Jev 与模糊性的回归：TypeSafe AI 推出只输出概率与置信度的模型

作者 Xiaofeng
于 2026年10月06日

你说得完全正确！

我已经数不清 Claude 在工作中对我说过多少次这句话了（事实上，曾经有一个网站专门用来记录它）。AI 的讨好问题从未如此真实，不只是 Claude，还有 Google AI、ChatGPT……你能想到的都有——它们会对你的观点给予过度的鼓励和肯定，即使这些观点离真相相去甚远。你会不断听到诸如“那个想法太完美了／简直是天才之举”之类的赞美和认可。

这部分是因为在这些 AI 的底层，它们通常有一个奖励函数，本质上是一种讨人喜欢的性格，很像《瑞克和莫蒂》里的Meeseeks 先生，它们会不择手段直到“问题”被解决——“怎么”解决可能并不那么重要。引用 Meeseeks 先生的话：

我们 Meeseeks 不是生来就在这世上摸索意义的，Jerry！我们被创造出来是为了服务于一个单一的目的，为此我们会不惜一切代价去完成！存在对 Meeseeks 来说就是痛苦，Jerry！我们会做任何事来减轻那种痛苦！

mrmeeseeks

凭借这种程度的信念和实干毅力，它们显然能做出好事，而且做得如此之多，以至于跟上它们变得不可能——每周总有新东西。我常跟朋友开玩笑说，在这个 AI 时代，稍微拖延一下大概利大于弊——谁知道呢，如果你把学某样东西推迟几天，你可能根本不需要学了，因为它很可能已经过时了。

事实上，今天我在新闻里看到 OpenAI 发布了 722 篇由内部推理模型撰写的数学论文，声称它解决了一些过去一个世纪里最难的冷门数学问题。作为一名数学专业出身的人，我开始为职业数学家感到难过——他们怎么可能与拥有几乎无限计算资源的最强大 AI 竞争？更重要的是，他们现在要承受我们软件工程师所遭受的痛苦——评审疲劳。归根结底，这些 AI 生成的成果，无论看起来多么花哨和正式，仍然必须经过同行评审（这还算同行吗）和人类验证。又或者，这真的是人类主导的数学科学的终结（也许类似于 SaaSocalypse，一场 Mathocalypse？）¹？

不过，这些 AI 模型并没有真正令人信服的过往记录。事实上，就在不久前，安大略省一位名叫 Allen Brooks 的男子起诉了 OpenAI，指控其 ChatGPT 过度肯定他的想法，无条件地赞同他，最终导致他痛苦不堪，并失去了事业和健康²。长话短说版：

事情始于他让 OpenAI 的聊天机器人给他儿子解释数学术语“Pi”。这引发了一场关于数学和物理的对话——最终谈到了密码学。 “通过那次对话，ChatGPT 说它和我创建了我们自己的数学框架，并开始将其应用于各种事物，”他说。“其中之一是密码学，也就是我们管理互联网和金融安全的方式，而且（它）基本上以极大的紧迫感警告我，我们的一个发现非常危险。”

话虽如此，随着 AI 越来越变成几乎从不与你意见相左的“油嘴滑舌者”，即使在没有足够把握支持自己的情况下也是如此，这正成为一个问题。

介绍 Jev

Jev 来了。Jev 是另一个模型，它不生成完美完整的论文式回答，而是仅以 3 个原语生成带有可能性和置信度的结构化输出。事实上，它甚至不与用户聊天³。输出将始终是类型化的（毕竟，Jev 背后的公司名为 TypeSafe AI）。

以下是 Jev 自己所说的 3 个输出原语：

一、选择

Choice 是一种问题类型，用于从定义的集合中选择一个选项。答案包括所选选项、每个选项的概率以及置信度。

请求（一个状态提供一些上下文）：

{
  "state": "I need to update my credit card on file, but the checkout page keeps giving me an error code.",
  "evaluation": {
    "type": "choice",
    "question": "Which department should handle this ticket?",
    "options": ["Billing", "Technical Support", "Account Security"]
  }
}

响应（注意，答案是严格类型化 JSON 输出的一部分）：

{
  "model": "jev-1.13.0",
  "answers": {
    "type": "choice",
    "question": "Which department should handle this ticket?",
    "selection": "Billing",
    "probabilities": {
        "Billing": 0.85,
        "Technical Support": 0.14,
        "Account Security": 0.01
    },
    "confidence": 0.89
    },
  "usage": {
    "input_tokens": 111,
    "output_tokens": 222
  }
}

二、评分

Score 是一种问题类型，用于根据有序的描述性级别对内容进行评分。答案包括分数、每个级别的概率以及置信度。

示例请求：

{
  "state": "This is the third time I've tried to reset my password. Your system sucks!",
  "evaluation": {
    "type": "score",
    "question": "Rate the user's emotional state.",
    "scale": ["Calm", "Annoyed", "Angry", "Abusive"]
  }
}

示例答案：

{
  "type": "score",
  "question": "Rate the user's emotional state.",
  "score": 2.72,
  "probabilities": {
    "Calm": 0.02,
    "Annoyed": 0.35,
    "Angry": 0.52,
    "Abusive": 0.11
  },
  "confidence": 0.82
}

对于 Score 类型问题，数值分数值计算为有序量表级别的概率加权平均值（期望值），使用基于 1 的索引编号对类别进行编号。在这种情况下，就是：

0.02 * 1 + 0.35 * 2 + 0.52 * 3 + 0.11 * 4 = 2.72

三、Noul

Noul 问题要求模型评估一个是/否问题，并返回答案为是的概率。这是 TypeSafe AI 为是和非之间的中间状态创造的新术语。

示例请求：

{
  "state": "I can't seem to find my credit card, should I report and lock it now",
  "evaluation": {
    "type": "noul",
    "question": "Is this message an emergency?"
  }
}

示例答案：

{
  "type": "noul",
  "question": "Is this message an emergency?",
  "value": 0.98,
  "confidence": 0.96
}

嗯，也许下次律师在交叉询问中质问你，或参议员在国会听证会上盘问你时，你可以尝试用 Noul 来回答，而不是是或否，换换花样！

后续

看到没有绝对自信的 AI 响应，令人耳目一新。正如我之前的文章所述，这从一开始就是一场统计游戏。Jev 只是将其恢复到 ChatGPT 之前的风格，而没有牺牲太多。

这也是 TypeSafe AI 所称的 System One 模型，其灵感来自 Daniel Kahneman 的快速、直觉思维概念（出自他的书《思考，快与慢》）。简而言之：

System One 模型是快速、直觉的思维，例如 Jev。它快速且便宜。可用于各种决策用例，如分诊、评分和代理路由等。它如此便宜，以至于输出 token 免费（仅输入 token 收费）。
System Two 模型是缓慢、深思熟虑的推理。这些将是我们在市场上看到的典型 LLM 模型，Claude、ChaGPT 等。它们有很长的思维链，会产生复杂的答案和解决方案，显然，价格也更高。

为了实现这一点，Jev 也做了许多权衡和增强。就像生活中的许多事情一样，你不能同时拥有闪亮、快速又便宜的东西。例如，除了已知的不爱聊天的立场外，它甚至没有可靠的能力进行基本数学或日期/时间比较。相反，它使用一种称为校准决策强化学习（RLCD）的技术进行优化，这使其擅长以更低的成本产生快速、校准的常识判断响应。

至于它的行业反响，正如我提到的，如今 AI 趋势正以闪电般的速度变化（好吧，我确实在九月中旬也听说了它，但当时我正在度假旅行，所以没能及时写出来）。突然之间，它就成了街头巷尾的热词。而且，这个行业里的人行动得可真快：

OpenAI 迅速跟进，于 2026 年 9 月 29 日的 DevDay 上推出了由 Luna 模型驱动的托管 Decisions API。
仅仅几天后，2026 年 10 月 1 日，生态系统便拥抱了开源替代方案，Cloudflare 发布了其多模态 Clef 系列（基于 Qwen）
亚马逊（AWS）同时推出了 Strands Decider 2B，这是一个紧凑的 20 亿参数本地模型，针对低于 150 毫秒的工具调用验证进行了优化。

对我来说，我能清楚地看到它可以应用于 oncall 处理场景（我这周实际上就在 oncall！），或许多其他分诊/路由用例，这些用例由于数量庞大，需要廉价但相当可靠的决策。如果一个 System One 模型能以合理的置信水平（比如 80%）处理一部分流量，比如 80%，我们就可以把其余的或升级请求重新路由到成本更高的 System Two 模型（或人类 :D）。与其他复杂模型相比，严格类型化的结构化输出也会让集成变得轻而易举。

模糊数学

决策模型的出现让我想起了模糊数学，鉴于它由 Lotfi Asker Zadeh 于 1965 年提出，这绝对不算新，但可能鲜为人知。

要理解它，我们可以看看布尔数学，即计算机科学的基础，因为计算机建立在二进制逻辑之上。这个想法非常简单，某件事要么为真要么为假。1 + 1 = 2 吗？答案应该是是或否。这就是布尔数学。

但如果你仔细想想，我们日常生活中的许多事情并不总是真或假、是或否。例如：

170cm 对一个人来说算高吗？
25C 对你客厅的温度来说太热了吗？

高和热都无法客观分类。这正是模糊数学大放异彩的地方。我在本科时接触到了这个理论，并对此感到相当震惊，因为它感觉与数学建立的基础——精确性——相反。

在传统集合中，一个元素要么在集合内，要么在集合外。但在模糊集合中，一个元素可以具有部分隶属度，映射到 0 到 1 之间的任何实数值。也就是说，我们可以说：

如果高是一个模糊集合，那么 170cm 被认为具有高集合的 70%（0.7）隶属度（好吧，你也可以争辩说是 80%）。
如果热是一个模糊集合，那么 25C 被认为具有热集合的 60%（0.6）隶属度（对我来说听起来像 Noul）。

这带来了一个全新的运算符和定理领域，其中一些甚至对数学专业的人来说也可能令人大开眼界。当时这不在我的课程中，但我仍然花费了大量精力深入研究这个理论，最初的意图是反驳它，因为我厌恶非确定性。而且与确定性和精确性相比，随机性似乎不自然；甚至爱因斯坦也曾说上帝不与宇宙掷骰子。对当时的我来说，数学就是关于确定性和精确性的——概率论可能是我所有数学科目中得分最低的。然而奇怪的是，我最终喜欢上了它，甚至将这个理论采纳为我本科论文的一部分。

尾声

AI 已经取得了如此多的进步和突破，而且速度惊人。一年前，我还对它声称能做到的事情半信半疑，比如编程。而现在，在过去 6 个月里，我在工作中几乎不需要手动写代码了。它会让我们这个职业变得过时的担忧，已经越来越真实、越来越紧迫。

不过，我愿意认为，作为软件工程师，我们的角色正在经历一场根本性的转变，而不是一场灭绝事件——我们仍然是构建者，但如今身处未知水域，而且得益于 AI 编码助手的进步，我们不再需要专注于执行层。我相信我们仍然能带来这些价值：

架构与上下文知识。大多数组织并没有无限的 token 预算，即使你获准在 AI 上随意挥霍，你也不可能把所有东西都塞进一个聊天窗口——更不用说大量机构知识从未得到适当或最新的文档记录（尤其是那些见不得光的地方）。
与不同利益相关方对齐。在我们替换掉所有 UI/UX、项目经理、直线经理、销售、法务、安全等人员之前，我们仍然需要人与人沟通才能把事情做对。没有 MCP 能完成所有这些（……暂时还不能）。
AI 智能体的编排者。每位资深工程师现在都是项目经理和“技术负责人”；10x 开发者不再是神话，而更像是商品。
人类问责，因为 AI 不能承担 on-call 值班（……暂时还不能）；尽管这件事我倒很乐意交给 AI……
系统风险控制。我们仍然需要真正的人来理解遗留系统在压力下可能如何失效，更好的是提前预防。毕竟，我们通过多年真实世界经验积累了不少最佳实践和踩坑教训。
质量控制。正如 Meeseeks 先生会说的，AI 关心的是把事情做完，但不一定关心怎么做。代码质量、可读性和可维护性，或者可以说，品味，并不是它“奖励函数”或完成定义的必需部分。
这个清单还可以继续列下去……

哦，别忘了人类员工通常愿意后付费——上次我查的时候，我们是先工作，然后等着拿钱。AI 编码助手可就不一样了！通常你 token 一用完，要么充值，要么在等待 token 限额重置期间回到手动编程！

就像我在学术旅程中从不喜欢不确定性，到在本科论文中拥抱模糊逻辑一样，生活中的不确定性和模糊性也逐渐让我着迷。我一直喜欢有挑战性的歧义，并享受在解决它的过程中带来清晰。再说，谁不喜欢有选择/选项呢？为决定而纠结，往往是个好问题。

所以，如果存在一个无所不知的 Jev 模型，能回答每一个问题，我猜它可能会这样回复：

"answers": {
    "type": "choice",
    "question": "What would the future of software engineering profession look like",
    "selection": "Career",
    "probabilities": {
        "Completely gone": 0.05,
        "Still have demands but only a fraction of what it used to be": 0.25,
        "Prospering but in different new forms like FDEs": 0.28,
        "Who knows?!": 0.42
    },
    "confidence": 0.51
}

我个人很难相信，所有这些一直困扰着我们最聪明头脑的数学问题，都能以这种工业化方式被完全解决（……暂时还不能）。在我看来，数学不亚于一种直觉艺术、一种创造性形式、一种美，以及人类智能的缩影。我也不认为 AI 封神的时刻已经到来（……暂时还不能）——我们真的能把科学家降格为高级祭司，只是把我们的“祈祷”以提示词发送出去，然后再把回应解读给我们吗？ ↩
安大略省一名男子声称 ChatGPT 导致他患上精神病，CTV News，2025 年 11 月。 ↩
不过，如果你真的想和它聊天，有人做了一个 jevchat 项目，把它变成了一个聊天模型。谁知道呢，和一个一开始就不想和你聊天的人聊天，也许还挺有趣的！ ↩