TypeSafe Jev：官方稱快 193.6 倍、便宜 444.6 倍、最快 70 毫秒回答的「只做判斷」AI，小團隊拿它做分類、路由、評分

TypeSafe AI 在 2026 年 9 月 15 日推出 Jev，官方歸類為新的一類模型：「System One Model」。一句話講完——Jev 讀一段文字加上程式裡的狀態，吐出來的不是一段話，而是從事先定義好的選項或分數裡挑一個；官方數字是 70–500 毫秒完成、輸入每百萬 token 0.042 美元、輸出免費。本文以 TypeSafe 官方 blog 與文件為基礎整理，文中的速度、倍數與價格都是 TypeSafe 官方公布的數字，並區分官方說法與本文推論。

它和 ChatGPT、Claude 差在哪

一般生成式語言模型是先產生一段文字，程式再從裡面解析答案。Jev 跳過這一步：官方定義「built to make fast, structured decisions that software can use directly」，輸入是「Unstructured data (e.g. text) with an emphasis on structured program state」，輸出是「Type-safe structured values. Possible outputs and structure are defined in advance」——形狀先定義好，模型只從裡面挑。

官方文件列出三種問題型別：Choice（從清單中選一個，回傳選項、各選項機率與信心值）、Score（依評分標準打分數，回傳分數、機率與信心值）、Noul（判斷一句陳述是否為真，回傳 0–1 的值）。同一次 API 呼叫可以混用多種問題，每個問題都會針對同一份狀態平行、獨立地評估。官方原話：「No text generation, no parsing.」2026 年 10 月 14 日，官方另以實驗功能推出回傳單一邊界框的 box 型別（只開放給 jev-1.14.0）。

官方保證「0% 型別錯誤」，意思是一定從給定選項吐出合法選項，不是選的內容一定對。型別不會錯，不等於內容不會錯。

官方數字：速度、價格、對照基準

以下數字全部出自 TypeSafe 官方發表文（https://typesafe.ai/blog/introducing-system-one-models-and-jev）與官網首頁（https://typesafe.ai）。

速度（官方）：官方原文「End-to-end response time is 70ms-500ms for TypeSafe」，也就是官方稱端到端 70–500 毫秒；官方並稱在 System One 類型的查詢上，「This can range from 40x-200x faster」，即快 40 到 200 倍。

對照基準（官方）：官網首頁標示「193.6x Faster, 444.6x Cheaper」，官方稱快 193.6 倍、便宜 444.6 倍。發表文說明這組數字來自官方自己的工作流評測，基準是「the average of GPT-6 Astra and Fable 5.1」——GPT-6 Astra 與 Fable 5.1 兩者的平均，不是單獨對照其中一個模型。官方也自己註明「we expect that these are on the higher end of real world gains」，認為這是實際效益中偏高的一端，且評測工作流由自家團隊撰寫、可能存在偏差。

價格（官方）：官方原文「Input tokens: $0.042 / MTok ($42 per billion tokens). Output tokens: FREE (too cheap to meter).」，也就是官方定價輸入每百萬 token 0.042 美元、輸出免費。與其他模型比價時，要先確認是同一種計價口徑。官方在發表文中也坦白說明：他們無法證明這個價格沒有補貼，需要時間證明定價能長期維持，並表示預期價格只會往下調、不會往上漲。

以上速度與倍數都是官方自測，官方表示公開評測大多是從他們位於美國西岸的筆電執行。

它能做／不能做

能做：官方把 Jev 定位為「smart if-statements」，列出的用法是 classify、route、score、extract、branch——分類、路由、評分、擷取與分支決策，正好對應 Choice、Score、Noul 這幾種輸出型別。官方另外舉出的用途包括對大量資料做歸納、即時應用，以及對 LLM 的提示詞、推理過程與輸出做評分、驗證與越獄偵測。

不能做：生成文字，不會幫你寫信、寫文章、寫程式碼，這是跟 LLM 最根本的差異。

官方部落格寫明：一次判斷的選項數（cardinality）上限是 255；選項很多時改走兩階段——先各別評分、再做明確選擇。官方文件也建議把問題拆小：每個問題只問一件明確的事，需要權衡多個因素時，分成多個問題再用程式組合結果。

三個小團隊用得到的情境

以下是根據 Choice、Score、Noul 型別推論的用法：

• 客服信件分流：判斷退換貨、帳務、技術問題還是一般詢問——典型 Choice 任務。
• 內容分類：文章、留言歸進既定分類，或標記需人工複審——Choice 或 Noul 任務。
• AI 評審／內容評分：對候選內容打重要度分數排序——Score 任務，可以取代「請 LLM 生一段文字再解析出分數」的做法。

共同點是輸入文字加已知狀態、輸出有限選項或數字，這正是 Jev 的設計範圍。

風險與現況

• 存取方式：2026 年 9 月 15 日發表時開放 early access，從等候名單陸續放行開發者；正式產品依賴之前，先確認自己已取得存取權。
• 公司很新、模型剛發布：TypeSafe 在 2026 年 10 月 9 日宣布完成由 a16z 領投的 A 輪募資。版本方面，官方表示 jev-1.13.0 正式棄用前會提前 60 天通知、jev-1.14.0 為 30 天，並會在之前公布棄用政策。
• 速度與成本對比是官方自測：193.6 倍、444.6 倍與 70–500 毫秒都出自 TypeSafe 自己的評測，官方也提醒這些數字偏向實際效益的高端。
• 實驗功能不建議上正式環境：10 月推出的圖片輸入、box 型別與長上下文都放在「danger zone」標頭後面，官方自己說還不足以保證用在正式環境。
• 輸出被限制在事先定義的型別化選項集合，自由文字 prompt 要換過去得重新設計，工程成本不小。
• 「不會幻覺」只保證型別合法，不保證內容正確。

創辦人 Diogo Almeida 在發表文中說，他在 OpenAI 期間參與開發讓語言模型能遵循指令、與人對話的方法，這項工作後來成為 ChatGPT 背後的研究；他也列名 2022 年 InstructGPT 論文〈Training language models to follow instructions with human feedback〉的作者。TypeSafe 表示 Jev 在發表前經過兩年的隱身開發。

FAQ

Jev 跟 ChatGPT、Claude 是同一種東西嗎？

不是。ChatGPT、Claude 是生成式語言模型，輸入文字輸出文字；Jev 官方明講「No text generation, no parsing」，它只做結構化判斷，輸出的是你事先定義好的型別化選項或分數，不會幫你寫任何一段自然語言。就輸出形式而言，Jev 適合固定範圍的決策，生成式模型負責自然語言，兩者用途不同。

官方說「不會產生幻覺」，代表判斷結果一定正確嗎？

不是。官方保證的是型別合法——它一定會從你給定的選項空間裡吐出一個合法結果，數學上保證 0% 型別錯誤。但它選的答案內容對不對是另一回事：官方的訓練目標是讓機率「校準」，信心越高、準確度越高，這跟「答案保證正確」不是同一件事。

現在一般開發者申請得到 Jev 嗎？

TypeSafe 在 2026 年 9 月 15 日發表 Jev 時開放 early access，從等候名單陸續放行開發者；官網與文件都有通往 API 主控台的入口。申請到存取權之前，不要把它排進正式產品的依賴。