System One 模型
供軟體使用的快速型別化判斷，而非聊天式 LLM。
System One 模型能快速做出可由軟體直接使用的結構化決策。此類模型會評估 state，並傳回型別化答案與機率。Jev 是 TypeSafe 的旗艦模型，也是首個公開的 System One 模型。它和 LLM 一樣能理解自然語言輸入，但不會撰寫回覆、產生程式碼或生成推理說明。你可透過 Choice、Score 與 Noul 定義可能的答案。
與 LLM 有何不同
LLM 的訓練目標是續寫文字；System One 模型則針對校準決策訓練，依實際結果最佳化機率，使其能反映多組預測中的不確定性。校準不保證單一答案正確，但能讓你直接在程式碼中設定關卡——執行、覆核或升級處理——而不必解析一整段文字。
你不會要求 Jev 起草電子郵件或函式，而是詢問工單應交由哪個佇列、客戶聽起來有多沮喪，或訊息是否要求退款。TypeSafe 概念頁面的表格採用這三個例子：Choice 傳回 choice: "billing"，Score 可在 0-2 的沮喪程度量表傳回 1.4，而 Noul 可為退款與否的檢查傳回 0.95。
System One 之名源自 Daniel Kahneman 的《快思慢想》。系統 1 快速且直覺；系統 2 較慢，也更審慎。TypeSafe 讓模型負責快速判斷，應用程式則處理較慢的控制流程。若工作需要長串間接推理或自由格式寫作，應交由生成式模型或程式碼，而非 Jev 1.13。
以 RLCD 取代 RLHF
TypeSafe 使用 Reinforcement Learning for Calibrated Decisions（RLCD）訓練 Jev。RLHF 是讓對話模型更符合人類偏好的技術體系。RLVR 是長篇推理模型常用的訓練途徑。RLCD 則是 TypeSafe 為 System One 記載的途徑：獎勵校準良好的決策，而非流暢的 token。發布文章也提到一種新架構，以及能針對單一 state 並行評估多個問題的取樣器。
由於權重共用，你不會使用客戶資料對 Jev 進行微調或 LoRA 調適。請將專有紀錄放入 state，把領域規則寫進指示與判準，並將廣泛判斷拆成不可再分的問題，再由程式碼組合數值。文件建議使用綜合評分，或以 Jev 的機率訓練下游傳統模型，無須訓練私有副本也能完成特化。
Jev 目前只接受文字。可使用字串、JSON 物件及文字陣列，但不能輸入像素與波形。英文是主要訓練語言；CJK 與其他文字系統雖可接受，但準確度較低，因此在分派非英文工作負載前請先測試。在 Choice 與 Score 上使用 Confidence，是讓這些較弱語言保留人工把關的實際做法。
大型工作流程中的快速判斷
退款請求的文件化流程如下：建立包含訊息、交易與政策的 state；同時提出彼此獨立的問題（是否要求退款、證據是否顯示重複扣款、政策是否允許退款）；再將答案與確定性檢查結合，分派執行或覆核。基本 Primitives 就緒後，即可組合使用。型別化輸出讓程式碼能直接檢查答案，不必另設解析器處理殘留文字。
推測式 fan-out 正是降低成本的模式。你可以送出未必需要的問題，包括預先假定裝置類型或意圖的問題，再於呼叫完成後捨棄無關結果。循序往返呼叫必須等待每個步驟。Jev 會平行評估映射，因此額外問題幾乎不會增加延遲。這就是智慧家庭示範能同時詢問類別、領域、裝置與動作的原因。
可透過 typesafe-sdk、@typesafe-ai/sdk 或向 https://api.typesafe.ai/v1/systemone. 發出 POST，呼叫 System One 模型。model 欄位用來選擇組建版本；文件範例使用 jev-latest，目前會指向 jev-1.13.0。請先採用 state 的結構與 Primitives，再於任何自動副作用前加入 Confidence 關卡。
哪些工作不屬於 System One
依 Kahneman 的說法，生成、長期規劃及使用工具的代理都屬於系統二工作。Jev 1.13 不會撰寫退款郵件、SQL 或 Wikipedia 的下一段內容；它會判斷工單是否要求退款、應交由哪個佇列，以及該判斷有多可靠。真正需要產生權杖時，請搭配生成式模型。
數值的精確判定也不在適用範圍內。計數、日期排序及十六進位距離都應交由程式碼處理。jaggedness 頁面彙整了這些邊界案例，最近一次審閱日期為 17 September 2026。忽略該清單的 System One 工作流程，即使看似經過校準，仍可能因照字面誤讀而導向錯誤路由。
在 TypeSafe 推出圖片輸入前，像素一律不會進入系統。Doom、Wikiracing與智慧家庭助理都只傳送文字。如果產品使用攝影機，請先轉錄或描述內容；若使用音訊，也適用相同規則。64k 與 32k 的容量上限是針對 token，而不是影格。
System One 是一種產品類別，目前只有一個公開成員。若 TypeSafe 在相同端點推出第二個模型，請使用 model 欄位選擇。在此之前，jev-1.13.0 是 jev-latest 與 jev-preview 背後帶版本的 ID。即使其他聊天或推理模型位於同一整體工作流程中，也應視為不同類別。
RLCD 是 TypeSafe 為此類模型所稱的訓練方法，不是可在請求中傳入的開關。你仍須撰寫指示與判準，也仍須在程式碼中組合答案。差別在於權重最佳化的目標：校準決策，而非聊天權杖。因此輸出會是 Choice、Score 或 Noul，而不是一段文字。
聊天模型用於寫作，Jev 則用於岔路口的抉擇。兩者可以共用工作流程，但不該共用提示詞。讓 System One 模型與 LLM 並用，重點就在這項分工。
Kahneman 是名稱由來，而非執行階段模式。你仍須自行選擇 Choice、Score 或 Noul。
來源