TypeSafe AI 發表 Jev 模型：不生成文字只回決策，輸出免費

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 9 月 15 日，匿蹤兩年的 AI 實驗室 TypeSafe AI 公開亮相，同時發表首款模型 Jev（官方部落格標示 9 月 15 日，頁面實際上架時間為台北時間 16 日上午 11 時 21 分）。這個模型最反常的地方在於它完全不生成文字：你丟給它一段狀態描述跟一組問題，它回傳帶機率與信賴度的型別決策，沒有開場白、沒有解釋、沒有可以引用的句子。共同創辦人 Diogo Almeida 正是過去在 OpenAI 參與 InstructGPT 與 RLHF 研究的人，官方團隊頁寫明這兩項研究成為 ChatGPT 與 GPT-4 背後的方法。帶著這個背景出來做一個不聊天的模型，本身就是這次發表最值得注意的訊號。Jev 目前採早期存取制，要排候補才拿得到 API key。

Pin

一句話定位 Jev：把 LLM 最擅長的語意判斷，包裝成軟體裡可以直接呼叫的決策函式。官網的說法是 Decisions, not strings，決策而非字串。輸入每百萬 token 0.042 美元，輸出免費，官方宣稱回應時間 70 到 500 毫秒。這些數字全部出自公司自己的頁面，第三方驗證目前一片空白，後面會專門拆開來講。頁面上沒有地區限制的說明，候補制本身就是主要門檻：官方只說會盡快把候補名單上的人放進來，沒有給時間表。這次發表直接相關的讀者，是把 LLM 當分類與路由引擎在用的後端與 AI 產品團隊；一般人日常用到的聊天與寫作場景，Jev 幫不上忙。

三種問題原語：單選、評分、是非機率

具體怎麼用，官方文件的快速上手給了一個客服工單的例子。你把一張客訴單全文當成 state 傳進去，附上幾種問題：Choice 問「這張單該誰處理」，你列出帳務、技術、銷售等候選與各自的描述，它回傳選中的那一項、每個選項的機率分布，再加一個 0 到 1 之間的 confidence；Score 問「客戶生氣程度」，你定義從平靜陳述到強烈措辭的等級，它回傳落在哪一級；Noul 問「這則訊息有沒有急迫性」，回傳就是一個 0.999 這樣的數值。整包回應的每個答案都是現成的資料結構，不是要你再解析一次的文字，尾端還附一個 usage 欄位記輸入輸出的 token 數。

這組設計裡有個容易被忽略的細節：所有問題是平行且隔離地對著同一份狀態評估，文件明白寫著多加問題幾乎不影響回應時間。這直接改變了用法。用 LLM 做路由時你會小心翼翼控制呼叫次數，深怕多問一句就多付一次錢、多等一次回應；Jev 鼓勵反過來操作，把所有可能要問的問題一次丟進去，事後再挑相關的答案用。官方文件把這叫投機式問句：在還不知道問題相不相關之前就先問，代價低到值得賭。他們的平行問句 cookbook 給過一組官方數字，批次問比起逐題分開問便宜 12.2 倍、快 10 倍。

API 端點是 POST api.typesafe.ai/v1/systemone，用 Bearer token 驗證，金鑰從 console.typesafe.ai 的後台發。官方提供 Python SDK（pip install typesafe-sdk）與 JavaScript SDK，也有給 Claude Code 這類代理環境用的 agent skill，加上 console.typesafe.ai 的 playground 可以直接試打。被丟掉的東西同樣明確：沒有推理過程的散文、沒有「以下是您的答案」的包裝，模型能回答的只有你定義好的欄位。單次 Choice 的候選上限是 255 個，超過要照官方建議走兩段式處理。

Pin

很多人第一個疑問會是：這跟 LLM 現成的 JSON mode、結構化輸出有什麼不同？官方 FAQ 把這題列在很前面。從文件看差異落在兩處：JSON mode 底層仍在生成文字，你拿到的是一段要祈禱它解析成功的字串，解析失敗是一整類真實存在的工程災難；Jev 回傳的本身就是型別值，官方宣稱 schema 配對有保證、型別錯誤為零。代價則是它真的不做生成，你要的任何一段文字它都給不出來。

定價表上的數字：輸入 0.042 美元，輸出免費

價格是這次發表最有記憶點的部分。宣告文寫輸入每百萬 token 0.042 美元（首頁以每十億 42 美元呈現），輸出免費，官方的說法是 too cheap to meter，便宜到不值得計量。對照官方引用的行情，前沿 LLM 的輸入價落在每百萬 0.20 到 10 美元，輸出通常是輸入的 5 倍上下。首頁另放一組對比：輸入單價比 Claude Fable 5.1 低 238 倍。輸出為什麼能免費？官方給的解釋是架構性的：Jev 不做逐字生成，取樣時靠硬體感知的平行取樣器一次把所有候選的機率算完，沒有一個 token 接一個 token 的解碼成本可以計價。帳單掛在輸入端，每個回應的 usage 欄位會記下這次輸入與輸出的 token 數，對帳有依據。

Pin

不過同一篇宣告文也自己承認：我們無法證明這不是補貼，需要更長的時間才能證明定價撐得下去。這句話值得原樣記下，它直接劃出這張價目表的有效期限。官方另外給了一個具體的用量感：用 Jev 玩經典遊戲 Doom 的示範，每秒下約 10 次決策，跑一小時的成本約 7 美元。

40 到 200 倍的速度宣稱，目前只有公司自己背書

效能數字要全部當成官方宣稱來讀。宣告文寫 Jev 的端到端回應時間 70 到 500 毫秒，前沿 LLM 做同類任務是 3 到 329 秒；在官方所謂 System One 形狀的任務上，快 40 到 200 倍。首頁的工作流評測給出更具體的數字：193.6 倍快、444.6 倍便宜，單次 0.114 秒、0.000081 美元，對上傳統路徑的 8.566 秒、0.013880 美元。智力水準的對照組，官方選了 GPT-5.6 Terra，理由是平均而言與 Jev 的智力最相當，並附一段並排執行的錄影，兩邊的分歧只在客戶流失風險那一題。另一場維基百科條目競走（wikiracing）的比較裡，Jev 用比較少的步數抵達終點，官方自己也補了一句，對手跑的是非推理模式。

連評測的參考答案都有立場問題。官方做工作流評測時，參考答案取 GPT-6 Astra 與 Fable 5.1 兩家模型輸出的平均，他們自己註明這種做法偏向 OpenAI 與 Anthropic 的模型生態，可能低估 DeepSeek 與 TypeSafe。這些全是公司自跑的評測，發表當下沒有任何第三方複現，連 TechCrunch 都還沒有刊登相關報導。新模型發布時的官方基準該保留多少信任，可以參考我們先前整理 Atria Dawn 開源 Agent 模型時的同一個提醒：官方基準與獨立評測出現落差是常態，先等別人動手。

RLCD：把討好人類換成誠實回報不確定

訓練方法上，TypeSafe 把 Jev 的最佳化目標命名為 RLCD，Reinforcement Learning for Calibrated Decisions，校準決策強化學習，用來取代自己創辦人參與發明的 RLHF 與近年的 RLVR。用他們的話說，是從討好人類評審，轉向認知上誠實的校準決策。翻成白話：模型答不準的時候，機率分布應該誠實攤開，而不是硬挑一個答案裝自信。

文件層的態度比行銷文案保守得多，這個落差本身就值得注意。confidence 那一頁從頭到尾沒有出現 calibration 這個詞，只說 confidence 是把機率分布的形狀壓縮成一個 0 到 1 的統計量，沒有給出公式或驗證方法，還特別註明你永遠可以不用我們的定義，完整機率分布都會附上讓你自己算。文件建議的用法是三段信賴度閘門：信賴度高就自動執行，中間地帶要求人工確認，低於門檻就轉給人。範例程式裡的門檻是 0.5 與 0.9：低於 0.5 視為模型真的不確定，直接轉人類處理；超過 0.9 才放行高風險操作，官方範例仍保留一道確認。另外 Noul 這種是非題的回應並不附 confidence，只有機率值本身，設計閘門時要分開對待。

從 OpenAI 出走的老將，賭的是介面形狀

團隊頁列出三位共同創辦人：CEO Diogo Almeida 在 OpenAI 參與 InstructGPT 與 RLHF，經歷欄也掛著 Google Brain；COO Sasha Sheng 來自 Meta FAIR；CTO Erik Gafni 是新創 Ravel 的創辦人。整個團隊的背景清單含 OpenAI、Google Brain、Meta FAIR、Stripe、Airbnb、Plaid 與 Docker。資金方面官方只說 backed by top-tier investors，金額與投資人一概未揭露，網路上流傳的融資數字查不到可靠來源，先不要當真。

兩個名字都是挑過的。System One 取自心理學家 Kahneman 的快思慢想，指人腦裡那套快速、自動、不經深思的判斷系統，對上慢想的第二系統；Jev 則是向十九世紀經濟學家 William Stanley Jevons 致意。命名把產品定位講得相當清楚：他們要做的從來就不是取代深思熟慮的推理模型，而是把那層快速判斷抽出來做成零件。

他們的論證核心放在宣言裡，一個比喻貫穿全文：汽車剛出現時，人們做的是沒有馬的馬車，高座椅、避震彈簧、甚至鞭子插座都照搬，把新引擎塞進舊時代的殼裡；AI 界把智慧塞進聊天框，在他們看來就是同一種過渡期形狀。宣言裡有兩句話把立場說得很直白：We’re building prod, not God，我們在做產品，不是在做神；Intelligence today is like databases before SQL，今天的智慧像 SQL 出現前的資料庫，強大，但每次使用都要手工打造。

TypeSafe 部落格另刊了一篇署名 Diogo 的隨筆 The Bitterest Lesson，把 Rich Sutton 的苦澀教訓再往前推一層：選對任務、資料、算力、演算法，重要程度依序遞減。他在 OpenAI 的親身經驗是，GPT-2 尺度的模型用 InstructGPT 的方法訓練，打敗了算力大得多的 GPT-3，關鍵就在最佳化的任務選對了。Jev 選的任務，就是軟體裡的決策這一塊。

邊界與沒交代的事

現在就把 Jev 當萬用模型期待，會踩到幾個明確邊界。它不生成任何文字，摘要、改寫、寫信這類任務直接出局；官方的智慧家庭示範裡，需要自由文字回應的對話段落照樣轉給 LLM 處理，一句話裡含多個動作時也先讓 LLM 拆解成單一指令，Jev 負責的是前面的分類、評分與路由。號稱的零幻覺是設計論證：因為不輸出自由文字，所以沒有文字幻覺；schema 配對有保證，所以型別錯誤為零。但決策內容本身仍然可能出錯，官方 FAQ 也留了 Can Jev still get things wrong 這一題。換句話說，零幻覺不等於零錯誤。資料面還有一件事要自己盯：所有狀態文字都要送進 API 處理，隱私與合規的框架官方文件目前沒有特別著墨，企業採用前得自己評估。

市場面有三個未定因素：定價是否補貼、獨立評測何時出現、早期存取何時轉正式開放。任何一件塵埃落定，這篇文章裡的數字都要跟著更新。

候補排下去之前：讀文件、寫呼叫端、接上現有路由

按成本由低到高，開發者現在有幾個動作可以排。讀文件不需要帳號，docs.typesafe.ai 的快速上手、confidence 頁與十幾份 cookbook 全部公開，內容涵蓋重排搜尋結果、檢查引文、替 LLM 加護欄、多層分類、日期抽取這些任務範例。想動手試，先在官網排候補，同時用 Python 或 JavaScript SDK 把呼叫端寫好，等 key 下來直接接。如果你本來就在用 LLM 做代理的工具呼叫與路由，這類決策點正是 Jev 想接管的位置。

反過來說，需要生成內容的任務現在不用等它。官方自己的建議也是混合式：Jev 當快的決策層，LLM 當生成層，中間用信賴度分流量。要不要押注這個方向，更務實的時間點是等第一批獨立評測與真實帳單出現，一個月後再回來核對這篇的數字對不對得上。