），模型針對預設問題返回校準的是或否概率及置信度，可用於對其他模型的結果執行二次驗證、識別低置信度結論，以及在自動化工作流中設置條件分支。在底層訓練方式上，官方稱 3 採用“校準決策強化學習”（RLCD），目標是優化模型置信度與實際正確率的對應關係，例如模型在多個預測中給出 70% 置信度時，理論上約 70% 的相關預測應當正確，可用於風險評分、審核分流與模型輸出驗證。

該公司聲稱，在同類結構化任務上，Jev 比前沿大語言模型快 20 至 200 倍，成本低至 40 至 400 分之一。輸入詞元（Token）定價為每百萬個 0.042 美元（現匯率約合 0.28 元人民幣），而由於根本不存在自迴歸生成過程，輸出詞元實際上免費。TypeSafe 公佈的基準測試數據顯示，速度最高提升 193.6 倍，成本最高降低 444.6 倍，但同時承認這些數字代表實際性能的上限。為展示實時決策能力，該公司發佈了一段 Jev 玩《毀滅戰士》的視頻，其調用頻率約為每秒 10 次，每小時遊戲費用約為 7 美元（現匯率約合 47.1 元人民幣）。

在一項維基百科鏈接導航基準測試中，Jev 完成任務的速度超越了多個以高速非推理模式運行的前沿模型。投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮