Jev:一个不写字的 AI,专门替软件做判断

你有没有遇到过这种情况：想用 AI 自动处理一些重复判断 —— 比如把客户消息分成 "投诉、咨询、售后"，或者判断一封邮件急不急。用 ChatGPT 这类大语言模型（LLM）来做，回答慢、价格贵，给你的还是一大段文字，程序拿到后还得自己解析，运气不好还会碰上它答错格式。

TypeSafe AI 在 9 月 15 日发布的 Jev，就是冲着这个问题来的。它是一款不写句子的 AI：你给它几个选项，它直接告诉你选哪个，还附上 "我有多大把握"。程序拿到答案就能用，不用读、不用解析。

如果你在做自动化或智能体，Jev 值得花几分钟了解。下面用大白话讲清楚：它是什么、怎么用、有什么坑。

Jev 是 TypeSafe AI 推出的模型，官方定位叫 "System One 模型"。这个概念听着难以理解，我们可以从下面这个概念入手。

心理学家卡尼曼把人脑的思考分成两种：一种又快又靠直觉，叫系统 1（比如看到红灯就停）；一种又慢又费脑，叫系统 2（比如做数学题）。TypeSafe 的判断是：软件里大多数判断其实是 "系统 1"——"这条消息属于哪一类？"" 这个请求急不急？"—— 但过去，我们一直在用" 系统 2" 级别的完整大模型做这些小事，又慢又贵。

Jev 就是把这类快速判断单独做成一个产品。工作方式是：你给它一段程序状态，加上一组问题，它一次性把所有问题答完 —— 答案不是文章，而是带概率的结构化结果，程序可以直接拿来用。

顺便交代下背景：Jev 由 Diogo Almeida 主导构建，他曾参与 OpenAI 的 RLHF 和 InstructGPT 工作，那项工作奠定了 ChatGPT 的技术基础。发布 Jev 的同时，TypeSafe AI 宣布完成由 DCVC 领投的 4000 万美元融资。名字致敬经济学家威廉・斯坦利・杰文斯（William Stanley Jevons）—— 逻辑是：做一次判断的成本越低，需要的判断就越多。

差别就一句话：ChatGPT 给你写一段话，Jev 给你一个答案。

写一段话意味着：你拿到后要自己解析、检查格式，还得担心它有没有 "一本正经地胡说八道"。Jev 则把所有可能的答案提前定好（就像表单里的下拉框），它只能从里面选 —— 拿回来就能用，也不存在格式错误。

还有两个细节值得知道。

第一，它算得很快，因为所有问题是同时算的。问 10 个问题和问 1 个问题，时间差不多。

第二，它每次回答都会附一个 "把握程度"，而且这个把握经过校准 —— 意思是，当它说 "90% 把握" 时，长期来看确实有大约九成是对的。这正是自动化的关键：你可以设定规则，把握高就自动处理，把握低就转给人工。这套方法 TypeSafe 称为 "校准决策强化学习"（RLCD，Reinforcement Learning for Calibrated Decisions）—— 优化目标不是让回答讨人喜欢，而是让概率贴近真实结果。

目前 Jev 只支持文字输入（字符串、JSON 或文本列表），图片、音频、视频都还不行。

整个 API 就三种题型，这是刻意设计：

• Choice（选择题）：从最多 255 个选项里选一个，同时告诉你每个选项的概率。可以加一个 "都不符合" 的选项。

• Score（打分题）：在 2 到 10 分的量表上打分，分数可以落在整数之间（比如 1.4 分）。

• Noul（判断题）：回答是或否，给出 0 到 1 之间的概率。

举个实际例子。客户发来一条工单，你在一次请求里同时问三个问题：该哪个团队处理（选择题）、客户有多不满（打分题）、客户是否明确要求退款（判断题）。程序拿到三个答案，用普通的 "如果…… 就……" 逻辑组合起来，就把工单自动分好了。

TypeSafe 的官方文档把 Jev 比作 "智能 if 语句"：在手写规则太死板、搞不定的场景里，做分类、路由、打分、提取或分支。

适合的场景有一个共同点：答案范围固定、每天要重复判断很多次。比如工单分类、意图路由、内容审核、信息提取、打分，或者给其他 AI 的输出把关。

因为它便宜又算得快，你可以一次把所有问题都问完，再由代码决定哪些结果重要。

不适合的场景也很清楚：凡是需要 "写东西" 的都不行 —— 聊天、写代码、解释推理过程，它都做不到。还有两点局限要注意：

• 它没有常识。 Jev 只知道你传给它的信息，不会自己去查资料。所以一套工作流能做到什么程度，取决于你喂给它什么。

• "把握程度" 是整体统计。 校准在大量判断上成立，不保证某一次回答正确。Jev 照样会犯错。

TypeSafe 公布的价格：输入每百万 token 0.042 美元，输出免费；延迟 70–500 毫秒；官方主页宣称在工作流测试中比大模型 "快 193.6 倍、便宜 444.6 倍"。

便宜是真的便宜，但请把这些数字当成厂商自己的说法，不是独立测试的结果。TypeSafe 自己也承认：测试是在自家团队的电脑上跑的；定价有没有补贴，说不清；测试用的工作流是自家团队搭的。而且测试基准把 GPT-6 Astra 和 Fable 5.1 的平均值当成 "正确答案"，本身就偏向这两个模型。发布后的第三方指南也提醒：速度和成本数据都是自测，还没有人独立复现过。

唯一很难质疑的是 "格式错误为零"—— 因为选项是提前定死的，想错都错不了；这个说法一个反例就能证伪。

上图来自 TypeSafe 官方博客的工作流测试：横轴是单次工作流成本，纵轴是准确率。

一句话：Jev 是负责 "快速判断" 的那一层，不是来替代大模型的。

常见的搭法叫 "级联"：Jev 在最前面，低成本完成分类和路由；能处理的由确定性代码处理；少数难啃的，再交给最顶尖的大模型。每个操作还可以设不同的 "把握度门槛"：便宜的、只读的判断，把握高就自动执行；代价大的判断，要人工确认；把握低的，转给人或大模型。

这样做的好处：省下大量昂贵的大模型调用，而且 "机器自己决定了" 和 "需要人看一眼" 之间，有一条清晰、可追溯的线。

Jev 是个少见的思路：它把 AI 做成了一种像 "函数调用" 一样的东西，而不是聊天机器人。如果它在厂商自己的测试之外表现同样好，这类模型有望接管现在硬塞在大模型提示词里的上百万个小判断。

不过现在它还在早期访问阶段，只支持文字，所有性能数据都是厂商自报，“是骡子是马”后续拉出来溜溜就知道了。

#Jev #TypeSafeAI #SystemOne #AI自动化 #智能体工作流 #决策模型 #工单分类 #置信度路由