那个教 ChatGPT 说话的人，做了一个「哑巴」模型

AI圈子里最懂教大模型「说话」的人，如今亲手掐掉了自己造出的模型的语音能力。

教ChatGPT说话的人，把模型的嘴「缝」了

这位前OpenAI核心研究员、ChatGPT的共同发明人Diogo Almeida，在OpenAI深耕大模型对话能力两年后悄然离职，创立AI公司TypeSafe AI，带着4000万美元融资重回公众视野。此次公司发布的首款产品Jev，完全打破了大众对大模型「能说会道」的固有印象：它既写不了打工人的周报，也陪不了用户深夜长聊，甚至连一个标点符号都不会输出。正如TypeSafe喊出的口号所说：「嘴闭上了，腿腳快得飛起！」TypeSafe放出的对比测试显示，3秒时间内Jev已经完成了整轮决策输出，而传统大模型才刚刚开始生成首个Token，响应速度差距肉眼可见。公开的游戏测试视频中，Jev甚至在《毁灭战士》（Doom）测试里仅用3秒就完成了人类玩家需要数秒才能处理的决策流程，性能优势十分突出。

毫秒级响应的「系统一模型」凭什么跑赢大模型几十倍？

Jev的定位是业内首个纯粹的「系统一模型」，对应卡尼曼《思考，快与慢》中人类无意识、极速的本能直觉决策系统，完全跳出了当前主流大模型依赖的自回归逐字生成逻辑。传统大模型需要一步步推演下一个Token的内容，不仅速度慢，还容易出现格式幻觉、输出不符合要求的内容；而Jev的所有决策都在一次单向平行计算中同时完成，输出严格锁定在开发者预先定义的Schema框架内，从根源上消灭了结构幻觉。TypeSafe给出的测试数据显示，Jev的端到端延迟被压缩在70到500毫秒之间，比当前市面上的前沿大模型快了40到200倍，成本仅为主流模型的极小部分。在四个典型的企业工作流测试中，Jev的决策精准率达到67.8%，几乎打平了GPT-5.6 Terra的67.9%，即便只看判断准确率也丝毫不输贵出数十倍的大模型。TypeSafe为Jev规划的定位是AI Agent的「反射神经」，专门处理工单分类、内容合规初筛、大批次数据打标、多API精准调用选择这类高频且简单的决策任务，把大模型从繁琐的基层决策中解放出来，专注于宏观规划和高难度思考，从架构层面消除AI Agent落地的执行摩擦。

性能亮眼却难掩黑盒与合规隐忧

不过Jev并非完美的行业银弹，其技术特性带来的缺陷也十分突出。首先是可解释性的全面丧失，由于所有决策都在黑盒中一次性完成，开发者和使用者完全无法追溯决策的依据和逻辑链路，一旦出现错误决策，很难定位问题根源。其次是当前所有性能数据均来自TypeSafe单方面的自有测试，尚未有第三方独立机构的评估背书，其实际落地效果存疑。尤其在金融风