写于 2026 年 9 月，Jev 发布后第五天。这东西变化很快，文中的价格、延迟和测试数据可能已经过时。我尽量对着官方文档和一手来源核过一遍，但仍然建议你打开原文再看一眼。
这两年我们已经习惯了 AI 话多。你问它今天是不是周一，它先给你讲讲星期制度的起源，再提醒你注意劳逸结合，最后问你还有什么可以帮忙的。
然后 Jev 出现了。你问它问题，它只回你一个选项和一个概率，多一个字都没有。像极了公司里那个从不在群里发言、但交上来的活永远不出错的同事。
来源：TypeSafe AI 官方演示，经 TechCrunch 2026-09-18 报道转载。截图中的 74.9× / 171.0× 是那一次演示的结果，不是可以随便外推的平均值。
一、Jev 是什么
Jev 是 TypeSafe AI 在 2026 年 9 月 15 日放出的第一款公开模型。官方给它的类别名是 System One 模型：借用卡尼曼《思考，快与慢》里“系统一”的说法，也就是那种不假思索、快速做判断的直觉思维。和它相对的，是 ChatGPT、Claude 这类一个字一个字往外写、慢慢想的大模型。模型名字来自经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）——官方的意思是：智能一旦变便宜，用量会涨，而不是缩。
创始人 Diogo Almeida 是前 OpenAI 研究员。TechCrunch 的报道写他参与过 ChatGPT，以及后来被称为 RLHF 的那套指令跟随训练；他自己的发布文说得更窄一点：在 OpenAI 帮忙做过让语言模型学会听指令、跟人说话的方法。公司另外两位联合创始人是 Erik Gafni 和 Sasha Sheng。多家媒体写 TypeSafe 同期完成了由 DCVC 领投的 4000 万美元种子轮；我没有在官方发布文里看到融资细节，所以只把它当媒体报道，不当成公司盖章的数字。
说人话就是：
Jev 是通用分类器。技术点在于不需要像传统分类器一样每个任务都做训练。
以前你想让机器自动给客服工单分类，得先找人标几千条数据，再训练一个专门的模型。哪天老板说要加一个“投诉”类别，好了，重新标注，重新训练。Jev 把这一步删掉了：分类标准在调用时直接用文字写进去，改标准就是改几行字的事。
另外说清楚一点：Jev 是闭源的。没有开放权重，不能本地部署，只能走托管 API。官方发布文写他们的评测是从美国西海岸的笔记本跑的，“this is where our service is currently based”——可以理解为现在服务器在美国西岸。官方 API 要排队；Vercel AI Gateway 这条路目前不用等。
示意图。左边是传统分类器的路径，右边是 Jev 的调用方式。
二、Jev 能做什么
官方文档只给它三种问题，也就是三种“原语”：
- Choice / 选择题：从你给的几个选项里挑一个，比如“这个工单该给哪个部门”。最多 255 个选项。
- Score / 打分题：在你定义好的有序等级里打分，比如“这个问题有多紧急”。
- Noul / 是非题：给出“是”的概率。官方叫 Noul；Vercel 的 AI SDK 和 changelog 里常写成 Boolean。是同一类问题。
每个答案都附带概率，选择题和打分题还会给一个 confidence。这是它最有意思的地方，后面细说。
听起来很朴素，但软件里其实到处都是这种判断。典型的用法有这些：
- 工单和消息分流：判断该交给哪个团队、紧急程度多高。
- Agent 的决策节点：下一步该调用哪个工具、该继续、重试、问用户还是停下。
- 安全检查和护栏：在 AI 执行命令前判断这个操作危不危险，或者检查另一个模型的输出有没有越界。Vercel 工程师拿它换掉过 fx 默认模式里跑在 Luna 上的命令安全审查。
- 模型路由：判断一个请求是简单问题还是难题，简单的交给便宜的模型，难的再交给贵的模型。LangChain 已经做了现成的实验性中间件
ModelRouterMiddleware，另外还有一个拿 Jev 拦高风险工具调用的AutoModeMiddleware。
适合它的场景有个共同特征：答案能事先列出来，而且判断次数多。一天判断几十次的事，用什么模型都无所谓；一天判断几十万次，或者每次用户点击都要判断一次，Jev 的价值才出来。
反过来，需要它写东西、算数、解释为什么这样判断的，都别找它。它是真的不会。官方自己也说：它放弃了字符串生成。
示意图。Jev 只负责判断；分发给谁、要不要人工看，仍然由你的代码决定。
三、它比 Luna 强在哪
Jev 的定价和定位，对标的就是 GPT-5.6 Luna、Claude Haiku 这一档便宜又快的小模型。所以这里拿 Luna 来比。数字分三层：官方自己的、Vercel 工程师的、社区独立测试的。别混着读。
1. 快
这是最实在的优势。
社区里有人做了独立测试：一份 30 条工单的分流测试里，Jev 中位延迟 575 ms，Luna 1472 ms，大约快 2.6 倍；另一份评论分类测试里，中位延迟 0.647 s 对 1.556 s，大约快 2.4 倍。官方的数字更夸张：端到端 70–500 ms，对大模型的 3–329 秒，并说在 System One 任务上可以到 40 到 200 倍。官网页上那句 “193.6x Faster” 来自他们自己的 workflow evals，官方也承认这是“现实世界收益的偏高一侧”。Vercel 把 fx 里的命令安全审查从 Luna 换成 Jev，工程师公开的说法是快了 5 到 18 倍（p95 到过 18 倍）；Vercel 正式 changelog 没有写这组数字，只转述了 TypeSafe 自己的 193.6 倍。
1 秒和 0.3 秒，对批量处理来说没什么区别。但如果判断发生在用户每次点击之后，或者 AI Agent 每走一步之前，这点延迟就会一层层叠起来，最后变成用户能感觉到的卡。
2. 便宜
官方定价写得很清楚：输入每百万 token 0.042 美元（也就是每十亿 token 42 美元），输出免费，因为它根本没什么可输出的。官方也坦白：他们没法证明这个价格没有补贴。
官网页上的 “444.6x Cheaper” 是跟贵的大模型、按他们自己的 workflow 比出来的。和 Luna 比，两份社区独立测试大概便宜 4 到 5 倍：工单测试里每 1000 条 0.022 美元对 0.088 美元；评论测试里已知单次成本大约 0.000032 美元对 0.000154 美元。
说实话，Luna 本来就够便宜了，这点差价对大多数人来说无关痛痒。量大到一定程度才有意义。
3. 概率可以信
这是 Jev 真正独特的地方。你让 Luna 给个置信度，它说 0.9，这个数字更像是它“说出来”的，不太能反映它实际对不对。TypeSafe 专门用一套叫 RLCD（Reinforcement Learning for Calibrated Decisions）的方法训练这件事，目标是它说 90% 的时候，真的大约有 90% 是对的。
如果这点靠得住，就能做一件很实用的事：高置信度的直接自动处理，低置信度的转给人工。对公司来说，省下的人工复核成本比省 API 费用值钱多了。不过目前这个说法还主要来自官方，训练细节和校准误差都没有公开论文。建议自己用真实数据验证一下。
4. 不会输出格式错误的答案
用 Luna 做分类，偶尔会遇到它返回的 JSON 格式不对、或者编了一个你没给过的选项。Jev 从结构上就不会出这种问题，它只能从你定义的选项里选。
官方把这叫做“零幻觉”。这个说法要打个折扣：官方自己解释过，这个 0% 不是实测出来的，而是“schema matching is guaranteed”——它不会给出不存在的选项，但完全可能选错一个存在的选项，而且还可能选得很自信。
老实交代一下准确率
准确率上 Jev 并没有稳赢。
- 社区 30 条工单测试：Luna 三项全对 28/30，Jev 25/30。Jev 典型的错法，是把两条语气很平静的故障报告判成“客户生气”。
- 社区 100 条评论、各跑 3 次：Luna 字段准确率 97.13%，Jev 96.13%，差 1 个百分点。作者自己也写了，这是合成数据，不能当通用排名。
- 官方 workflow evals：Jev 67.8%，Luna 66.8%，Jev 高 1 分。但这套评测的标准答案是 GPT-6 Astra 和 Claude Fable 5.1 的平均输出，没有人工标注。Dev.to 上有一篇把这个方法拆得很清楚。
这些测试样本都不大，谁也不能说明什么。我自己的结论就是：准确率差不多，Jev 赢在快、便宜、格式不会跑飞，以及它愿意给一个你可以拿来设阈值的概率。
根据 BUNYOD0987/jev-vs-llm 与 mameli/jev-vs-luna 公布的数字重绘。样本量小，只表示这两次测试里的方向。
四、怎么用
接入
目前我看到三条路：
- 官方 API：
POST https://api.typesafe.ai/v1/systemone，模型 ID 是jev-latest。需要先排队申请资格。 - Vercel AI Gateway：不用排队，模型 ID 是
typesafe-ai/jev，changelog 写价格一样。AI SDK 7 用实验性的evaluate接口。 - OpenRouter：模型 ID 是
~typesafe/jev-latest，走它的 Decisions API，不是普通 chat completions。我查到的标价同样是输入 0.042 美元 / 百万 token，输出 0。
LiteLLM 也接了透传：把 https://api.typesafe.ai 换成代理的 /typesafe 即可。
调用长什么样
你要给它两样东西：state 是要判断的内容，questions 是你要问的问题，可以一次问好几个，它会并行回答。下面按官方文档的结构写，工单内容换成我更熟悉的例子：
POST https://api.typesafe.ai/v1/systemone
{
"model": "jev-latest",
"state": "你们的 App 更新之后一打开就闪退，已经三天了，我下周一要用它交报告。",
"questions": {
"department": {
"type": "choice",
"instructions": "这个工单应该交给哪个团队？",
"criteria": {
"billing": "付款、发票、退款相关",
"technical": "故障、崩溃、功能异常",
"sales": "价格咨询、套餐升级、新开账号"
}
}
}
}
返回的大致是这样（示意，不是一次真实调用的原文）：
{
"answers": {
"department": {
"type": "choice",
"choice": "technical",
"probabilities": { "billing": 0.04, "technical": 0.91, "sales": 0.05 },
"confidence": 0.89
}
}
}
是非题在官方响应里是 "type": "noul" 加一个 0 到 1 的 noul 字段；Vercel SDK 里你会看到 boolean 和 probability。拿到结果后怎么办，由你自己的代码决定。比如置信度高于 0.9 就自动分配，低于这个数就推给人工看一眼。
重点：写好提示词
Jev 的“提示词”和给大模型写 prompt 不太一样。它不是一大段话，而是拆成了三块：要判断的内容、每个问题问什么、每个选项的定义。效果好不好，主要看选项的定义写得清不清楚。 以前花在标注数据上的功夫，现在花在这里。
几个要点：
1. 选项之间的边界要写死
上面那份 30 条工单测试里，Jev 把两条语气很平静的故障报告判成了“客户生气”。原因很好猜：它把“问题很严重”和“客户很生气”混为一谈了。
模糊的写法：
"criteria": {
"angry": "客户很生气",
"calm": "客户不生气"
}
清楚的写法：
"criteria": {
"angry": "措辞中有明显的情绪表达，比如指责、反问、感叹、威胁差评或退款。只看语气，不看问题本身有多严重。",
"calm": "语气平静地描述问题。哪怕问题很严重（比如系统完全瘫痪），只要措辞平静，就算这一类。"
}
第二种写法把最容易混淆的情况直接点了出来。你觉得哪里可能判错，就把哪里写进定义。
2. 一个问题只问一件事
想知道该给哪个部门、有多紧急、要不要退款，就拆成三个问题一起问，不要塞进一个问题里。Jev 本来就是并行回答的，官方说多问几个问题几乎不会变慢。
顺便说一句，官方评测里发现，把大任务拆成一堆小判断后，连 Luna 的得分都从 51.9% 涨到了 66.8%。所以就算最后不用 Jev，这个习惯也值得养成。
3. 选项要列全，并留一个兜底项
如果现实里可能出现你没想到的情况，就加一个“其他”或“无法判断”。不然 Jev 只能在不合适的选项里硬选一个，而且还可能选得很自信。
4. 打分题要写清每一档是什么意思
不要只写“1 到 5 分”，要写清楚每一档对应什么情况：
"criteria": [
"可以排队处理：不影响正常使用",
"今天内处理：部分功能受影响，但有替代办法",
"立即处理：核心功能不可用，或涉及资金、数据安全"
]
写得越具体，打出来的分越稳定。
示意图，依据 TypeSafe 官方文档的 state / questions / answers 结构绘制，不是控制台截图。真实 Playground 需要登录：https://console.typesafe.ai/playground
最后
Jev 不是什么颠覆性的东西，它不会取代大模型，也写不出一行代码。它做的事情很窄：在软件需要做判断的地方，又快又便宜地给出一个答案和一个你大概可以拿来设阈值的概率。
但软件里恰恰到处都是这种小判断。以前它们要么靠一堆写死的 if-else，要么靠一个慢吞吞、偶尔还会乱说话的大模型。现在多了一个选择：一个话少、手快、从不废话的分类器。
我会不会现在就把它接到自己的项目里？大概会先拿一批自己标过的数据跑一遍，看校准和误判长什么样，而不是看完官方那句“零幻觉”就上。它适合当开关，不适合当大脑。
参考来源
- TypeSafe 官方发布：Introducing System One Models & Jev
- TypeSafe 文档：Introduction · Quick start
- TechCrunch：A new kind of AI model from a ChatGPT inventor is thrilling developers
- Vercel：TypeSafe AI's Jev now available on AI Gateway
- 社区独立测试：Jev vs GPT-5.6 Luna vs Claude Sonnet 5（工单分类）https://github.com/BUNYOD0987/jev-vs-llm
- 社区独立测试：Jev vs Luna（评论分类）https://github.com/mameli/jev-vs-luna
- 对官方评测方法的分析：https://dev.to/gabrielanhaia/jev-beat-gpt-luna-by-1-point-gpt-6-and-claude-wrote-the-answer-key-314k
- LiteLLM 文档：TypeSafe AI (Jev)
- OpenRouter 模型页：https://openrouter.ai/~typesafe/jev-latest
- LangChain 集成：https://docs.langchain.com/oss/python/integrations/providers/typesafe