「不会幻觉」的模型登顶 HN 这一天：把 System One 的包装拆开数了数

美国时间 9 月 15 日，Hacker News 榜首换成了一个听起来像小说设定的发布：一家在隐身模式下憋了两年的旧金山公司 TypeSafe AI，宣布造出了一种"不会幻觉"的模型。取名 Jev。同一天，四千万美元种子轮到账，DCVC 领投。

幻觉这个词在 AI 圈里被讨论了四年，各家厂商的开场白高度一致——我们会越来越少幻觉。直接宣布幻觉不存在的，它是头一家。

这句大话值得认真对待。我把他们的博客、公开评测数据、FAQ 的隐藏答案和 HN 上两百多条评论都翻了一遍。结论先放在这里：里面有真东西，只是真东西外面裹了四层包装。

先说他们在卖什么

卡尼曼把人的思维分成两套。系统二慢，负责推理和写文章；系统一快，负责在 0.1 秒内判断草丛里有没有蛇。TypeSafe 的赌注是：软件里绝大多数 AI 判断，其实都是系统一的活儿。

这封邮件是不是投诉？这个交易有没有欺诈嫌疑？这条 agent 轨迹要不要拦截？现在大家拿这些去问大语言模型，让它写一篇短文，再从短文里抠答案。TypeSafe 的做法是砍掉整段独白。输入塞进去，输出直接是一个预先定义好的类型——是与否的概率，若干个选项上的分布，或者一个分数。三种原语，名字分别叫 Noul、Choice、Score。所有问题一次性并行算完，加一百个新问题，响应时间几乎不动。

用过的工程师大概会心一笑。这就是把生产系统里那些"调用 GPT 加一段解析代码加一个重试循环"的胶水，封装成了一个 API。

架构是什么？保密。论文说"可能写"。社区里公认最贴近的定性是创始人亲口认可的"一个泛化的零样本分类器"。这没什么丢人的——把分类做好做便宜，是门大生意。

数字开始套娃

首页口号是快 193.6 倍，便宜 444.6 倍。这个精确到小数点的数字，来路值得念一遍。

它出自公司自己做的四个业务流程评测。跑分用的对照 LLM，被塞进 TypeSafe 自己写的包装器里，官方承认这种装法会让对方更慢更贵。评测任务的"标准答案"，不是人工标注，是 GPT-6 Astra 和 Claude Fable 5.1 两个模型的共识。自家的任务、自家的包装器、自家的流程，以竞争对手的共识当真相——四重身份重叠。

更有意思的是这个数字在各处的旅行。同一家公司发通稿时只敢写"最高快 100 倍"。首页自己的对比示例是 75 倍和 171 倍。把公开评测表里最接近的两项相除，算出来约 195 倍和 440 倍。量级是可信的。精确到小数点后一位的口径，目前没人能复现。

这张图是他们自己挂出来的，也是全场最诚实的一张。Jev 拿 67.8%，比最强的 sol 低了六个百分点。处理发票那项任务，落后了十七个百分点。它赢的方式是另一个维度——同样的准确率档位下，四十分之一秒对半分钟，万分之四美元对八美分。这是帕累托最优，拿性价比换六分。

那"不会幻觉"呢

这是全篇最精彩的部分。博客里有一段专门交代：图表里 Jev 的幻觉率是 0%，但这个数"不是实测的，输出和模式匹配是构造性保证的，所以我们可以放心写 0%"。

翻译一下。Jev 保证的是永远不会输出选项之外的东西——你要一个布尔值，它绝不可能回你一段散文。这在数学上确实成立。可一个错误但合法的答案，算不算幻觉？HN 上一票人认为算。模型信誓旦旦地说"这封邮件是普通咨询"，实际上它是投诉——输出完全合法，判断完全错误。

官方文档自己补了刀：校准只对预测的整体分布成立，"不保证单次回答正确"。创始人被追到墙角时也松了口，说模型"完全可能自信地错"。

一个不会说错话的模型，照说不误。这才是对这句口号的精确描述。

人是真的，钱是真的

拆归拆，底子要认。创始人 Diogo Almeida，InstructGPT 论文作者之一，就是训练出 ChatGPT 行为的那篇论文。宣传语里"共同发明了 RLHF"属于自我抬举，方法本身更早，但论文署名是实打实的。CTO 和 COO 一个来自 Meta FAIR，一个是连续创业者。四千万美元种子轮，Dealroom 说这个金额排进了 AI 种子轮历史的前百分之一。团队在旧金山码头边上班，每周五天到岗。

模型名字也不是随便起的。Jev，Jevons 悖论的 Jev——那位经济学家发现，蒸汽机效率每提高一次，煤烧得更多。一个把"便宜"当卖点的模型，起了个"便宜了就会用更多"的名字。起名的人清楚自己在干什么。

值得留下的是什么

HN 当天骂声不少，说这是"几个月来最具误导性的营销"。也有人贴出 Doom 视频叫好——Jev 每秒读十次游戏状态做决策，一小时成本七美元，虽然它看的不是画面而是文本化的状态，官方还自己承认"不用 AI 也能写个更好的 bot"。

骂的人和夸的人，其实看到的是同一件事。真正的创新在接口：把判断变成类型安全的原语，把置信度做成一等的返回值，二十多篇 cookbook 演示重排、护栏、引用核查这些真实任务。评测站把全部数据摊开，连自家难看的数据也挂着。创始人在线答疑四十多条，处处让步。这种透明度在发布营销里罕见。

可疑的也是同一件事。拒发公开基准成绩，官方 FAQ 写着"别把公开基准当回事"。架构黑箱，没有权重，没有论文。一个全靠自家评测证明自己的模型，正在说服一万家工厂的流水线听它判断。

我的建议还是那条老原则：可以买它的速度和价格，把"不会幻觉"留在营销部门。信不信它的判断，等第三方评测，或者等他们那篇"可能写"的论文。

系统一快，快得来不及解释。人类花了一辈子学会在直觉后面配上复核。给机器的这条规矩，大概也不会例外。

*信源：typesafe.ai 官方博客与 FAQ、evals.typesafe.ai 公开评测表、Dealroom 报道、Business Wire 通稿、HN 49717558 评论区（734 分）、docs.typesafe.ai。全部数字口径核查记录见 factcheck_r46t。*