Jev
的使用方法、功能与可解决的业务课题

Jev 是什么

Jev 是总部位于旧金山的 TypeSafe AI 于 2026 年 9 月 15 日发布的System One 模型。它不像 LLM 那样生成文本，而只做一件事：针对传入的状态（文本或 JSON），返回带概率的、类型固定的判断。

拿到手的是 "technical" 这样的标签、1.6 这样的等级值、0.92 这样的概率。因为不生成字符串，所以既没有解析处理，也没有为坏输出准备的重试。适用场景是同一种判断大量重复的处理：工单分流、LLM 护栏、RAG 重排序。

截至 2026 年 9 月 19 日，它处于早期访问（候补名单制），按登记顺序邀请。

「System One 模型」这个定位

名字来自丹尼尔・卡尼曼的《思考，快与慢》：系统 1 快速自动，系统 2 缓慢审慎。TypeSafe AI 的主张是，当下的 LLM 全都朝着系统 2 打造，而业务系统真正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」——此前每一次都得搬出思维链那台机器。

TypeSafe AI 表示，为了得到这种行为，他们组合了全新的架构、全新的采样器，以及名为 RLCD（Reinforcement Learning for Calibrated Decisions）的独有训练算法。官方的说法是：RLHF 为了迎合人类偏好而优化，结果带来了模式坍缩、过度自信与可靠性不足，最终不得不让人类留在回路中——他们选择了相反的方向。

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。

三种提问类型决定返回什么

能提的问题只有三种。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

官方提醒不要混淆 Score 与 Noul。「熟练度中等」不能用 Noul 的 0.5 表示，那意思是「无法判断是或否」。

问题堆多少个，都不会更慢

这是设计上最见效的一点。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：连只在某个分支才用得上的问题也一起发。如果工单其实是功能需求，把缺陷严重度的结果扔掉就行——仍然只用了一个来回，而 LLM 需要两个。

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。

使用方法

1. 加入候补名单

   在官网点击「Join Waitlist」登记。2026 年 9 月时点处于早期访问，官方称「正在尽快按顺序邀请」。

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。环境变量名是 TYPESAFE_API_KEY。

3. 在 Playground 里磨问题的措辞

   控制台的 Playground 左侧写 state（纯文本），右侧写 questions（JSON），并显示实测延迟。装 SDK 之前先在这里把 instructions 与 criteria 定下来。

4. 用 SDK 调用

   Python 是 pip install typesafe-sdk，JavaScript／TypeScript 是 npm install @typesafe-ai/sdk（需 Node.js 20 以上）。

   from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
   
   client = TypeSafeClient()
   
   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", "Frustrated but civil", "Very angry"],
           ),
           "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
   

5. 用 confidence 设阈值

   用返回的 confidence 区分自动执行与转人工。官方参考值是：高于 0.9 自动执行，0.5〜0.9 确认或复核，低于 0.5 不执行。要点是按操作的轻重分别设定阈值。

6. 让编码代理来改写

   官方发布了面向代理的 skill。Claude Code 用 claude plugin marketplace add typesafe-ai/skills 与 claude plugin install typesafe@typesafe-ai 两行即可。适合在现有代码里找出脆弱的解析处理并替换。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」。

功能

价格

仅对输入 token 按量计费，输出 token 免费（官方原话是「便宜到不值得计量」）。

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「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」，并给出单次处理的实测：Jev 为 0.000081 美元／0.114 秒，LLM 为 0.013880 美元／8.566 秒。

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。

中文等非英语输入能用吗

可以传非英语的 state，但官方明确写着 CJK 文字的准确率低于英语。Jev 的第一语言是英语，英语输入才是性能最好的场景。文档与控制台仅有英文，没有中文界面或中文支持。

用日语实测紧急度判定返回了 0.97〜0.98，说明确实能跑。但「跑得起来」和「达到能投产的精度」是两回事。推进顺序如下。

1. instructions 与 criteria 用英语写 — state 保持原语言，只把判定指令换成英语
2. 先用带标准答案的数据测一遍 — 准备 100〜300 条历史数据与人工标注来对照
3. 一开始把阈值设高，保留人工 — 只自动处理 confidence 0.9 以上的

不擅长什么

TypeSafe AI 在名为 model-jaggedness 的页面上主动公开了 Jev 1.13 的短板。投产前必读。

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，它不能生成文本——官方写明「没有接受过生成训练」，强行串起来既慢质量又低。

开发这款产品的公司

TypeSafe AI 总部位于旧金山，经过两年潜行后于 2026 年 9 月 15 日亮相，种子轮由 DCVC 领投，融资 4,000 万美元（Forbes 报道估值接近 2 亿美元）。

发明 RLHF 的人，如今以 RLHF 的副作用（过度自信、可靠性不足）为由造出方向相反的模型——这个构图也是它发布后迅速受到关注的原因之一。

与其他 AI 模型・API 的区别

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。

• Claude — 负责写文章与长推理；Jev 夹在它前后，承担护栏与输出验证。是组合关系而非竞争关系
• ChatGPT — 只做分类与抽取的话，也有 GPT-5.6 Luna（输入每百万 token 0.20 美元）这一选项。与 Jev 的差距约为 5 倍单价，加上输出是否计费、是否需要解析。已经在用 OpenAI 的话，先确认便宜模型够不够用
• Dify — 工作流条件分支上的 LLM 节点，正是「选项事先已定」的判断；换成 Jev 后这一步会从秒变成毫秒
• Claude Code — 装上官方 skill 后，可用于在仓库里找出脆弱的解析处理并改写成 Jev 调用

常见问题（FAQ）

本页信息基于 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。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。