最后更新：2026-09-20 · 来源：typesafe.ai、渠道商列表、独立媒体（文中附链接）
Jev 是什么？TypeSafe System One 模型完整解读
Jev 是 TypeSafe AI 于 2026 年 9 月 15 日发布的全新模型品类——System One Models——的第一个成员。它不生成文本，而是针对你的输入回答带类型的问题，返回附带校准置信度的结构化决策。这篇指南讲清它的工作原理、能做什么不能做什么，以及哪些说法你应该亲自验证。
太长不看版
- 是什么：一个返回类型化决策（选项、评分或真/假概率）+ 置信度的模型——绝不输出自由文本。
- 为什么重要：在结构化决策工作流上比前沿 LLM 快约 193.6 倍、便宜约 444.6 倍（TypeSafe 自报数字），因为没有逐 token 的串行生成。
- 价格：输入 $0.042 / 1M tokens，输出免费。
- 现状：早期访问——官方 waitlist，或经 Vercel / Cloudflare / OpenRouter 即时使用。
- 注意：评测为厂商自跑、无独立复现；格式正确的答案仍可能带着高置信度出错。
聊天模型的问题
RLHF 时代的 LLM 为「产出人类喜欢的文字」而优化。这让它们在遵循指令上超越人类——但作为软件组件却不可靠：模式坍缩、过度自信、编造自由文本、每个答案都裹着散文。如果你的应用真正需要的是「这张工单属于这 4 类中的哪一类」或「这个来源是否支持这个论断」，聊天模型是一条昂贵又嘈杂的路径，只为得到一个比特的答案。
TypeSafe 的赌注是：人们目前交给 LLM 的相当大一部分工作，其实是披着聊天外衣的结构化决策——这部分理应拥有自己的模型品类，原生地被机器消费。
Jev 怎么工作
输入：state + 类型化问题
一次 HTTP 请求包含 state（待判断的文本块——工单、段落、日志）和一个或多个问题，每个问题有固定的答案类型。响应在单次调用中返回所有答案及概率。
{
"state": "我的 Stripe 账户连了 3 天一直失败，我正在丢单。",
"questions": {
"urgency": { "type": "noul", "statement": "这条消息表达了紧急感。" },
"category": { "type": "choice", "options": ["账务", "技术", "销售", "垃圾信息"] },
"frustration":{ "type": "score", "scale": ["低", "中", "高", "危急"] }
}
}训练：RLCD，而非 RLHF
TypeSafe 为 Jev 设计了新架构、新采样器和名为 RLCD（Reinforcement Learning for Calibrated Decisions，面向校准决策的强化学习）的训练算法。优化目标是校准度——0.9 就应该真的代表 90% 概率——而不是人类对生成文风的偏好。这也是它无法输出无效答案的原因：输出形状在架构层固定，不靠提示词工程约束。
输出：决策 + 置信度阈值
策略由你的代码决定：高于 0.9 自动执行，0.6–0.9 之间升级给人工，再低就回退到前沿 LLM。TypeSafe 的原话：「在代码中组合这些决策来构建更大的工作流，由你掌控智能的使用方式。」
三种题型原语
| 原语 | 返回 | 示例问题 |
|---|---|---|
| Choice | 选项之一 + 概率 | 「这张工单属于哪类？」→ 账务（0.91） |
| Score | 有序评分 + 概率 | 「这个告警多严重？」→ 高（0.87） |
| Noul | 陈述为真的概率 | 「这段话是否否认了它引用的论断？」→ 0.95 |
三种题型可共享同一次请求——常见做法是「投机式扇出」：把可能需要的所有问题一次性问出去，由代码挑选相关答案，因为输入是唯一计费项，多问几个问题几乎不增加成本。
评测数据——及其水分
TypeSafe 在 4 个工作流（安全事件响应、agent 轨迹可观测、发票处理、客服）上做了自建评测：
| 模型 | 准确率* | 单例成本 | 延迟 |
|---|---|---|---|
| Jev | 67.8% | $0.0004 | 0.4 s |
| GPT-5.6 Terra | 67.9% | $0.0304 | 10.1 s |
| Claude Sonnet 5 | 67.8% | $0.117 | 78 s |
| Claude Opus 5 | 73.1% | $0.1761 | 37.8 s |
| GPT-5.6 Sol | 74.1% | $0.0836 | 23.3 s |
- *「准确率」是一致性，不是真值。共识标签由 GPT-6 Astra 与 Claude Fable 5.1 生成——它衡量的是与两个前沿模型的一致程度，TypeSafe 也承认这偏向 OpenAI 和 Anthropic。
- 厂商自跑。工作流、评测框架、运行全部由 TypeSafe 完成，尚无中立框架的独立复现。
- 「0% 错误」是结构性的。「零幻觉」「0% 格式错误」源自 schema 保证，不是测量结果。格式有效的答案仍可能是带高置信度的错误答案——这正是发布后 Hacker News 讨论最激烈的点。
- 社区共识：先在自己的流量上评测，再决定是否依赖这些数字。
价格速览
| Jev | GPT-5.6 Terra | Claude Sonnet 5 | |
|---|---|---|---|
| 输入 / 1M tokens | $0.042 | $2.00 | $3.00 |
| 输出 / 1M tokens | $0 | $12.00 | $15.00 |
| 单决策例成本 | ~$0.0004 | $0.0304 | $0.117 |
各渠道逐一报价和可交互的成本计算器见价格页。
局限性
- 不能生成文本。写不了文章、邮件、聊天回复——任何面向人的文字仍需 LLM。
- 只支持文本。暂不支持图片、音频输入。
- 64K 上下文（Cloudflare 为 32K），长文档需先分块或摘要。
- 不算算术、不处理日期。计数、求和、日期差交给代码。
- 对上下文敏感。发送前清理 state 里的追踪头、HTML 样板和无关元数据。
- 可能自信地错。校准有帮助，但错误答案也可能带高置信度。自动化前先用历史数据回归测试概率。
- 早期访问的经济性。价格和速率限制可能变化；TypeSafe 自己说无法证明定价没有补贴。
正确的心智模型
Jev 不是更便宜的 LLM，而是一个恰好有智能的类型化函数调用：直接返回代码可用的值，附带置信度。有了它，很多只为「在字符串输出中活下来并做校验」而存在的代码就不需要存在了。发布几天内，开源项目 openjev 就在小开源模型上复刻了这套接口模式——说明这个原语的生命周期可能超过任何单一厂商。
怎么试用
从零代码到完整 API 的三条路径，我们在获取方式指南里逐步讲清——包括经 Vercel、Cloudflare、OpenRouter 的免排队路径。什么时候该用 Jev、什么时候该用前沿模型，见 Jev vs 大模型；具体工作流见使用场景。