OpenAI 共同發明者推出非 LLM 模型 Jev，主打低成本與解決幻覺問題
為何重要
型號 Jev 的定位反向重擊了當前大型語言模型（LLM）的既有生態，將 AI 的價值從「語言生成」轉移至「機率判斷」，為解決 LLM 幻覺問題與降低軟體整合成本提供了新的技術路徑。 此趨勢暗示未來的 AI 開發可能會走向「分散式智慧」，即大量依賴像 Jev 這樣專注特定任務（如檢查點或路由）的模型，而非依賴單一的大型應用程式。
前 OpenAI 研究員兼 RLHF 發明人 Diogo Almeida 創立 TypeSafe AI，推出代號 Jev 的非大型語言模型，試圖突破當前 AI 主要針對人類語言最佳化卻缺乏實用性與成本過高的困境。
- Jev 不輸出文本，而是輸出使用者預先定義的「校準決定」（機率），具體應用於軟體自動化。
- 該模型具備極低成本優勢，輸出標記（tokens）免費，輸入標記按十億計費；在執行指令安全分類時，改用後速度可提升 5 到 18 倍。
- TypeSafe AI 僅使用合成資料訓練模型，且具體技術細節保密，外部觀測者猜測是建構在開源權重之上。