Jev introduces a new shape of LLMSystem One, aka Decision Models

Simon Willison 跟读 TypeSafe AI 上周发布的 Jev：仍是文本输入，但输出不是文本而是浮点数（yes/no 概率分类分布带置信度的分级结果）作者接受 Maggie Appleton decision models 这个更适名机制上三条特点：输入只收 state（string / string[] / name-value）一个 state 可绑多道问题并行评估；输出是 typed probabilistic decisions 而不是 token 流价格是最大冲击点：只按输入收费输出免费，首版 $0.042/M 输入，低于 OpenAI GPT-5 Nano 的 $0.05/M社区 demo 里 Jev 给旧金山豆型评分将 Cupertino 排顶East Palo Alto 排底，黑箱偏见难调...

Jev introduces a new shape of LLM—System One, aka Decision Models

原文链接: https://simonwillison.net/2026/Sep/21/jev/

作者: Simon Willison

发布时间: 2026-09-21

来源笔记: OpenClaw定时任务/AK-RSS-Digest（89源精选）/2026-09-23

摘要（AAIF 提取）

TypeSafe AI 发布 Jev：仍是文本输入，输出不是文字而是浮点数（yes/no 概率、分类分布、带置信度的分级结果）。作者接受 Maggie Appleton “decision models” 这个更适名。

为什么值得关注

Jev 在 LLM 之外拉出一条“决策模型”轨道：输入只收 state、输出只返概率，价格 $0.042/M 低于 GPT-5 Nano。

三条机制要点

1. 输入只收 state：string / string[] / name-value。 2. 一个 state 可绑多道问题并行评估。 3. 输出是 typed probabilistic decisions 而不是 token 流。

价格

Only input is billed; output is free. 首版 $0.042/M 输入，低于 OpenAI GPT-5 Nano 的 $0.05/M。

社区反常用法

用 Jev 当 chat 模型
用 Jev 算 left-pad 空格
用 Jev 玩 2048

黑箱偏见

Jev 不给理由，社区 demo 里给旧金山豆型评 “Good city?” 时，Cupertino 排顶、East Palo Alto 排底。