决策模型爆发：OpenAI、亚马逊为何一周内都跟进了同一个"ChatGPT 发明人"的新模型

决策模型爆发：OpenAI、亚马逊为何一周内都跟进了同一个"ChatGPT 发明人"的新模型

情报来源：TechCrunch《A new kind of AI model from a ChatGPT inventor is thrilling developers》（2026-09-18）· 原始信息以 typesafe.ai 与各家官方发布页为准

一文看懂

先看痛点。 用 LLM 做软件自动化，又慢又贵，而且方向可能就错了。TypeSafe AI 的创始人 Diogo Almeida 是 OpenAI 前研究员、RLHF 的共同发明人，也是 ChatGPT 最早的构建者之一。他的原话很直白："我们在人类语言上做得太好了，但它对自动化没用——因为计算机说的是另一种语言。" 这个判断，是他两年前离开 OpenAI、出来单干的原因。

然后是那个新模型。 9 月 18 日，TypeSafe 发布 Jev——一个刻意不是 LLM 的模型。它不生成文本，而是针对用户预先给出的选项，输出一组带校准的概率，官方叫"calibrated decisions"（校准决策）。因为输出集是用户锁死的，它不会幻觉；因为没有自回归生成文本的开销，它极快极便宜——输出 token 免费，输入按十亿 token 计价。模型取名 Jev，致敬 19 世纪经济学家 William Stanley Jevons 的"杰文斯悖论"：某样东西越便宜，用量反而越大——Almeida 赌的就是"智能变得足够便宜之后，会无处不在"。

真正的信号是接下来两周。 9 月 30 日，OpenAI 在 DevDay 2026 上由 Sam Altman 顺口公布了 Decisions API：给自家 Luna 模型一组预定义选项（图像分类、Agent 行为选择），"把模型聚焦在这个选择上，可以做到极快，同时保留图像理解、语言支持和安全防护"。10 月 1 日，亚马逊的 Strands Labs 开源 Strands Decider 2B——它由亚马逊杰出工程师 Marc Brooker 先在自己博客上"手搓"，一度登上 Jevbench 同规模榜首，然后被团队收编成正式产品，基于 Qwen3.5-2B 的"躯干"（torso）改造。10 月 6 日，Musubi 发布开源权重的内容审核决策模型 PolicyLM-1.7B：把一段明文内容政策应用到消息上，50 毫秒内给判断，政策改了不用重新训练。再加上 Jeff、Jeeves、Jevstiller、StartLux 等几十个研究者版本——TechCrunch 的标题直接用了一句："decision models flood the web"。

为什么开发者买账？有实测数据。 Vercel 的工程师把原本跑在 ChatGPT Luna 5.6 上的命令安全审查换成了 Jev，速度提升 5 到 18 倍且更准；Bryo AI 的 CTO 用 Jev 和 Gemini 分别做商务邮件分类，Gemini 略准但贵 10 到 20 倍，而 Jev 是"唯一给出真实概率的"，这让自动化工作流终于有了可用的置信度阈值。最贵的应用场景是 Agent 监控：用前沿 LLM 盯住 Agent 的每个动作太烧钱，QueryStory 在黑客松上做了一个 Jev 哨兵，逐个检查 agentic action 是否偏离任务——按它的估算，拦截一次类似 Hugging Face 事件的监控成本，Jev 是 2.94 美元，前沿 LLM 是 372 美元。

需要泼点冷水的地方：Almeida 本人对这场克隆潮的评价是——"大家觉得这是淘金热，但可能低估了把模型做聪明的难度，现在这批更像是在实现一个酷架构"。他也点破了护城河：TypeSafe 的壁垒是它自产的海量合成数据。用 pi 的创造者、Earendil CTO Armin Ronacher 的话说，这类模型的价值在于"把幻觉问题部分委托给用户"——概率低于 50% 就当抛硬币丢弃，高于 95% 才动手。校准质量（概率与真实频率的吻合度）才是这场竞赛真正的胜负手：快和便宜很容易，Almeida 说"想要又快又便宜，扔骰子就行，难的是智能"。

信号强度：8.5/10 ｜ 归类：模型推理

一句话记住：当"输出概率而非文本"的模型开始被 OpenAI、亚马逊同时跟进，意味着业界承认了"LLM 是万能的，但大多数自动化任务不需要万能"——决策模型填的是 LLM 与硬编码之间的那个空隙。