TypeSafe 的 Jev 是什麼：不會寫文章、只做判斷的「System One」模型，對開發者與小團隊的意義

TypeSafe AI 在 2026 年 9 月推出 Jev，官方歸類為新的一類：「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、文件與已標明來源的查證資料為基礎，並區分官方數字、二手算法與本文推論。

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「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。

輸出分三型：Choice（選項＋機率＋信心值）、Score（分數＋機率＋信心值）、Noul（0–1 真假程度）。官方原話：「No text generation, no parsing.」

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

速度官方原文：「End-to-end response time is 70ms-500ms」，對比一般 LLM 要 3 到 329 秒，稱快 40 到 200 倍；正式對照實驗以「GPT-6 Astra 與 Fable 5.1 平均」為基準，結論快 193.6 倍、便宜 444.6 倍。網路流傳的「比 Fable 5.1 便宜 238 倍」算式沒錯（10 美元除以 0.042），但不是官方正式對照句，官方基準是上述平均值，238 倍是單獨算 Fable 5.1 的子集數字，別混用。

價格官方原文：「Input tokens: $0.042 / MTok. Output tokens: FREE (too cheap to meter).」與其他模型比價時，要先確認是同一種計價口徑。官方說明每個模型都走同一套工作流程來比，對照對象是 GPT-6 Astra 與 Fable 5.1 的平均；這些數字都是官方自測，目前沒有第三方驗證。

它能做／不能做

能做：分類、路由、評分——這三種直接對應 Choice、Score、Noul 三種輸出型別；擷取或分支決策則是可以進一步測試的推論用法，官方沒有逐一列舉。

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；超過時改走兩階段——先各別評分、再做明確選擇，所以偶爾會比較慢。

三個小團隊用得到的情境

以下是根據 Choice/Score 型別推論的用法，還沒有實際串接測試過：

• 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，理論上可取代 LLM 生文字再解析分數。

共同點是輸入文字加已知狀態、輸出有限選項或數字，理論上貼合設計，但目前沒有實測數據。

風險與現況

• 等候名單制，申請不代表馬上拿到 API 存取權，不能排進正式產程依賴。
• 公司很新、模型剛發布，供應商穩定性、SLA、資料保留官方未說明。
• 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。
• 速度與成本對比是官方自測，目前沒有第三方驗證。

創辦人 Diogo Almeida，官方 team 頁自稱他是「Co-inventor of ChatGPT」。要拆開看：他在 OpenAI 約 6 年（2018 年加入、2024 年離開），是 post-training 團隊成員、InstructGPT／RLHF 論文共同作者，也列名 GPT-4／ChatGPT 貢獻者——但「共同創作者」是 TypeSafe 自家行銷用語，OpenAI 官方從未用此頭銜稱呼任何個人。網路另流傳「低調開發兩年」，查不到出處，不寫進確定事實。

5min AI 的角度

5min AI 日報管線裡不少步驟本質是「輸入文字，判斷屬於哪一類」——新聞重要度初篩、社群選題分級、留言分級、來源去重、指南主題查重，形狀跟 Choice/Score 對得上，是我們想實測的方向。

但現有判斷部分用本機的 MLX Qwen，本來就免費。換成 Jev 是「免費換付費但更快」，不是省成本；潛在好處是延遲更低、若校準機率可靠則判斷更穩定，目前沒有實測數據支撐。我們已申請等候名單，跑過資料後再回來報告，不承諾時間表。

FAQ

Jev 跟 ChatGPT、Claude 是同一種東西嗎？

不是。Jev 只做結構化判斷，不生成自然語言，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（數學上 0% 型別錯誤），不是內容正確；訓練目標是讓機率「校準」，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？

目前是等候名單制，申請不保證馬上拿到存取權，建議先申請卡位。

5min AI 會馬上把新聞分類、選題判斷換成 Jev 嗎？

不會。我們已申請等候名單，但目前沒有存取權也沒有實測數據，值不值得換要等實測過再決定，不先承諾時間表。