TypeSafe Jev 生態系一週觀察：決策模型、開源復刻與展示聚落

TypeSafe AI 在九月中旬公開第一個 System One 模型 Jev。它的訴求很窄：不寫字，只對事先定義好的選項做判斷，並附上信心值。一週之內，圍繞它的第三方評測、開源復刻與展示作品全部出現。這篇把研究筆記裡可驗證的部分展開，數字與出處都保留。

Jev 是什麼

Jev 是一個閉源 API 模型，沒有公開權重，沒有論文。呼叫方式是送出一段狀態描述，加上幾個事先定義好的問題，拿回型別固定的答案。問題只有三種：單選（最多 255 個選項）、評分（2 到 10 個有序等級）、是非題（值即機率）。所有問題在同一次呼叫裡平行計算，加問題幾乎不增加延遲。延遲落在 70 到 500 毫秒。定價是輸入每百萬 token 0.042 美元，輸出免費，因為它不產生文字。

訓練方法名為 RLCD，目標是讓信心值與命中率一致，也就是說回報八成信心的答案，在統計上約八成正確。這與常見的 RLHF（對齊人類偏好）目標不同。但方法本身沒有公開獎勵函數、資料集或訓練細節，目前無法重現。創辦人受訪時表示，訓練只用合成資料。

官方評測數字

官方工作流評測共 711 案、四條工作流，參考答案拿兩個大模型的平均，不是標準答案。結果如下：

成本與延遲欄全勝，準確度欄全輸。官方自己把最佳的 193.6 倍快、444.6 倍便宜標註為高標，不是常態。另一個獨立小樣本（Every，777 個判斷）不到 0.7 秒花約 0.0025 美元，12 篇寫作品質檢查中位數 0.35 秒一篇，對照大模型高推理檔 8.83 秒，約 25 倍快、約五百八十分之一成本，植入缺陷抓到六比七。

官方承認的限制

官方承認幾件事。展示用的查詢經過簡化，對模型有利。工作流評測拿兩個大模型的平均當參考答案，不是標準答案。「零幻覺」的零不是量測值，而是結構保證：輸出一定落在事先給的選項裡，不會生出第四個選項。但選錯選項仍然可能，官方文件也承認高信心答錯存在。

能力邊界頁寫得相對坦白：數學、計數、日期比較不可靠，間接問題弱，狀態摻入雜質會退化，輸入預設不當成惡意內容，相依問題之間沒有邏輯一致性保證。一個是非題與其否定句的機率加總可能超過一。選項務必保留其他或資訊不足，否則模型只能在既有選項裡硬選。

第三方評測怎麼看

OrcaRouter 的獨立測試目前最扎實：37 份文件乘 21 題，在 0.7 秒內完成，結論是這不是前沿模型的平替，而是中階判斷以零頭成本跑每一步。Arize 用垃圾郵件分類做小規模對照，Jev 與傳統分類器打平，重點是信心值可用來決定哪些送人工：把 4.6% 的量送審，剩下達到 99.5% 準確。Arize 建議的架構是全量用 Jev 跑，再抽失敗樣本丟大模型拿解釋，因為 Jev 不寫解釋。

Snehal 等幾篇拆解文共同指出三點：信心值是分布統計量，不是正確性保證；選項是條件化的，二選一的機率必和為一，即使證據兩邊都不支持；平行輸出無法反推架構，擴散、編碼器或改造解碼器的猜測都只是猜測。

開源復刻一週內跟上

Jev 權重沒有開源，但介面一週內被復刻：

公開子集上，SemIf 0.845 對 Jev 公開值 0.883，差距約四到七個百分點。三方橫評的共識一致：凍結權重直讀對數值，給的只是排序，校準要靠訓練或事後校正；本地版贏在隱私與離線，不在成本，因為 Jev 的定價已經是地板價。

展示聚落：別人拿它做了什麼

官方示範之外，社群一週內長出四個展示聚落：jevable（約 40 個作品流）、jev.directory（可直接複製別人送出的請求）、jevplayground（免登入跑真的模型）、systemonemodels（第三方目錄）。模式高度一致：Jev 只做判斷，執行、寫字與權限全留給程式。

瀏覽器操作是最紅的一條。browser-use 官方的 Jev Ultrafast讓 Jev 一次選操作加頁面元素，要打字才叫小模型，機票示範 7 秒花 0.0039 美元，rtrvr.ai 實測開 Jev 後任務省約三到四成時間，但大頁面計分讓總成本上升，同篇有完整數字。手機測試方面，Callstack 把無障礙快照轉成動作選項，一次測試跑 14 秒花 0.0023 美元，有命令列工具可直接拿自己的 App 試。macOS 電腦操作有人做到約 0.0002 美元一步。

交易方面，jev-trader 每個 Monad 區塊對 Kuru 市場做一次決策，站點與程式都公開。高頻交易網紅也有同賽道教學，但只跑一天、無損益數字，證據等級差一截。

程式碼審查有魔術審查球（點 PR 問該不該合併，約 200 毫秒給判決）、jev-codes（拿 diff 對規範包稽核，倉庫內含評測）、分階段審查儀表板。搜尋重排方面，BM25 先召回、Jev 重排是常見組合；TC39 提案分類 324 案乘九維度，12.7 秒跑完；三千筆零食多條件打分，28 秒花 0.11 美元。安全方面，npm 安裝前閘門約 100 毫秒，Discord 審查機器人多題平行跑加升級階梯。遊戲與無人機示範則證明 500 毫秒內能塞進即時迴圈。

多數仍是原型，有星數不等於有校準，採用前要先看倉庫有無評測。

爭議

HN 主串（1,790 分、471 則留言）的戰場有二：一是「不會幻覺」到底指結構還是真值，放行未授權動作仍符合結構的例子被反覆引用；二是原始標題把成本速度倍數與前沿模型並列是否誤導。社群提出的類比多半指向零樣本分類器，差別在於 Jev 每題都給機率，而前沿模型的機率拿不到或不可靠。RLCD 究竟是護城河還是行銷詞，目前沒有可重現的證據，只能等校準曲線圖與第二家獨立複測。

小結

把 Jev 理解成新的介面形狀，比理解成新的智慧等級更貼切。它把「下判斷」從「寫一段話再解析」裡拆出來，變成便宜、快速、可進程式分支的值。單一高頻環節值得一試：影子模式先跑，再用兩百到五百筆標註量校準，定閾值後才上線。整條工作流一次換過去、拿它寫字算數、照抄官方閾值、私密資料直送雲端，四種做法都不值得。校準說法是否撐得住真實工作量，是唯一還沒被驗證的關鍵。其餘部分，包括速度、成本、結構保證與開源替代的差距，都已經有數字可以討論。

資料來源：TypeSafe 官方部落格、Business Wire 融資公告、TechCrunch 專訪、OrcaRouter 與 Arize 獨立評測、Apidog 與 mrjev 開源橫評、HN 主串與 OpenJev 串討論、systemonemodels 目錄。完整筆記與連結收在我的研究庫，本文只取可驗證的部分。