編按：本文綜合整理自 TypeSafe AI 官方發表文、創辦人 LinkedIn 親自公告，並加入 Siami 編輯部觀點與分析。
從 OpenAI 離開兩年後，他想做「不需要人類在旁邊」的 AI
TypeSafe AI 創辦人 Diogo Almeida 並不是 AI 圈的新面孔。在加入 OpenAI 之前，他就在 DeepMind 待過；進到 OpenAI 後，他參與的工作，正是後來被外界稱為「ChatGPT 共同發明之一」的那批研究。兩年前他從 OpenAI 離開，對外只說「要去做點不一樣的事」，然後整整兩年沒有公開動靜。
他在發表文裡開頭寫了一句很安靜的問句：「語言模型在對話上早就比人類強了，那自動化呢？」
他觀察到，多數 LLM 是為了「講人話」設計的——輸出是一串文字，需要解析、驗證、轉成結構化的程式語言才能用。這層翻譯成本，讓 AI 進到軟體流程裡時，效率被嚴重拖慢。TypeSafe 重新設計的目的只有一個：讓模型直接吐「程式能直接吃」的回答。
Jev 是什麼？把 AI 變成「有型別的函式呼叫」
TypeSafe 把這條新路線命名為 System One Models，致敬心理學家 Daniel Kahneman《快思慢想》（Thinking, Fast and Slow）裡講的「快速、直覺、可自動化」的 System 1 思考。他們第一個公開模型叫 Jev，9 月 15 日正式啟動 early access。
Jev 解決的不是「聊天」問題，是「決策」問題。原文給了一個非常工整的類比：
「把 Jev 想成一次智慧函式呼叫：丟進去非結構化的狀態，吐出來帶機率分佈的型別安全決策。」
對工程師來說，這代表你給它一段遊戲狀態、文件內容、或是程式錯誤訊息，它會回一個帶著「信心分數」的結構化答案（例如 enum、JSON、enum-of-enum）。不需要額外做 regex 驗證、不需要呼叫第二個模型去檢查第一個模型有沒有在 hallucinate。
訓練方法也很特別。傳統 LLM 用 RLHF（人類偏好）或 RLVR（可驗證獎勵）來對齊；Jev 用的是 TypeSafe 自家的 RLCD（Reinforcement Learning for Calibrated Decisions），目標明確：讓模型的「信心」和「正確率」校準。
量化數據：快 40 到 200 倍、Output 免費
官方把 Jev 跟現有前沿 LLM 在「System One 形狀的任務」上做了 side-by-side 比較，最亮眼的三組數字：
- 延遲：現有前沿模型回答時間 3 到 329 秒；Jev 是 70ms 到 500ms。對於同樣等級的智能水準，是 40 到 200 倍 的速度差距。
- 成本：輸入 token $0.042 / 百萬（業界是 $0.20 到 $10）；輸出 token 直接免費——官方的說法是「太便宜以至於不用計費」。
- 校準：當模型說「我有 80% 信心」時，它實際的正確率應該接近 80%；這件事多數 LLM 做不到，Jev 把它當成核心訓練目標。
文章還提到 Jev 不只是文字。它現在已經在控制車、無人機、機器人了——這類 decision-heavy 的工作，本來就是 LLM 的弱項。
為什麼這件事重要
過去三年，整個 AI 產業 90% 的注意力都放在「模型能不能聊得更像人」。但真正能變成商業基礎建設的，是「模型能不能被程式直接呼叫」。Jev 走的是後者這條路線——而且不是只有 demo。
如果 Jev 的延遲和價格真的能穩定維持，這是 2025 到 2026 以來 AI 基礎建設端最務實的一次出手。
過去你寫 agent 流程，每一步都要付完整 LLM 的 token 費、加上幾秒鐘的等待，再加上「驗證模型回答是否合理」的另一個模型呼叫。TypeSafe 把這三層成本一次壓平：輸出免費、延遲毫秒級、答案本身就帶型別安全。這意味著 AI agent 的單位經濟從根本上變了——以前只能用在高單價場景，現在低單價、高頻率的決策（例如客服分流、風險標記、文件分類、廣告選擇）也跑得動。
另一個值得注意的點：創辦人很誠實地把名字的由來寫進 FAQ。他們預期「機器智慧」會走跟煤炭一樣的路——蒸氣引擎效率提升後，需求反而暴增（這是 19 世紀經濟學家 William Stanley Jevons 提出的悖論）。他們不是想讓 token 變便宜，是想讓每一次決策的成本逼近零，逼迫新的使用場景自己冒出來。
Siami 觀點：這是「Agent Infra 路線之爭」的開端
如果你只看 Jev 的 demo，可能會以為這又是一個「又快又便宜的新模型」。但 TypeSafe 的設計選擇，背後其實是對「下一代 AI 應用長什麼樣子」的整體押注：
- 不走 chat route：他們把「對話」當成特例，不當主場
- 不押注 reasoning：他們認為 System 2（慢、深思）需要的是龐大算力；System 1（快、直覺）可以靠結構化決策直接餵給軟體
- 不跟 GPT-5、Claude 4 比通用智能：他們明確說 Jev 在「System One 形狀任務」上跟現有 LLM 打平，但速度是 100 倍
這條路線如果成功，最直接的受衝擊者不是 OpenAI、不是 Anthropic，而是「在 LLM 上面蓋 agent 框架」的所有中間層。
RLCD、平行取樣、結構化輸出免費——這些技術細節每個單獨拿出來都不算革命。但全部組合在一起、而且包成可以直接接 API 的產品，這是 2026 年以來第一次出現。 Anthropic 有 MCP、OpenAI 有 function calling；但兩者都還停留在「讓現有 chat model 變得稍微好用一點」的階段。TypeSafe 的野心是「重新設計整個 inference stack」。
當然，early access 階段所有數字都要打折扣——這是 founders 的最佳演示。等到真實流量跑滿之後，能不能撐住「70ms、output free、calibrated」三條線，是這家公司未來 6 個月最值得追蹤的事。
團隊背景與融資
Diogo Almeida 在發表文裡沒提到錢。但根據多家媒體報導，TypeSafe 在正式亮相前已經從 DCVC 領投的新一輪籌了 大約 4,000 萬美元（Diogo 個人 LinkedIn 公開確認早期數字，但未授權細節）。團隊的人數從 LinkedIn 上的招募頁推測，大約在 20 人左右——典型「OpenAI alumni 創業、矽谷一線 VC 押注」的早期輪配置。
值得一提：Diogo 在 LinkedIn 發文時，特別強調自己是「ChatGPT 的共同發明人之一」。這個頭銜今天在 AI 圈已經非常普遍（OpenAI 員工動輒 100+ 人掛這個名），但在這篇文章的語境下，他要表達的是：這位創辦人不是旁觀者，是從 OpenAI 第一線實驗室走出來的。
接下來看什麼
- Early access 申請：typesafe.ai 開了 waitlist，會分批放人
- 第三方實測：every.to 已經跑了一輪 vibe check（0.7 秒判斷 AI agent 工作品質），更多獨立評測會在接下來幾週出現
- 定價能不能撐住：Output token 免費如果只是行銷噱頭，真正的競價壓力會在 token 收費這個層級被測試出來
Jev 不是 AGI，也不是「下一個 GPT」。它是一個很清楚的、用工程方法論回答「AI 要怎麼從聊天機器人變成自動化基礎建設」的嘗試——這個方向是 Siami 編輯部接下來會持續追蹤的主題之一。
主要素材來源
網友熱門留言 (3)