TypeSafe AI 的 Jev 不写文章，它只回答。该模型 9 月 15 日发布，ITmedia 有详细解读：你定义问题（把这个分类、在这几个里选、给这个打分、判断真假），它返回带置信度的结构化答案。公司把这个类别叫做 System One 模型。它引起关注的原因很好解释：智能体向前沿大模型要的事情里，绝大多数不是“写”，而是“选”。

关键事实

项目 内容
回答的问题 Jev 与 Agent 的「快慢分工」：判断可以快，许可不能省
简答 TypeSafe AI 的 Jev 不写文章，只返回结构化的「判断」；Vercel、Cloudflare 等已经接入。本文讲清它验证的「快慢分工」是什么，以及这对在你本机跑智能体意味着什么。
阅读时长 ~2 分钟
最后更新 2026-09-21

「快慢分工」说到底是这么回事

量子位 把架构一句话讲清了：昂贵的大模型负责慢思考（规划、探索不同路径、从失败里恢复），而高频、原子化的快判断（分类、选择、评分）交给轻量决策模型。

那篇文章里有两个实现细节值得记住：

  • 关键在于跳过自回归解码、直接打分，这才让答案既便宜又即时，而不是一小段文章；
  • 负责组装与调度这两半的工程层现在有了名字：Harness —— 分工真正落地的地方就是它。

比 Demo 更有说服力的是采用速度：据 Forbes 经 Techmeme 转述，Vercel、Cloudflare 等已经接入 Jev，并称它在工作流评测上能匹配更大的模型。中国的 APUS 则公布了全球最早一批独立开源复现之一，打包成可离线运行的 Agent Skill，支持 macOS、Linux、Windows，没有 GPU 的 Mac 和 PC 也能跑。

这对你本机的智能体意味着什么

两层架构的智能体可以整天跑得起 —— 这就是它全部的理由。但请注意快的那一半被允许决定什么：它决定「选哪个选项」，不决定「这件事该不该做」。这是两个不同的问题，而风险只挂在第二个上。

这个区别正是一台桌面智能体赢得或失去信任的地方。MOOGH 把分工摆明：用较慢的推理做规划，把要改的文件和要跑的命令摆给你看，等你批准再执行，并记录做了什么。底层模型更快，只会让活儿干得更快，不会把许可权挪走。下载 MOOGH，让快的那半尽管快，最后的决定仍归你。

相关阅读：