Jev: Mô hình System One của TypeSafe không bao giờ bịa đặt

Hầu hết các thông báo về AI trong năm 2026 đều chạy đua ở mảng chat và lập luận, như có thể thấy với GPT-6 Astra của OpenAI, Fable 5.1 của Anthropic.

TypeSafe có một hướng tiếp cận mới. Vào ngày 15 tháng 9 năm 2026, công ty công bố một mô hình hoàn toàn không tạo văn bản.

Mô hình có tên là Jev, thuộc một nhóm mô hình AI mới mà TypeSafe gọi là mô hình System One.

Thay vì tạo chuỗi ký tự từng token một, Jev nhận trạng thái chương trình phi cấu trúc làm đầu vào và trả về các quyết định có kiểu, mang tính xác suất chỉ trong một lượt song song.

Những tuyên bố chính của TypeSafe là Jev chạy nhanh hơn 40-200 lần so với các LLM tiên tiến trên các tác vụ tương đương, có chi phí $0,042 cho mỗi triệu token đầu vào với đầu ra miễn phí, và về mặt toán học không thể bịa đặt (hallucinate) hoặc tạo lỗi kiểu.

Bài viết này sẽ trình bày mô hình System One thực chất là gì, Jev khác LLM tiêu chuẩn ra sao, các benchmark theo quy trình làm việc so với các mô hình khác cho thấy điều gì, và tôi nghĩ nó phù hợp ở đâu trong một hệ thống thực tế.

Để tìm hiểu sâu hơn về các mô hình được dùng để so sánh với Jev, hãy xem các bài so sánh của chúng tôi: Jev vs GPT-6 Astra, GPT-5.6 Terra vs Claude Sonnet 5 và Claude Opus 5 vs GPT-5.6 Sol. Tôi cũng khuyến nghị xem hướng dẫn về các lựa chọn thay thế Jev và hướng dẫn API Jev của chúng tôi. 

TL;DR

• Jev là mô hình System One đầu tiên của TypeSafe: trả về các quyết định có kiểu với xác suất đã hiệu chuẩn, không phải văn bản.
• Nó không thể bịa đặt hay tạo lỗi kiểu, vì đầu ra hợp lệ được định nghĩa sẵn trong schema.
• Trên benchmark 4 quy trình của TypeSafe, nó đạt ~68% độ chính xác, tiệm cận các LLM tầm trung như GPT-5.6 Terra, nhưng rẻ hơn 40-400 lần và nhanh hơn 20-200 lần.
• Đây không phải công cụ phù hợp cho chat, sinh mã, hay bất cứ thứ gì cần lời giải thích bằng văn bản.
• Jev phù hợp khi bạn cần đưa ra các quyết định khối lượng lớn, lặp lại trên một trạng thái chung, nơi các câu trả lời có thể đều đã biết trước.

Mô hình System One là gì?

Mô hình System One là một mô hình AI tiên tiến trả về các quyết định mang tính xác suất có kiểu thay vì văn bản.

Bạn cung cấp cho nó một khối trạng thái và một tập câu hỏi có kiểu; nó đánh giá tất cả song song và trả về các câu trả lời có cấu trúc kèm điểm tin cậy đã hiệu chuẩn, không có sinh chuỗi và không cần phân tách. TypeSafe đặt tên nhóm này với Jev, bản phát hành công khai đầu tiên vào tháng 9 năm 2026.

Jev là gì?

Jev là một mô hình tiên phong được xây dựng để đưa ra các quyết định nhanh, có cấu trúc mà phần mềm có thể sử dụng trực tiếp, không cần bước phân tách hay xác thực.

Đây là bản phát hành công khai đầu tiên trong dòng System One của TypeSafe, có sớm từ tháng 9 năm 2026 và được đặt theo tên nhà kinh tế William Stanley Jevons.

Tên gọi xuất phát từ cuốn Tư duy, Nhanh và Chậm của Daniel Kahneman.

Hệ 1 (System 1) của Kahneman là nhanh và trực giác; Hệ 2 là chậm và cân nhắc.

Các LLM hiện tại, với chuỗi suy nghĩ và vệt lập luận kéo dài hàng giây, nằm chắc trong lãnh địa Hệ 2.

Nhà sáng lập TypeSafe, Diogo Almeida, đồng phát minh ChatGPT tại OpenAI, cho rằng khoảng cách tự động hóa đến từ việc mọi người đều xây mô hình Hệ 2 trong khi hầu hết quyết định trong phần mềm cần câu trả lời Hệ 1 nhanh.

Về kiến trúc, Jev là một bước rẽ thật sự so với một LLM transformer.

Nó dùng kiến trúc mô hình mới với bộ lấy mẫu song song, tạo toàn bộ đầu ra trong một truy vấn duy nhất thay vì tự hồi quy, và phương pháp huấn luyện mà TypeSafe gọi là Học tăng cường cho các quyết định đã hiệu chuẩn (RLCD).

Trong khi GPT-5.6 và Opus 5 được huấn luyện bằng RLHF và phần thưởng có thể kiểm chứng để tạo văn bản con người ưa thích, RLCD tối ưu cho xác suất đã hiệu chuẩn trên các quyết định có cấu trúc.

Kết quả, theo số liệu của chính TypeSafe, là tỷ lệ lỗi đầu ra có cấu trúc 0% và độ trễ đầu-cuối 70-500ms.

Một điểm nhỏ về phương pháp RLCD: TypeSafe định vị nó đối đầu trực diện với RLHF và RLVR. Nếu RLHF tối ưu cho phản hồi chat được người đánh giá ưa thích và RLVR tối ưu cho đầu ra chương trình có thể xác minh, thì RLCD tối ưu cho xác suất trung thực về tri thức ở các tác vụ quyết định. Đó là lý do khả năng hiệu chuẩn là thuộc tính hạng nhất của Jev thay vì thứ được gắn thêm qua nhắc lệnh.

Jev so với một LLM tiêu chuẩn: Toàn cảnh

Đây là đối chiếu kiến trúc cốt lõi trong một bảng, vì sự khác biệt dễ bị bỏ sót khi đọc diễn giải.

Các tính năng chính của Jev

Các tính năng này đều xuất phát từ một lựa chọn thiết kế: Jev từ bỏ hoàn toàn việc sinh chuỗi.

Chính sự loại bỏ đó mang lại tốc độ, giá thành, và bảo đảm về kiểu.

Các quyết định có kiểu thay vì văn bản

Jev trả về các giá trị có cấu trúc an toàn kiểu, với các đầu ra khả dĩ được định nghĩa trong schema của bạn trước khi gọi.

API phơi bày một tập nhỏ các loại câu hỏi:

• Choice cho phân loại theo nhóm
• Score cho chấm điểm số hoặc theo thang đánh giá,
• Noul cho xác suất có/không.

Hãy coi nó như một lời gọi hàm với trí tuệ tiên phong: trạng thái phi cấu trúc đi vào, các quyết định có kiểu mang tính xác suất đi ra.

Nếu bạn định tuyến một phiếu hỗ trợ, bạn có thể định nghĩa một Choice trong {billing, technical, sales, spam} và một Score cho mức khẩn cấp từ 0 đến 100, và Jev sẽ điền cả hai trong một lượt. Không có JSON để phân tách và không rủi ro mô hình đi chệch và viết ra một đoạn văn.

Điều hiển nhiên cần lưu ý là cách này chỉ hiệu quả khi không gian câu trả lời hợp lệ bị chặn và đã biết trước. Jev vô dụng cho sinh nội dung mở và nó cũng không viết schema thay bạn.

Độ tin cậy đã hiệu chuẩn trên mọi đầu ra

Mỗi đầu ra của Jev đều kèm một xác suất đã hiệu chuẩn, nghĩa là độ tin cậy cao hơn thực sự tương ứng với độ chính xác cao hơn.

Tôi cho rằng đây sẽ là tính năng hữu ích nhất trong thực tế.

LLM tiêu chuẩn nổi tiếng là quá tự tin ngay cả khi bạn yêu cầu rõ xác suất.

Nếu một mô hình phân loại đúng 95% nhưng không thể cho bạn biết 5% nào nó không chắc, bạn không thể tự động hóa an toàn quanh nó.

Khả năng hiệu chuẩn của Jev cho phép bạn đặt ngưỡng tin cậy và chỉ tự động hành động khi vượt ngưỡng đó, chuyển các trường hợp không chắc cho con người hoặc một LLM chậm hơn.

Hạn chế cần nhấn mạnh là Jev cho bạn một con số, không phải lý do.

Không có giải thích ngôn ngữ tự nhiên về lý do nó chấm điểm một trường hợp như vậy, điều này quan trọng cho việc gỡ lỗi và kiểm toán trong các lĩnh vực bị quản lý.

Không bịa đặt và không lỗi kiểu

Vì đầu ra của Jev bị ràng buộc bởi schema, về mặt toán học nó không thể tạo ra giá trị không hợp lệ hay lỗi kiểu.

TypeSafe báo cáo tỷ lệ lỗi đầu ra có cấu trúc 0% và lỗi gọi công cụ 0%.

So sánh, trong bài kiểm tra đầu ra có cấu trúc của TypeSafe, luna và terra của OpenAI ở mức 0,58%, Opus 5 của Anthropic là 5,73%, và Claude Haiku 4.5 là 45,5%.

Với các lệnh gọi công cụ, GPT-5.6 Sol tệ nhất ở mức 17,0%.

Một lệnh gọi công cụ bị bịa đặt là điều phiền toái trong một tác tử tương tác, nhưng là vấn đề nghiêm trọng khi nó bị chôn sâu nhiều lớp trong chuỗi phụ thuộc có yêu cầu về độ trễ.

Lấy mẫu song song cho tốc độ thời gian thực

Jev tạo toàn bộ đầu ra trong một truy vấn song song duy nhất thay vì phát ra từng token.

Đó là nguồn gốc của độ trễ 70-500ms.

Tốc độ đó mở ra những ca sử dụng mà các LLM phát token theo luồng không thể với tới.

Bản demo của chính TypeSafe cho thấy Jev chơi Doom bằng cách phản ứng với trạng thái trò chơi có cấu trúc (cung cấp dưới dạng văn bản) khoảng 10 lần mỗi giây, với chi phí suy luận khoảng $7/giờ.

Điều đáng nói không phải là Jev chơi Doom hay, một bot kịch bản hóa sẽ thắng nó, mà là nó có thể đưa ra quyết định phản ứng trong một vòng lặp thời gian thực nơi một cuộc gọi LLM 3-30 giây là bất khả thi.

Áp dụng theo lược đồ map trên dữ liệu lớn

Chi phí khoảng $0,0004 cho mỗi trường hợp khiến việc chạy một quyết định trên mọi hàng của một tập dữ liệu lớn trở nên khả thi với Jev, điều vốn quá tốn kém với một LLM tiên phong.

TypeSafe mô tả điều này như việc biến petabyte dữ liệu thô thành đặc trưng và insight bằng cách map-reduce các quyết định trên đó.

Một ví dụ cụ thể là chấm điểm mọi bài đánh giá sản phẩm trong một bảng 50 triệu hàng về cảm xúc và vi phạm chính sách, sẽ tốn khoảng $20 cho các lệnh gọi quyết định với Jev theo mức được báo cáo, so với con số hàng nghìn nếu dùng LLM tính phí theo token.

Jev thể hiện thế nào trên các benchmark?

Tóm gọn là Jev đạt độ chính xác tương đương LLM tiên phong tầm trung, trong khi đánh bại tất cả về chi phí và độ trễ với biên độ từ một đến hai bậc độ lớn.

Tất cả con số dưới đây đến từ các bảng đánh giá của chính TypeSafe, và chưa có tái lập quy mô lớn độc lập, vì vậy hãy coi đây là số liệu do nhà cung cấp báo cáo.

Độ chính xác quyết định trên quy trình sản xuất

TypeSafe xây dựng một đánh giá tùy chỉnh trên 4 quy trình (ứng phó sự cố an ninh, quan sát dấu vết tác tử, xử lý hóa đơn và chăm sóc khách hàng), chấm từng mô hình so với dự đoán trung bình của GPT-6 Astra và Fable của Anthropic.

Jev đạt trung bình 67,8% đồng thuận với đáp án tham chiếu.

Dưới đây là so sánh với các LLM tiên phong trên cùng quy trình:

Mẫu hình nhất quán: Jev đánh đổi vài điểm độ chính xác so với các mô hình tốt nhất để lấy lợi thế lớn về chi phí và độ trễ.

Về độ chính xác, Jev coi như ngang Terra trong khi chi phí chỉ bằng khoảng 1/76 cho mỗi trường hợp và chạy nhanh hơn 25 lần.

Các mô hình có độ chính xác cao nhất, Sol ở 74,1% và Opus 5 ở 73,1%, vẫn hơn thực sự 5-6 điểm, nên nếu bạn cần độ chính xác đỉnh cho tác vụ khối lượng thấp, LLM vẫn thắng.

Độ tin cậy của đầu ra có cấu trúc và gọi công cụ

Trên các biểu đồ độ tin cậy, Jev ở mức lỗi 0% cho cả đầu ra có cấu trúc và lệnh gọi công cụ, đúng với mục tiêu thiết kế ràng buộc theo schema.

Các LLM tiên phong đều có một tỷ lệ lỗi khác 0 ở đây.

Hai con số nổi bật. Claude Haiku 4.5 ghi nhận 45,5% lỗi đầu ra có cấu trúc, và GPT-5.6 Sol ghi nhận 17,0% lỗi gọi công cụ.

Đó không phải các góc cạnh hiếm hoi; đó là những lỗi có thể làm hỏng một pipeline không giám sát ngay khi chạy ở quy mô lớn.

Hạn chế về khả năng diễn giải và kiểm toán

Jev trả về xác suất nhưng không có lý do bằng ngôn ngữ tự nhiên, điều mà người đánh giá coi là hạn chế thực sự đối với gỡ lỗi và kiểm toán trong lĩnh vực bị quản lý.

Nếu đội tuân thủ cần biết vì sao một đơn vay được chấm điểm như vậy, một con số tin cậy trần trụi sẽ không đủ.

Cách làm thực tế là dành Jev cho lớp định tuyến khối lượng lớn và chuyển các trường hợp bị gắn cờ hoặc có độ tin cậy thấp sang một mô hình có thể tạo lời giải thích bằng văn bản.

Cách này giữ được thông lượng trong khi vẫn duy trì dấu vết kiểm toán nơi pháp luật yêu cầu.

Nơi các con số cần lưu ý

TypeSafe khá thẳng thắn về các thiên lệch trong đánh giá của chính họ.

Các quy trình do đội năng lực mô hình của họ viết, nên có thể tồn tại thiên lệch, và đáp án tham chiếu đến từ các mô hình của OpenAI và Anthropic, điều này có khả năng đánh giá thấp hiệu năng tương đối của Jev và các mô hình của DeepSeek.

Các LLM trong bài test này chạy qua adapter System One mã nguồn mở của TypeSafe, buộc chúng phải xuất các quyết định có cấu trúc tương thích với API.

TypeSafe cho rằng đây là cách chính xác nhất để lấy quyết định từ một LLM, dù nó chậm và đắt hơn so với để mô hình trả lời không kèm xác suất.

Cho đến khi một bộ kiểm thử độc lập tái lập trên một giàn trung lập, tôi sẽ coi sự ngang ngửa về độ chính xác là đáng hứa hẹn hơn là đã ngã ngũ.

Jev vs LLM tiên phong: Khi nào dùng cái nào

Jev không cạnh tranh với GPT-5.6 hay Opus 5 cho cùng một công việc, nên câu hỏi hữu ích là nên chọn lớp mô hình nào.

Phân tách cốt lõi nằm ở việc tác vụ của bạn cần một quyết định bị chặn trong phạm vi hay một câu trả lời mở.

• Chọn mô hình System One như Jev khi quyết định là lặp lại, khối lượng lớn, và các câu trả lời khả dĩ đã biết trước.
• Chọn một LLM tiên phong khi bạn cần sinh văn bản, mã, lời giải thích bằng chữ, hoặc lập luận phức tạp một lần.

Trong thực tế, hai loại này phối hợp tốt: dùng Jev làm lớp quyết định nhanh để phân loại, chấm điểm, và định tuyến, và chuyển phần nhỏ các ca khó hoặc đầu ra mở sang mô hình như Terra hoặc Opus 5. Khả năng hiệu chuẩn của Jev giúp việc chuyển tiếp này gọn gàng, vì bạn có thể định tuyến theo ngưỡng tin cậy.

Giá và khả dụng của Jev

Giá của Jev là nơi thông điệp trở nên “mạnh tay”.

Token đầu vào có giá $0,042 mỗi triệu ($42 mỗi tỷ), và token đầu ra không tính phí, được TypeSafe mô tả là rẻ đến mức không cần đo vì mô hình trả về quyết định có cấu trúc thay vì văn bản dài.

Để so sánh, mức đầu vào này xấp xỉ 1/48 so với $2,00 mỗi triệu token đầu vào của GPT-5.6 Terra, và Terra còn tính thêm $12,00 mỗi triệu token đầu ra.

Ở cấp quy trình, đánh giá nội bộ của TypeSafe đưa Jev vào khoảng $0,0004 mỗi trường hợp so với $0,0304 của Terra và $0,0836 của Sol.

TypeSafe thẳng thắn rằng họ không thể chứng minh mức giá không được trợ giá, và nói dài hạn sẽ phải chứng minh được tính bền vững, dù họ kỳ vọng giá sẽ giảm thay vì tăng.

Jev đang ở giai đoạn truy cập sớm kể từ 15 tháng 9 năm 2026, có danh sách chờ và nhà phát triển sẽ được mời dần. Tôi không thấy chương trình tín dụng miễn phí hay dùng thử nào được đề cập rõ trong tài liệu ra mắt.

Làm sao để truy cập Jev?

Jev là mô hình độc quyền, được lưu trữ và truy cập qua HTTP API của TypeSafe. Tuy nhiên, để truy cập, bạn sẽ cần tham gia danh sách chờ và theo dõi cộng đồng trên Blog TypeSafe AI.

Endpoint là POST https://api.typesafe.ai/v1/systemone, và tuyến mô hình truy cập sớm được tham chiếu là jev-latest.

TypeSafe cung cấp SDK chính thức cho Python và JavaScript bên cạnh HTTP API thô.

Bạn định nghĩa các loại câu hỏi (Choice, Score, Noul) trong schema và truyền trạng thái chương trình làm đầu vào; phản hồi trả về là các giá trị có kiểu với xác suất đã hiệu chuẩn.

Dưới đây là cấu trúc tối thiểu của một yêu cầu đến tuyến serverless:

import requests

response = requests.post(
    "https://api.typesafe.ai/v1/systemone",
    headers={"Authorization": "Bearer YOUR_KEY"},
    json={
        "model": "jev-latest",
        "state": "Customer emailed twice this week about a failed refund...",
        "questions": {
            "category": {"type": "choice", "options": ["billing", "technical", "sales"]},
            "urgency": {"type": "score", "min": 0, "max": 100},
        },
    },
)
print(response.json())Được hỗ trợ bởi

Đối với tài liệu tham chiếu đầy đủ về schema và thiết lập SDK, tài liệu của TypeSafe là nguồn chính xác nhất. 

Kết luận

TypeSafe đang đặt cược chiến lược rằng nhiều việc người ta hiện đang yêu cầu LLM làm thực chất là ra quyết định có cấu trúc được “đóng gói” thành chat.

Nếu đúng vậy, lợi thế chi phí 40-400 lần và cam kết 0% lỗi kiểu của Jev sẽ định hình lại kinh tế của tự động hóa khối lượng lớn theo cách mà GPT-5.6 và Opus 5 không thể cạnh tranh về giá.

Thẳng thắn mà nói, Jev có vẻ thực sự hữu ích như một lớp quyết định nhanh và rào chắn, và câu chuyện về hiệu chuẩn là phần tôi sẽ thực sự xây dựng xung quanh.

Các câu hỏi còn mở là liệu benchmark độc lập có xác nhận được độ chính xác tương đương hay không và liệu mức giá có giữ được sau khi hết trợ giá.

Nếu bạn muốn hiểu các bài toán quyết định mà Jev hướng tới, lộ trình kỹ năng AI Fundamentals của chúng tôi bao quát các khái niệm về phân loại và hiệu chuẩn nằm bên dưới.