[ Jev 是什么？ ]
Jev 是什么？
决策模型详解。
更新于 2026 年 10 月 16 日 · Jev Hub
[ Sponsors ]Launch price
These products help pay for Jev Hub. Want yours up here?
为决策而生，不是为写作而生
GPT、Claude 这类语言模型是一个字一个字生成文本的。这让它们很灵活，但当你只需要一个决策时，也意味着更慢、更贵。
Jev 完全跳过了文本生成这一步。你发送一段输入（一封邮件、一张工单、一条销售线索）和一个或多个类型化问题，它并行处理这些问题，返回结构化的答案：选中的选项、每个选项的概率，以及一个置信度。TypeSafe 把它形容为 “一次带有顶尖判断力的函数调用”：输入是非结构化的，输出是类型化的决策（官方发布 (opens in a new tab)）。
这改变了什么值得自动化。有开发者用它在约 1 分钟内分拣了 1,000 封邮件，花费 3¢；另一位用它分类了 1,018 篇研究论文，花费 8¢。在这个价位上，你可以对每一条数据都跑一次决策，而不必抽样。
输入和输出
一次请求包含两部分：要评估的输入，以及关于它的问题。每个问题属于三种类型之一（Choice、Score 或 Noul），并声明它接受的答案范围，所以返回结果永远不会超出这个范围。
针对同一个输入的多个问题会在一次请求里一并回答，所以问三个问题的花费只比问一个问题略高一点。
置信度才是关键
每个答案都带一个置信度，这正是让自动化变得安全的原因。设一个阈值：高于它就自动执行，低于它就转交给人工或更大的模型。清楚的情况几毫秒内处理完，人只需要看模棱两可的那部分。
TypeSafe 表示 Jev 的训练目标是校准（calibration），也就是说置信度越高，准确率理应越高（官方发布 (opens in a new tab)）。用自己的数据验证一下，再决定要不要依赖它。
它和语言模型是搭档关系
很少有团队会用 Jev 直接替换掉 LLM，更常见的做法是两个一起用：Jev 处理大量的判断工作（路由、打分、标记、核验），语言模型处理真正需要文字的部分。常见组合是生成前先筛一遍、给模型输出加一道防线，或者在多个模型之间做路由。
| Jev | 语言模型（GPT、Claude、Gemini） | |
|---|---|---|
| 输出 | 带概率和置信度的结构化决策 | 生成的文本 |
| 成本 | 约每 1,000 封邮件 2.4¢ | 在一项独立测试中贵 5–8 倍，即便是小模型也是如此 |
| 延迟 | 70–500 ms | 数秒 |
| 写作、推理、对话 | 不行 | 可以 |
费用对比来自一项独立测试，详情见英文站的 Jev 定价 页面，或完整的 Jev 对比 ChatGPT 和 Claude（英文）。
局限
动手之前值得了解：
- 不生成文本。 不写回复、摘要或代码，这些仍需要语言模型。
- 答案集是封闭的。 它只从你定义的选项里选，所以你得事先知道有哪些选项。
- 不解释理由。 你拿到的是决策和置信度，不是推理过程。
- 以文本为主。 图片输入仍是实验功能，不建议用于生产环境；不支持音频或视频。
- 仍然可能出错。 答案总会落在合法选项内，但不一定是对的——这正是置信度存在的意义。
是谁做的，名字从哪来
Jev 由 TypeSafe AI 于 2026年9月15日 发布。创始人 Diogo Almeida 曾在 OpenAI 参与 ChatGPT 背后的研究，之后隐身两年开发了 Jev（TypeSafe 官方发布 (opens in a new tab)）。
根据他的发布推文 (opens in a new tab)，这个名字来自“杰文斯悖论”（Jevons paradox）。1865 年，经济学家威廉·斯坦利·杰文斯观察到：蒸汽机烧煤的效率越高，英国烧的煤反而越多，因为用蒸汽机变得到处划算了。Jev 背后的赌注是同一个逻辑：把一次决策的成本做到足够低，软件就会去做上百万次。
TypeSafe 还把 Jev 称为“System One”模型（文档 (opens in a new tab)），这个名字来自丹尼尔·卡尼曼的《思考，快与慢》：System 1 是快速、直觉式的，System 2 是缓慢、深思熟虑的。生成文本的模型属于后者，Jev 是为前者而造的。
[ 开始使用 ]
三种入门方式。
试一下、用现成的，或自己接入。
[ 问题 ]
常见问题
Jev Hub 是独立站点，与 TypeSafe AI 没有从属关系。本页是英文原文的中文版本，内容若有出入，以英文站为准。