TypeSafe AI推出Jev決策模型，僅收輸入費且低於GPT-5 Nano
模型AI 評分 82/100arXiv cs.AI 等 2 家
AI 聚合
本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。
TypeSafe AI推出新型LLM類別“System One”（即決策模型）Jev，輸入非結構化文本，輸出帶置信度的浮點數決策結果。它支持三類並行提問：是非題(Noul)、多選一和評分題。定價僅收輸入費，每百萬token 0.042美元，低於GPT-5 Nano的0.05美元。在科學決策評測中，Jev在完全語義正確性上匹配五種配置，且成功響應中位延遲最低；某文化歷史題的錯誤選擇雖改變了下游計數，但保留了正確最終標籤。
全文梳理
AI 摘要依據下方信源原文自動整理，非原文轉載決策模型新形態與接口
TypeSafe AI發佈了名為Jev的模型，將其歸類為System One模型，也被稱作決策模型。與傳統大語言模型不同，Jev接收非結構化狀態輸入，返回類型化的概率決策結果，即浮點數及置信度。其API允許提交單個文檔狀態並附帶多個問題，且問題並行評估，多發問與單發問耗時相近。它支持三種提問類型：一是名為Noul的是非題，返回0到1間的置信度；二是選擇題，返回選項的概率分佈及置信度；三是評分題，依據給定數值級別及描述返回對應浮點分數。
極低輸入定價與成本優勢
Jev的計費方式打破常規，僅對輸入token收費，輸出完全免費。其首個模型的輸入價格為每百萬token 0.042美元，這一單價甚至低於OpenAI GPT-5 Nano每百萬token 0.05美元的定價。這種極低的輸入成本結合僅收輸入費的策略，使得在處理大量分類、標籤建議或優先級排序等任務時，具備顯著的成本優勢。
科學決策評測表現驗證
一項研究將Jev作為語義決策組件，在十個科學案例的二十個選擇上評估了十二種模型配置。結果顯示，在完全語義正確性指標上，Jev與另外五種配置表現相當，並在成功響應中取得了最低的中位延遲。研究還發現，在三個對比模型中，某文化歷史問題的七個錯誤選擇雖改變了下游計數值，但最終標籤仍保持正確。這表明評估此類決策模型時，必須檢查工作流將複用的關係和數量。
為什麼值得看
定義全新決策模型形態，輸出結構化概率，極低延遲與輸入成本，適合分類與優先級排序。
GPT定價
信源2 家
關鍵事實
相關 · 模型
本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。