前ChatGPT開發者推出新模型Jev：成本直接砍到1%，還能流暢玩DOOM不卡頓

當全球科技巨頭仍陷於參數量與更長對話生成的軍備競賽時，曾參與打造 ChatGPT 的核心研發者卻拋出了一個反思本質的詰問：為什麼具備超人對話能力的 AI 模型，始終無法順利叩開通用人工智慧（AGI）的大門？由前 ChatGPT 共同創辦人迪奧戈・阿爾梅達（Diogo Almeida）創立的 AI 公司 TypeSafe AI，於 2026 年 9 月 15 日正式發表全新架構「System One Models」及其首發模型「Jev」。

這款模型徹底顛覆了現行主流大規模語言模型（LLM）的技術路徑，選擇不再沉迷於緩慢且昂貴的逐字文本吐露，而是轉向確定性結構的並行計算，在維持與 OpenAI GPT-5.6 Terra 同等任務品質的前提下，將推論成本腰斬至百分之一，並實現前所未有的超高速執行。

用並行結構推翻 LLM 的「文字接龍」枷鎖

回顧過去幾年 OpenAI 與 Anthropic 的最頂尖模型演進，無論是撰寫複雜程式碼、爬梳法律文件還是跨模組建模，底層邏輯始終沒有脫離「根據前文預測下一個字（Token）」的自回歸生成機制。這套讓對話機器人宛如真人般對答如流的技術基石，如今卻反過來成了算力擴展、推論延遲與 API 帳單上最難以克服的物理瓶頸。為了產出一段幾百行的設定檔或資料結構，系統必須歷經成百上千次的循序運算週期，不僅耗時冗長，中途任何一個 Token 的機率偏差更可能引發災難性的邏輯崩塌。

「這項突破並非沒有代價：Jev 根本無法生成自由文本。」阿爾梅達在公開談話中直言不諱。在長達兩年的隱形研發（Stealth mode）期間，他開發了一種全新的訓練模式 RLCD，讓 Jev 的目標從一開始就脫離了寫散文、寫小說或與人類閒聊的範疇。Jev 接受輸入後，會嚴格依照預先定義的資料結構，直接將運算結果一次性並行輸出。

這種從「循序計算」轉向「並行運算」的底層架構轉移，正如當年 Transformer 徹底擊潰並取代循環神經網路（RNN）的歷史重演。當模型不再把算力浪費在字句之間的修飾與鋪陳，系統便能將推論吞吐速度飆升 20 到 200 倍。

每百萬輸入僅 0.042 美元、輸出幾乎免費：把前沿算力壓進百分之一的成本死線

推論架構的精簡，直接引爆了定價層面的價格破壞。在 TypeSafe AI 公布的計費標準中，Jev 的輸入成本每百萬 Token 僅需 0.042 美元（約折合新台幣 1.35 元），而輸出部分更是直接標示為「0 美元」——官方直白表示，由於並行架構輸出的邊際運算消耗極其微小，費用低到在現有計費系統中根本「難以計量」。

在涵蓋 4 種標準工作流程的綜合效能與成本評測中，橫軸代表單一工作流程的美元成本，縱軸為任務達成率。測試數據顯示，Jev 在任務完成精度上達到了接近 70% 的水準，與目前昂貴的前沿主力 OpenAI GPT-5.6 Terra 不相上下，甚至勝過 DeepSeek V4 Pro、Claude Sonnet 5 與 Gemini 等多數模型；然而在成本維度上，Jev 的消耗直接落在了最左側的超低成本邊界，僅為傳統 LLM 工作流程的百分之一左右。

對動輒需要調用數十萬次 API 的企業後端系統與自動化流程而言，這種成本量級的斷崖式下跌，往往是概念驗證（PoC）能否真正落地轉化為商業獲利的生殺線。

工具調用 0% 錯誤與 DOOM 即時運算：專為 Agent 與代碼執行的確定性革命

除了速度與成本，Jev 對企業架構師最具吸引力的特點在於其「確定性」。傳統 LLM 驅動的自主代理（AI Agent）之所以難以承擔關鍵業務，最大隱憂就是隨機幻覺與格式失誤——即使是最聰明的模型，在調用外部 API 或執行函數時也經常漏掉參數或打錯 JSON 結構。而 Jev 的輸出結構由編譯規範嚴格定義，不僅提供具體的信賴度分數，官方實測的工具調用（Tool Call）錯誤率更直接交出 0% 的完美成績單。

相較之下，目前業界頂尖模型在工具調用上的出錯率依然難以忽視：Anthropic 的 Claude Opus 5 出錯率為 0.67%、Sonnet 5 達 2.07%，Google 的 Gemini 3.8 Flash 為 2.15%，而 OpenAI 的 GPT-5.6 Terra 錯誤率為 5.5%，其 Sol 模型甚至高達 17.0%。Jev 的零失誤特性，讓代理在進行複雜環境互動時，徹底告別了因為呼叫失敗而不斷重試累積的延遲與額外開銷。

在維基百科競速（Wikipedia Race）測試中，模型必須在成百上千個超連結中即時判斷並跳轉到目標條目。在所有參賽模型均處於非推論加速模式下，Jev 依然以壓倒性速度勝出；其無幻覺的選擇能力，在面對龐大分支選項時展現出驚人的複利優勢。甚至在即時遊玩經典遊戲《DOOM》的極限展示中，Jev 以每秒約 10 次的高頻率調用持續做出遊戲決策，整整遊玩 1 小時所產生的 API 成本僅僅約 7 美元。

目前 TypeSafe AI 已正式開放 Jev 的早期存取計畫申請，並公布完整的開發者文件。阿爾梅達這場看似反潮流、實則直擊工程本質的「非 LLM 豪賭」，或許正替困在算力泥淖與幻覺焦慮中的 AI 產業，指出了一條更務實的演進分流。