Jev 模型全面开放，新用户注册送5美金

Sun, 20 Sep 2026 18:27:09 +0000

Jev 模型全面开放，新用户注册送5美金

就是刚不久， TypeSafe AI 在 X 上发布最近爆火的大模型 jev 向所有用户开放，不再需要申请后补名单，并且新用户注册还送5美金。

体验注册地址 console.typesafe.ai

Jev 模型介绍

Jev 不是又一个聊天模型，它不生成任何文字，只输出带概率的结构化判定。官方给这一类起了个名字 —— System One Model（系统一模型）。

名字和定位都挺讲究：

Jev 取自 19 世纪经济学家杰文斯（Jevons）。杰文斯悖论讲的是：蒸汽机效率提升让煤变便宜，结果煤的用量不降反增。TypeSafe 借它说自己的逻辑 —— 智能成本暴跌，换来的不是账单变小，而是判断次数暴涨。
System One 借的是卡尼曼《思考，快与慢》的框架：系统一是快、直觉，系统二是慢、深思。他们想把“快判断”单独做成一类模型。

团队背景也有点意思。创始人 Diogo Almeida 是前 OpenAI 研究员，按他自己的说法，在 OpenAI 参与的那套方法“最后变成了 ChatGPT 背后的研究”。2026 年 9 月 15 日，TypeSafe 带着 Jev 走出隐身模式，同一天公布 $40M 种子轮，DCVC 领投。一个帮模型学会“讨好人类”的人，回头做了个明确放弃生成文本的模型 —— 这个反差本身就很值得琢磨。

官方给的一句话概括是：前沿智能的函数调用 —— 非结构化状态输入，类型化概率决策输出。

它跟主流大模型差在哪

维度	主流 LLM	System One + Jev
训练目标	`RLHF` / `RLVR`	`RLCD`（Reinforcement Learning for Calibrated Decisions）
输入	非结构化文本，偏重连续对话消息	非结构化数据，偏重结构化程序状态
输出	字符串，还得再解析、再校验，也可能跑偏	类型化结构值，类型错误率 0%
采样方式	自回归，一个 token 一个 token 顺序生成	自研 `parallel sampler`，一次前向计算并行出全部结果
价格	输入 `$0.20~$10`/百万 token，输出还要再贵约 5 倍	输入 `$0.042`/百万 token，输出免费
延迟	端到端 3~329 秒	端到端 70~500 毫秒
置信度	就算问了也普遍过度自信、不稳定	每个输出都带校准置信度

这里面 RLCD 是关键。RLHF 优化的是“人类更喜欢看哪个回答”，RLVR 优化的是“答案能不能被程序验证对错”，而 RLCD 优化的是两件事：判断对不对，以及模型自己报的置信度诚不诚实。翻译成人话 —— 当模型对一批任务都报 90% 把握时，里面应该差不多真有 90% 是对的。这个性质才是“按阈值自动分流”能成立的前提。

只有三种问题类型

Jev 整个 API 的输出词汇就三个，没有字符串，没有自由 JSON，也没有“说说你的推理过程”这一栏：

Choice：从你定义的选项里挑一个，最多 255 个。返回选中的选项、每个选项的概率（加起来等于 1），以及一个 0~1 的置信度。
Score：按你定义的有序等级打分，支持 2~10 级。返回每级概率，以及按概率加权出来的分数。
Noul：单个 yes/no 判断。只返回一个数 —— 答案为“是”的概率。没有单独的置信度字段，因为这个概率本身就是置信度。

这里有个容易混的点：Choice 返回的概率和置信度是两码事，概率告诉你模型倾向哪个答案，置信度告诉你模型该不该被信。一张 85% 归到“技术问题”、置信度 0.82 的工单，直接路由；同样的 85% 但置信度只有 0.31，就该转人工。

调用上就是往 POST /v1/systemone 发一个请求，带上 state（字符串、JSON 对象或文本数组）和 questions（你自定义的 id 到问题定义的映射），模型别名 jev-latest。另外注意它输入只能是文本，图片、音频、视频得先自己转成文字。

快、便宜，而且不会出类型错误

官方首页挂的数字是快 193.6 倍、便宜 444.6 倍，但得打个折看 —— 官方自己在同一条说明里就写了，这是“真实收益的偏上区间”。配套的评测方法也挺特别：他们不拿一个标准答案去考分类准确率，而是把 GPT-6 Astra 和 Fable 5.1 的平均输出当参考答案，让每个模型跑同一套工作流，比谁更接近。另外还有两个挺出圈的演示 —— 用 Jev 打《Doom》（每秒 10 次查询，成本约 $7/小时）和玩 Wikiracing。

“类型错误率 0%”这条倒是真能站住：输出被锁死在预设 schema 里，模型物理上没法吐出一个你没声明的 key 或者你列表外的选项。不过老实说，这点别的模型靠受限解码（constrained decoding）也能做到，真正拿不到的是校准。

但它不是便宜的聊天机器人

几个边界得说在前面，不然容易用错地方：

不会生成文本。写文案、写代码、聊天都不行，它是给代码用的，不是给人的。
得先想清楚问题。每次调用前你得把 state 和问题 schema 定义好，自由度换的就是效率和确定性。
有些事它做不到。官方承认它会死抠字面意思，不会数数，也不会比较日期，提示注入照样能左右它的答案。
评测有自评成分。工作流是自家能力团队搭的，参考答案偏向 OpenAI 和 Anthropic 的模型，官网那两个倍数也偏乐观。

所以定位其实很清楚：贵的大模型负责规划、推理这些“慢思考”，高频、原子化的“快判断”丢给 Jev。一次请求并行回答多个独立问题，延迟不随问题数量线性增长。典型落点就是工单路由、内容预筛、风控初筛、Agent 里挑工具和判断要不要收尾这类活儿 —— 把大模型的调用量砍掉一大截。

获取 API KEY

首先打开官方平台地址，这里提供 Google 账号登录或者是邮箱地址登录

登录后，通过面板的左侧就能够看到 API Keys 入口，同时也能够看到这个首页做的也挺有趣的

创建完以后，记得把 API Key 保存下来，因为只会展示一次

在左下角的用户个人配置面板中，能够看到 5 美金到账

体验测试

需要先提前提醒的一点是，当前的 Jev 模型使用的 API 地址是跟以往的不一样的，使用的是 /v1/systemone

官方的文档中，提供了一些调用的例子，也可以看到它跟当前的主流模型的格式也是不一样的

当前最新的模型是 jev-1.13.0，每 100 万 token 收费 0.042 美元，当前是 只对输入收费，输出免费，单次请求上下文最多 64k token（其中 state 占 32k）

在 Playground 上跑一个完整例子

上面讲的是接口格式，但光看格式其实不容易体会到它到底哪里不一样。官方控制台里有个 Playground，不用写一行代码，在网页上就能把整个流程走一遍。

打开 console.typesafe.ai/playground 登录后，要填的就两块：一块放 state，一块加 questions。

第一步，填 state。

state 就是你手里那段非结构化的原材料，直接粘进去就行。这里拿一条客服留言当例子：

1

我的订单被扣了三次款，申请退款两天了还没人处理，再不解决我就去投诉。

第二步，定义 questions。

这一步是跟以前用大模型最不一样的地方 —— 你不是在写提示词，而是在定义一组“判断”。每个判断挑一个类型，三种类型可以随便混搭：

类型	你要给的	它回你什么
`choice`	一组选项，每个选项说明白是什么意思	选了哪个 + 每个选项的概率 + 置信度
`score`	一条有序的等级描述	落在第几级 + 每一级的概率 + 置信度
`noul`	一句是非判断	答案为“是”的概率（0~1）

我们一次加上三个问题，让它同时回答“该谁处理”“有多急”“要不要转人工”，转换为 json 格式如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24


{
 "department": {
 "type": "choice",
 "instructions": "这条留言该由哪个团队处理",
 "criteria": {
 "billing": "涉及支付、扣款、账单的问题",
 "technical": "程序报错、功能不正常",
 "complaint": "投诉、维权、要求赔偿"
 }
 },
 "urgency": {
 "type": "score",
 "instructions": "客户有多着急",
 "criteria": [
 "平和，只是在陈述情况",
 "有些不满，但还能好好沟通",
 "非常愤怒，已经提到要投诉"
 ]
 },
 "need_human": {
 "type": "noul",
 "instructions": "这条留言需要人工介入，而不是自动回复"
 }
}

填写完毕的界面如下所示

第三步，看结果。

点一下运行，三个问题是一次并行出结果的，不是问完第一个再问第二个。它在 API 层返回的数据结构是这样的：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


{
 "model": "jev-1.13.0",
 "answers": {
 "department": {
 "type": "choice",
 "choice": "billing",
 "confidence": 0.90,
 "probabilities": { "billing": 0.94, "complaint": 0.06, "technical": 0.0 }
 },
 "urgency": {
 "type": "score",
 "score": 2.0,
 "confidence": 1.0,
 "legend": {
 "0": "平和，只是在陈述情况",
 "1": "有些不满，但还能好好沟通",
 "2": "非常愤怒，已经提到要投诉"
 },
 "probabilities": { "0": 0.0, "1": 0.0, "2": 1.0 }
 },
 "need_human": { "type": "noul", "noul": 0.92 }
 }
}

（真实响应里还会带一个 usage 字段，告诉你这次消耗了多少 token，Playground 界面上没有展示。）

Playground 会把它渲染成下面这种更直观的样子：

对照着看几个细节：

department 判成 billing、94%，另外两个选项是 6% 和 0%。概率给的是全部选项的完整分布；同时这一条还单独带了个 confidence 90% —— 94% 说的是“在三个选项里更偏向哪个”，90% 说的是“这个判断整体有多可信”，是两回事。
urgency 直接顶到 2 of 2、置信度 100%，说明它非常确定客户已经在最愤怒那一档了。
need_human 返回 92% true。noul 没有单独的置信度字段，因为这个概率本身就是置信度。
右上角还标着这次调用的耗时 —— 84ms + 433ms，这正是 Jev 的卖点所在：同等级别的判断，前沿大模型通常是以秒计的。

score 返回的不是“第几级”，而是按概率加权的分数。这次它 100% 落在第 2 级，所以分数就是 1.0 × 2 = 2.0；如果分布变成 70% 在第 1 级、30% 在第 2 级，那算出来就是 0.7×1 + 0.3×2 = 1.3，比直接取最高那一级要细腻。

到这里应该能明显感觉到它跟聊天模型的区别了：返回结果里一句话都没有，只有判定、概率和一个置信度。而这三样东西是可以直接塞进 if 语句里的：

1
2
3


department = billing，confidence 90% → 直接路由给账单组
need_human = 92% true → 打上“需人工介入”的标签
urgency = 2（满分） → 优先级提到最高

反过来，同样的事情交给聊天模型：你得先把留言发过去，等它生成一段话，再想办法从那段话里把结构化结果抠出来 —— 要么写正则，要么在提示词里求它返回 JSON，返回之后还得再校验一遍格式。中间任何一环跑偏，整条链路就断了。

这就是 System One 模型想解决的问题：它不是把模型做小，而是干脆把“生成文本”这件事从输出接口里去掉了。

最后

当然，实际项目里没人会这么笨地一条条手动去调。更常见是把它交给 AI Agent ，人只负责用自然语言描述需求，具体怎么问、怎么调，让 agent 自己去搞定。

官方也提供了一些安装教程，例如常用的 Claude Code，两条命令安装即可：

1
2


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

使用的时候带上它就行：

1
2


使用 TypeSafe skill，扫描这个项目，找出那些正在用复杂解析、正则或脆弱硬编码
在硬撑的地方，看看能不能换成智能判断。

决策模型 on 大卷学长的博客

Jev 模型全面开放，新用户注册送5美金

Jev 模型全面开放，新用户注册送5美金

Jev 模型介绍

它跟主流大模型差在哪

只有三种问题类型

快、便宜，而且不会出类型错误

但它不是便宜的聊天机器人

获取 API KEY

体验测试

在 Playground 上跑一个完整例子

最后