Jev 是什么【2026年10月最新】不生成文本的 AI 的用法・价格｜与 Microsoft-Decision-1 的区别

2026年9月15日，潜行两年的创业公司TypeSafe AI带着4,000万美元融资正式亮相，并以早期访问的形式发布了首个模型Jev。次日 The Register 以「为机器而非人类准备的模型」进行报道，消息在 X 与 Bluesky 上扩散，日本的技术社区 Qiita 与 Zenn 上也出现了大量实测文章——Qiita 甚至从9月16日到10月2日举办了官方活动「你试过了吗？和判断专用 AI『Jev』一起玩！」。

引爆讨论的并不是跑分，而是它定位的直观：一个不生成文本的 AI。Jev 不聊天。它不会用文章回答提示词，而是从你事先定义好的选项中挑出一个，并附上概率返回。拿到手的是 "technical"、1.6、0.92 这类可以直接塞进 if 的值。

本文基于 TypeSafe AI 的官方文档与官方博客，以及已公开的实测报告，梳理 Jev 实际返回什么、Choice / Score / Noul 三种提问类型如何选用、价格与速度、从加入候补名单到发出第一个请求的完整流程，以及用非英语输入时需要注意的地方。

---

先看结论

---

2026 年 10 月续报：Microsoft 发布同价的「Microsoft-Decision-1」

2026 年 10 月 9 日（美国时间），Microsoft 发布了判断专用模型 Microsoft-Decision-1（Microsoft 的发布文章）。它不生成文本，而是为每个固定的候选答案返回概率，与 Jev 属于同一类模型。价格也与 Jev 相同：每百万输入 token 0.042 美元，输出免费。

Microsoft-Decision-1 | 与 Jev 同价、同提问类型，可通过 Azure 使用的判断模型

• 基础 — 由 Microsoft 对阿里巴巴的 Qwen3.5-9B（Qwen 系列的小型模型）进行后训练。发布文章称今后计划改以 Microsoft AI（MAI）和 OpenAI 的模型为基础重建
• 提问类型 — noul（为真的概率）・choice（从候选中选一个）・score（有序等级上的值）三种。类型名称以及传入 state 和 questions 的请求形式都与 Jev 几乎相同，Microsoft 的文档自己也写着「类似 System One API 的请求形式」
• 提供方式 — Microsoft Foundry（模型目录中标注为预览）和 OpenRouter（提供方为 Azure）
• 上下文与输入 — 32,768 token。仅限文本（字符串或 JSON），不支持图像、音频、视频
• Microsoft 内部的用法 — Xbox Research 用它处理 1 万多条开放式反馈，Copilot 团队用它衡量聊天和智能体回复的质量，Microsoft Discovery 用它在智能体评估实验结果后判断如何重新规划

Microsoft 称，在未用于训练的 36 个基准（约 15 万道题）上比较，它取得了最高准确率，响应时间中位数约为 GPT-6 Sol 的 1/35。比较对象据称包括判断模型公开排行榜 JevBench 上的顶级模型，发布文章在公开后更新，注明「增加了 Jev 在准确率和校准方面的基准」。以上均为 Microsoft 自己的测量，目前尚无第三方验证。

查看 Microsoft-Decision-1 详情

Jev 与 Microsoft-Decision-1 的区别

价格均为不含税标价。通过 Azure 结算的金额取决于合同币种和税务处理。

在日本能用吗

• Microsoft-Decision-1 — 只要有 Azure 订阅，就能从 Microsoft Foundry 的模型目录部署。部署类型有两种：推理可能在任意 Azure 区域处理的 GlobalStandard，以及部分区域可选、在数据区域内处理的 DataZoneStandard。截至 2026 年 10 月 13 日，官方区域列表中尚未显示日本区域（日本东部・日本西部）是否可用。如果数据必须在日本境内处理，请在部署前于 Foundry 界面确认可选区域
• Jev — 没有限制在日本使用的说明，也有日本工程师报告已进入控制台试用。但它处于早期访问阶段，需要等待候补名单的邀请
• 日语准确率 — 两者都没有公布日语准确率的数字。Jev 明确写着「CJK 准确率低于英语」，Decision-1 没有按语言的说明。无论选哪个，都要先用自己的日语数据测量

该选哪个

• 希望把合同・结算・认证统一到 Azure（用 Entra ID 管理、在数据区域内处理）→ Microsoft-Decision-1
• 希望一次性判断长输入（单次请求 64,000 token，用投机式 fan-out 堆大量问题）→ Jev
• 希望直接用官方 SDK・智能体 skill・实现示例快速搭建 → Jev
• 拿不定主意 → 两者的请求形式几乎相同，把同样的 state 和问题发给两者，用自己的标注数据比较准确率和响应时间最可靠

此外，OpenAI 也于 2026 年 10 月 6 日以公开测试版发布了同类的「Decisions API」（OpenAI 文档）。模型仅有 gpt-6-luna，每百万输入 token 0.10 美元、输出免费，并支持图像输入。短短一个月，判断专用模型已经成为有三家厂商的领域。

Jev 在 10 月的动态

• 完成 8.7 亿美元 A 轮融资 — 由 Andreessen Horowitz 领投，Sequoia Capital 和 DCVC 参投，估值 75 亿美元（官方博客；据报道于 10 月 9 日宣布）。距 9 月 4,000 万美元的种子轮不到一个月
• 公开首个客户案例 — 招聘匹配平台 Jack & Jill 把 Gemini 3.1 Flash Lite 换成 Jev 后，每 1,000 名候选人的成本从 0.755 美元降到 0.092 美元（降低 88%），筛选耗时中位数从 20.3 秒缩短到 10.3 秒（官方博客）
• 仍为早期访问 — 官网的说明仍是「early access」。速率限制改为每秒 100,000 token／每秒 80 次请求（9 月本文首次发布时为每秒 250,000 token／每分钟 1,200 次请求）
• 已在 OpenRouter 上架 — Jev 1.13 自 9 月 17 日起在 OpenRouter 上架（价格相同）。9 月 26 日，按请求选择 LLM 与推理强度的「Jev Router」也已上架

---

为什么现在突然火了

一周之内叠加了三件事。

关于 Doom 演示：负责的工程师自己也承认「不用 AI 的 Doom 机器人玩得更好」。那是速度与成本的实演，不是性能主张。

值得注意的是，讨论的重心不是「取代 LLM」，而是「把原本丢给 LLM 的判断挪出去」。分类、定优先级、护栏判定——这些活儿以前只能无奈地交给 GPT 或 Claude，要求它返回 JSON，再在 JSON 坏掉时重试。Jev 只负责这一段。

---

什么是 System One 模型

TypeSafe AI 把 Jev 定位为System One 模型这一新模型类别的首款产品。名字来自丹尼尔・卡尼曼的《思考，快与慢》。

• 系统 1 — 快速、自动、直觉式。看脸识情绪，听语气知道对方生气了
• 系统 2 — 缓慢、有意识、按步骤。多位数乘法，方案权衡

当下的 LLM，包括思维链在内，都是朝系统 2 造的。但实际业务系统需要的判断，绝大多数是系统 1 的活：「这张工单归哪个部门」「这句话是否紧急」。此前每次都得搬出系统 2 那台机器。

模型名Jev取自经济学家威廉・斯坦利・杰文斯。他因「杰文斯悖论」——效率提升反而会让总需求增加——而闻名，寓意是：一旦判断足够便宜、足够快，判断的次数就会爆炸式增长。

和让 LLM 分类有什么不同

把官方的对比换成数字如下。LLM 一侧是各家常见的区间。

类型出错比例的对比（左为结构化输出，右为工具调用，均为越低越好）。出处：TypeSafe AI 官方博客

官方公开的就是这两张图。结构化输出错误率：Jev 为 0%，GPT-5.6 Luna 为 0.58%，Claude Haiku 4.5 为 45.5%。工具调用错误率：Jev 为 0%，Claude Opus 5 为 0.67%，GPT-5.6 Sol 为 17.0%。这里量的是「有没有按指定类型返回」，而不是判断对不对。即使用了 JSON 模式也甩不掉重试逻辑，原因就写在这组数字里。

---

返回什么：只有 Choice、Score、Noul

能向 Jev 提的问题只有三种。这个约束本身，就是类型不会坏的原因。

官方文档的 Primitives 页面，左侧导航依次是 Choice、Score、Noul 以及 Confidence、Patterns。出处：TypeSafe AI 官方文档

Choice｜从固定选项中选一个

无顺序的分类。工单分流、文档类别、语种判定等。

Choice(
    instructions="Which team should handle this",
    criteria={
        "billing": "Payment or subscription issues",
        "technical": "Bugs or integration problems",
        "sales": "Pricing or account questions",
    },
)

返回 choice（选中的键）、probabilities（全部选项的概率分布）、confidence（分布有多集中）。官方建议：如果输入有可能落在列表之外，就加上 other 或「以上都不是」。

Score｜在有序的等级上评分

等级本身有含义的量表：缺陷严重度、客户不满程度、熟练度。

Score(
    instructions="How frustrated the customer appears",
    criteria=[
        "Calm, just stating facts",
        "Frustrated but civil",
        "Very angry, strong language",
    ],
)

score 会取等级之间的值，比如 1.6，因此「介于 1 和 2 之间」可以直接表达。同时返回 legend（等级对照表）、probabilities、confidence。

Noul｜「这句话为真的概率是多少」

Jev 独有的类型。问的是是非题，但返回的不是 true / false，而是0〜1 的概率。

Noul(
    instructions="The message conveys urgency or time-sensitivity",
)

接近 1 是强烈的「是」，接近 0 是强烈的「否」，0.5 附近表示判断不了。Noul 没有单独的 confidence 字段——概率本身就代表确信度。

官方特别提醒不要混淆 Score 和 Noul。想表达「熟练度中等」时不要用 Noul 返回 0.5，那意思是「无法判断是或否」，不是「处于中间」。

问题堆多少个，都不会更慢

Jev 设计里最见效的就是这点。一次请求里的问题全部并行评估，官方文档写明「增加问题通常完全不会增加响应时间」。

由此产生了投机式 fan-out 的写法：连只在某个分支才用得上的问题，也一起发出去。

response = client.system_one(
    state=ticket,
    questions={
        "category": Choice(...),        # 总是要用
        "bug_severity": Score(...),     # 只有是缺陷时才用
        "has_repro": Noul(...),         # 只有是缺陷时才用
        "refund_requested": Noul(...),  # 只有是账单问题时才用
        "frustration": Score(...),      # 总是要用
    },
)

如果这张工单其实是功能需求，bug_severity 的结果扔掉就行。换成 LLM，就得「先分类，再看结果追问一次」，多一个来回。

---

价格与速度：输出免费的定价设计

截至 2026 年 10 月，公开的模型仍只有 Jev 1.13 一个系列。

官网主打的价格对比。右侧输出单价一栏，只有 Jev 写着 FREE。出处：TypeSafe AI 官网

官网打出的口号是「输入单价比 Claude Fable 5.1 低 238 倍」「在 System One 工作流上快 193.6 倍、便宜 444.6 倍」。

精度与成本的关系，横轴是每个工作流的费用（对数刻度）。出处：TypeSafe AI 官方博客

这张图比任何倍率都更准确地说明了 Jev 的位置。Jev 并不是精度最高的模型。四个工作流的平均精度约为 68%，比 GPT-5.6 Sol 的约 74% 低了 6 个百分点。Jev 所处的位置是「用低两个数量级的成本，做到差不多的精度」：Luna 约 $0.003 做到约 67%，Terra 约 $0.04 做到约 68%，而 Jev 用约 $0.0004 做到约 68%。

所以判断的分水岭不是「Jev 聪不聪明」，而是这个处理值不值得为 6 个百分点的精度买单。如果设计上已经把拿不准的交给人（用 confidence 分流），便宜就更划算；如果漏掉一条的代价很高，留在 Sol 上更稳妥。

即便如此，差两个数量级的价格仍然无法忽视。假设每天分类 10 万条工单，每条 400 token，输入就是每天 4,000 万 token：Jev 是每天 1.68 美元，输出免费。同样的活交给输入 2.00 美元／输出 12.00 美元的模型，即使每条只输出 50 token，一天也要 140 美元上下。

---

用法：从注册到第一个请求

1. 加入早期访问候补名单

   在 typesafe.ai 上登记。截至 2026 年 10 月，官网的说明仍是早期访问。9 月时点官方称「正在尽快按顺序从候补名单中邀请」，已有开发者报告注册后不久就收到了邀请邮件。

2. 生成 API 密钥

   在 console.typesafe.ai 建号并生成密钥。密钥只在生成时显示一次，请当场保存。环境变量名是 TYPESAFE_API_KEY。

3. 先在 Playground 里试手感

   控制台的 Playground 左侧写 state（纯文本），右侧写 questions（JSON），并会显示实测延迟。装 SDK 之前先在这里把问题的措辞磨好，是更快的路径。

4. 用 Python SDK 调用

   pip install typesafe-sdk
   

   from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
   
   client = TypeSafeClient()
   
   ticket = "Hi, I've been trying to connect my Stripe account for 3 days and it keeps failing. I'm losing sales. Please help ASAP."
   
   response = client.system_one(
       state=ticket,
       questions={
           "department": Choice(
               instructions="Which team should handle this",
               criteria={
                   "billing": "Payment or subscription issues",
                   "technical": "Bugs or integration problems",
                   "sales": "Pricing or account questions",
               },
           ),
           "frustration": Score(
               instructions="How frustrated the customer appears",
               criteria=[
                   "Calm, just stating facts",
                   "Frustrated but civil",
                   "Very angry, strong language",
               ],
           ),
           "is_urgent": Noul(
               instructions="The message conveys urgency or time-sensitivity",
           ),
       },
   )
   
   print(response.answers["department"].choice)  # "billing"
   print(response.answers["frustration"].score)  # 1.035
   print(response.answers["is_urgent"].noul)     # 0.999
   

   JavaScript／TypeScript 则是 npm install @typesafe-ai/sdk（需 Node.js 20 以上）。调用 client.systemOne() 时，返回值的类型会从问题定义中推导出来。

5. 直接调 HTTP API

   不用 SDK 时，向 POST https://api.typesafe.ai/v1/systemone 发请求，认证用 Authorization: Bearer <API_KEY>。

   {
     "state": "Help! My payouts have been failing for 3 days.",
     "model": "jev-latest",
     "questions": {
       "is_urgent": {
         "type": "noul",
         "instructions": "Does this convey urgency?"
       },
       "department": {
         "type": "choice",
         "instructions": "Which team should handle this?",
         "criteria": {
           "billing": "Payments, invoicing, refunds",
           "technical": "Bugs, outages, integrations",
           "sales": "Pricing, upgrades, new accounts"
         }
       }
     }
   }
   

   返回如下。usage 里会给出输入与输出的 token 数，但计费只看输入。

   {
     "model": "jev-latest",
     "answers": {
       "is_urgent": { "type": "noul", "noul": 0.92 },
       "department": {
         "type": "choice",
         "choice": "technical",
         "probabilities": { "billing": 0.08, "technical": 0.85, "sales": 0.07 },
         "confidence": 0.82
       }
     },
     "usage": { "input_tokens": 312, "output_tokens": 48 }
   }
   

6. 从编码代理里用

   官方发布了面向代理的 skill。Claude Code 只要两行：

   claude plugin marketplace add typesafe-ai/skills
   claude plugin install typesafe@typesafe-ai
   

   其他代理用 npx skills add typesafe-ai/skills --skill typesafe-ai。装上之后代理就掌握了三种提问类型和设计模式，可以在现有代码里找出「脆弱的解析处理」并改写。不过官方自己也写道：「代理不太擅长写问题，请做好一起修改的准备」。问题的设计仍然是人的工作。

---

confidence：接住「拿不准」，交给人

让 LLM「顺便返回确信度」，得到的只是它自己写的作文。Jev 返回的 confidence（0〜1）是从概率分布机械算出来的：分布集中就高，分散就低。有了它，只把拿不准的交给人这种设计就能自然地写出来。

官方给的是三档参考值。

关键在于按操作的轻重来调整阈值。查询余额和批准转账没有理由共用同一个阈值。

if confidence < 0.5:
    route_to_human(user_message)
elif action.choice == "check_balance":
    show_balance(account_id)                 # 轻操作：直接执行
elif action.choice == "approve_transfer":
    if confidence > 0.9:
        confirm_then_execute(account_id)
    else:
        ask_user_to_confirm(account_id)      # 重操作：先确认

官方给出的事件分流流程的一部分。概率阈值（P > 0.75、0.15〜0.60）本身就是分支条件。出处：TypeSafe AI 官方博客（节选自整张图）

官方给出的安全告警示例是最清楚的一种实现。对一条告警，用 2 个 Bool 问「是否是未授权行为」、用 1 个 Score 问「证据有多强」，然后：概率高于 0.75 就处置，低于 0.15 就自动关闭，介于两者之间（0.15〜0.60）则通知用户或升级到 Tier 2。阈值本身就是运营规则。

官方也写道，这些只是起点，「正确的阈值取决于你的领域和你的数据。先保守，再调整」。另外有实测文章指出，官方文档中示例所隐含的 confidence 计算公式并不一致（有的符合最大概率再缩放，有的符合基于熵的算法）。真正关键的阈值，建议自己从返回的 probabilities 算。

---

应用案例：用在哪里最划算

结合官方 cookbook 与已公开的使用情况来看。

实时判断：Doom 演示说明了什么

官方的 Doom 演示传入的不是图像，而是游戏状态的文本表示，每秒约调用 10 次 Jev 来决定动作，成本约每小时 7 美元。它值得看的不是游戏水平，而是「AI 的判断可以塞进 150 毫秒以内的循环」这个事实。嵌入式 UI 的分支、游戏内聊天的审核，都属于同一类。

开发者们在试什么

Qiita 的官方活动在 9 月时点已有 14 篇投稿，内容大致分三类。

• 用日语一次判定多项 — 把文章选题作为 state，一次性判定技术深度、实用性、对新手的易懂程度等 12 项（8 个 Score ＋ 4 个 Choice）。发布平台的判定结果是 Qiita 92%／Zenn 8%（confidence 84%），技术深度 1.97/2.00（confidence 96%）。Playground 显示 96ms ＋ 212ms
• 能否替代 LLM 的 if 判定 — 在没有早期访问的情况下，仅凭 SDK 与官方文档反推 confidence 的计算公式；同时报告了 SDK 0.6.0 的类型校验会拒绝官方 Quick Start 示例这一不一致
• 作为代理架构的比较 — 把「由 LLM 决定下一步」（如 Amazon Bedrock AgentCore）与「Jev 只返回分类、由程序分支」两种结构并列，归纳为「决定流程如何推进的责任，交给程序还是交给 AI」的差别

海外方面，Browserbase 用它做浏览器操作代理的判断，也有开发者用于交易代理和大规模邮件分拣。这些都没有公开具体数值。

---

用非英语输入时的注意事项

这是英语圈之外最需要留意的部分。官方关于 state 的说明写道：

实际用日语测试的报告里，紧急度判定返回了 0.97〜0.98，体感上是能跑的。但「跑得起来」和「达到了能投产的精度」是两回事。现实的推进顺序是三步。

1. instructions 与 criteria 用英语写 — state 保持原语言，只把判定指令换成英语，让模型在自己最强的语言里接收指示
2. 先用带标准答案的数据测一遍 — 准备 100〜300 条历史工单和人工标注，与 Jev 的判定对照。阈值是在这一步才定下来的
3. 一开始把阈值设高，保留人工 — 只自动处理 confidence 0.9 以上的，其余交给人，再在运营中逐步提高自动化率

---

不擅长什么：官方主动公开的弱点

TypeSafe AI 在名为 model-jaggedness 的页面上，主动公开了 Jev 1.13 的短板。不看这一页就投产是会出事的。

此外，相关问题之间的数学一致性并不保证。分别用两个 Noul 问「是 A」和「不是 A」，概率未必加起来等于 1。需要一致性就合并成一个 Choice。

还有一点：官方明确写着对混进 state 里的对抗性指令是脆弱的。把用户输入直接放进 state 的结构，仍需另行防范提示注入。

---

哪些该换成 Jev，哪些不该

Jev 不是通用 LLM 的替代品，而是「把原本交给 LLM 的活儿分出去一部分」的工具。实际架构里的分工如下。

Jev | 只做类型固定的判断，70〜500 毫秒返回

一个收窄到分类、评分、真假判定的模型，完全不写文本。用在选项可以事先列举、同种判断大量重复的场景。它的职责到「返回值与概率」为止，这个值怎么用，由应用代码决定。

查看 Jev 详情

Claude | 写文章与长推理仍然交给 LLM

摘要、起草、代码生成、多步推理属于 Claude 的领域。Jev 负责它的护栏，以及输出的验证（引用是否真的在原文里）。两者不竞争，Jev 薄薄地夹在 LLM 的前后。

查看 Claude 详情

ChatGPT | 只做分类的话，小模型也是选项

如果目的只是分类与抽取，ChatGPT 的 API 里也有便宜的模型（GPT-5.6 Luna 输入每百万 token 0.20 美元）。与 Jev 的差距大约是5 倍单价，加上输出是否计费、是否需要解析。如果已经在用 OpenAI，顺序应当是先确认便宜的模型够不够用，再做比较。

查看 ChatGPT 详情

Dify | 把工作流的分支条件从 LLM 挪到 Jev

在 Dify 这类工作流工具里，条件分支常常放一个 LLM 节点来判定。而这正是「选项事先已定」的判断，换成 Jev 之后，这一步的等待时间会从秒变成毫秒，直接反映在整条流程的延迟上。

查看 Dify 详情

Claude Code | 找出代码里的判定点并改写

装上官方 skill 的 Claude Code，可以在仓库里找出「脆弱的解析处理」「被正则硬写出来的判定」，改写成 Jev 调用。把问题与 confidence 阈值集中到一个文件里，后续更容易复核。

查看 Claude Code 详情

---

常见问题

---

小结

Jev 带来的不是新的性能，而是新的分工。把原本整包交给 LLM 的工作中，「选项事先已定的判断」单独切出来，交给快上、便宜上都差着数量级的专用模型；剩下的生成与推理仍归 LLM。

本文信息基于 2026 年 9 月 19 日时点 TypeSafe AI 官网、官方文档与官方博客公开的内容，以及已公开的实测报告（2026 年 10 月 13 日依据 TypeSafe AI 与 Microsoft 的官网、官方文档和博客，补充了 Microsoft-Decision-1 一节和 Jev 的最新状况）。Jev 处于早期访问阶段，规格、价格与速率限制可能变更。最新信息请以官网为准。