Jev 类决策模型席卷 AI 市场，研究者指控 TypeSafe 抄袭其研究

TypeSafe 发布 Jev 后，许多 AI 厂商纷纷推出竞品，Microsoft、OpenAI 等公司也涌现出不少类似的开源项目。然而 ConvAI Innovations 的 Nandakishor Mukkunnoth 表示，Jev 架构的底层思路他早在一年多前就已经提出。那么到底是谁抄了谁？

简单回顾一下：Jev 及其同类产品都是由决策模型驱动的 API，可以直接在你的代码中调用。你向它输入数据（比如某位顾客的网购交易记录）和问题，例如"该用户是否想退货？"——回答是或否；又如"他们指的是哪件商品？"——从选项中选择。这类 Jev 风格的 AI 模型会为每个问题或选项给出一个概率值，你可以直接在自己的 if 语句中使用。虽然这个概念本身并不算全新，但这种实际应用确实很新颖。

该产品发布后在网络上引起热议，因为这个看似简单的概念非常实用，还巧妙地绕开了让 LLM 给出直接回答时常见的各种问题：不需要逐 token 生成文本，没有对话，无需反复传入对话历史，也不用塞进大量上下文信息，更不会出现对话式幻觉——输出的就是直接以概率形式呈现的数据。而且它速度极快，可以并行回答问题，成本也远低于标准 LLM。

除了 Jev，TypeSafe 还简要介绍了其 System One 架构。仅仅几天后，ConvAI Innovations 创始人 Nandakishor Mukkunnoth 在一篇博客文章中解释称，他实际上早在“一年前就设计了 Jev 架构”。他提到了自己关于 SalesRLAgent 的 arXiv 论文，描述了他如何创建一个概率估计模型，该论文发布于 2025 年 3 月 30 日。随论文一起，他发布了其模型权重和数据集。随后，他补充了一篇9 月的论文，该论文与 Jev 的运行方式更为接近。

在其文章中，Mukkunnoth 表达了失望之情，描述了他如何因为“[他的想法]是为垂直用例而构建的”而被忽视，意思是 SalesRLAgent 旨在解决一个特定问题，而 TypeSafe 则将 Jev 打造为一种通用决策引擎。值得注意的是，该公司将 Jev 作为一个完整的托管产品发布，拥有自己的服务器、API、文档、开发工具包，以及自然存在的定价。

尽管如此，他表示选择不因这一发展而心怀怨恨，最终在同一天左右发布了开源的 Laya。Laya 本质上是一个 Jev 风格的模型和界面，用户可以在自己的硬件上运行，并支持多语言。可能加剧了混淆的是，TypeSafe 和 Mukkunnoth 都将他们的模型称为“System 1/One”类型，这很可能是在引用 Daniel Kahneman 的著作Thinking, Fast and Slow，该书将 System 1 描述为一种更快、更情绪化的思维模式，而 System 2 则指更慢、更逻辑化的思维。

无论如何，AI 的这一新用例所引发的热潮势不可挡，因此该领域的参与者们采取了最擅长的策略：模仿概念，推出自家服务。在 Jev 发布后的短短数周内，市场上相继出现了 Microsoft Decision、OpenAI Decisions API 和 Fastino Glide。Cloudflare Clef 和 Perplexity Decider 则以开放权重的形式登场，这意味着只要硬件性能足够，你就可以在自己的设备上运行它们。而在开源阵营里，则有 Amazon 的 Strands Decider 2B，以及 Kev、Von、Jeff、jevlike、SemIf、OpenJev、NanoJev、Ollaya 等众多项目。

为何如此之多？因为包括那些商业项目在内，大多数都拥有相同的根源：基于现有的轻量级模型（通常总是 Alibaba 开源的 Qwen 的某个版本），并增加额外的层来塑造输入、输出及决策流程。Mukkunnoth 的 Laya 则基于 Bert 家族的纯编码器模型，而非像 Qwen 那样的 LLM。尽管如此，不难想象，鉴于这些替代方案涌现的速度，许多人很可能都至少参考过他工作中的部分思路。