技术博文：揭开 Jev 的架构面纱
http://t.cn/AXOKToqZ
“我通过一万次 API 调用探测 Jev，试图大致弄清它是如何构建的，以及为什么 X 上那些投机取巧的评论大多完全错了。”

由于 TypeSafe 没有公开 Jev 的模型权重和完整研究方法，作者通过约一万次 API 调用、延迟测量、分词器指纹、选项顺序与信息可见性实验，对其架构进行黑盒推测。

作者认为，目前证据最支持的模型是：Jev 以预训练的因果 Transformer 为基础，只编码一次共享状态，让多个相互隔离的问题分支并行读取它；每个问题会联合处理其全部候选项，最后通过数值读取头直接输出概率，而不进行逐 token 文本生成。其概率分布可能经过 TypeSafe 所称的 RLCD 方法训练，但具体损失函数并未公开；API 中单独名为 confidence 的字段，则只是根据输出分布计算出的摘要值，并非另一个模型预测。

作者还推测底层可能采用稀疏 MoE，以解释约 3 万 token 在约 160 毫秒内完成处理的速度，但这是全文证据最弱的一环。