---
title: "Jev探索通用决策模型，关注Agent应用效率提升【建投计算机】 决策能力专门化， 减少文本生成开销 2026年9月15日，TypeSafe AI发布首款Sys"
topic_id: 82258252818888552
created_at: 2026-09-21T08:06:41.201+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# Jev探索通用决策模型，关注Agent应用效率提升【建投计算机】 决策能力专门化， 减少文本生成开销 2026年9月15日，TypeSafe AI发布首款Sys

- 序号：550
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/82258252818888552)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

Jev探索通用决策模型，关注Agent应用效率提升【建投计算机】

决策能力专门化， 减少文本生成开销
2026年9月15日，TypeSafe AI发布首款System One模型Jev，并开放早期访问。Jev接收业务材料、问题及候选答案，直接输出判断结果与概率。以客诉为例，开发者可预设退款、拒绝、补偿等选项，由模型结合投诉内容和业务规则作出判断。相比聊天大模型逐Token生成处理建议，Jev通过结构化输出、并行采样及专门训练，减少生成与解析开销。公司采用RLCD训练优化概率校准，目标是让模型报告的把握程度更贴近实际正确率，支持软件按阈值自动处理或转交复核。

跨任务适配更灵活， 降低分类模型开发门槛
传统BERT分类器通常围绕具体任务微调，分类标签相对固定；Jev支持在调用时输入问题与候选答案，同一模型可承接不同判断任务，减少逐项标注、训练和部署的投入。Parallel于9月18日发布的实测显示，Jev无需任务微调，搜索重排序表现已接近其一款内部模型；主题分类与查询时效性判断仍落后于专用模型。对于缺少训练数据和部署能力的团队，开箱即用具有吸引力；已有成熟专用模型的场景，替换价值取决于实际效果与成本。

客服实测体现效率优势， 模型分工拓展应用空间
硅星人Pro于9月20日发布的50条中文电商客服样本实测显示，Jev平均每题完整响应时间约0.73-0.75秒，总调用成本约0.002美元，均为该次测试最低；按每题四项判断全部达标的口径，完整准确率约64%-65.2%，低于部分参测模型。展望应用端，高频的客服分流、内容初筛、工具选择可由专用模型承接，复杂推理与内容生成交由通用大模型完成，有望降低Agent工作流整体成本，关注智能客服及企业流程自动化产品的落地进展。

## 总体总结

主题正文
1. Jev探索通用决策模型，关注Agent应用效率提升【建投计算机】
2. 2026年9月15日，TypeSafe AI发布首款System One模型Jev，并开放早期访问。
3. 相比聊天大模型逐Token生成处理建议，Jev通过结构化输出、并行采样及专门训练，减少生成与解析开销。
4. 公司采用RLCD训练优化概率校准，目标是让模型报告的把握程度更贴近实际正确率，支持软件按阈值自动处理或转交复核。
5. Parallel于9月18日发布的实测显示，Jev无需任务微调，搜索重排序表现已接近其一款内部模型；
6. 硅星人Pro于9月20日发布的50条中文电商客服样本实测显示，Jev平均每题完整响应时间约0.73-0.75秒，总调用成本约0.002美元，均为该次测试最低；
7. 按每题四项判断全部达标的口径，完整准确率约64%-65.2%，低于部分参测模型。
8. 展望应用端，高频的客服分流、内容初筛、工具选择可由专用模型承接，复杂推理与内容生成交由通用大模型完成，有望降低Agent工作流整体成本，关注智能客服及企业流程自动化产品的落地进展。