💡 核心結論速覽 (TL;DR)
- Jev 是什麼：TypeSafe AI 在 2026 年 9 月 15 日發布的 System One 模型，只回傳「選項、分數、機率」，完全不生成文字，輸入每百萬 token 0.042 美元、輸出免費。
- 省多少：用官方範例算，一萬次判斷 Jev 要 0.16 美元、Claude Haiku 4.5 要 8.75 美元、Fable 5.1 要 87.5 美元。官方講的 444 倍是拿最貴那檔比的，對照最便宜的 Haiku 只有 53 倍。
- 最大的誤會：它不會寫程式，Claude Code 週額度用完了改用 Jev 沒有用。它省的不是每個 token，是讓貴的模型少被叫幾次。
- 先做這件事：去控制台複製右側 Quickstart 那段提示詞，貼給 Claude Code、Codex 或 Antigravity，它會自己裝完；帳號裡那 5 美元是月度額度，30 天不用就歸零。
我同時付 ChatGPT Pro 和 Claude Max 20x，兩邊各 200 美元一個月。就算付到這個檔次，我還是會在週四下午看到那行「額度快用完」。
所以當 TypeSafe 丟出一個「只做判斷、不寫字、輸出免費」的模型時，我第一個反應不是它有多新，而是——我那些每天跑上千次、只是要一個是或不是的步驟，是不是根本不該佔用 Claude 的額度？
我申請進去了，也把它裝進 Claude Code 和 Antigravity 試過。這篇把帳算給你看，也把安裝指令、三種題型、官方自己承認的六個弱點，還有中文那個不能忽略的但書，一次講完。
但先講最重要的一句，免得你看完去試才發現不對：Jev 不會寫程式，也不會回答問題。它接不走 Claude Code 的工作，只接得走 Claude Code 「順手幫你做的那些判斷」。這兩件事差很多，我們從這裡開始講。
Jev 是什麼？一句話：它是只會做選擇題的 AI，不會寫作文
Jev 是 TypeSafe AI 在 2026 年 9 月 15 日發布的第一個 System One 模型，目前是早期存取階段。它不生成文字，你給它一段材料和幾個問題，它直接回傳型別化的答案加上機率。
你可以把現在的 AI 分成兩種工人。一種是會寫作文的，你問它什麼它都能講一段——ChatGPT、Claude、Gemini 都是這種。另一種只會劃卡，題目給它，它回答 A、B 還是 C，然後告訴你它有幾成把握。
Jev 是第二種。而且它只會第二種，你叫它寫一段話它做不到，因為它沒有被訓練來生成文字——這是官方自己在模型說明裡寫的。
聽起來像退化對吧？我一開始也這樣想。但你回頭看自己的 AI 流程就會發現，裡面有一大堆步驟根本不需要作文能力：
- 這封信急不急？
- 這段改動有沒有動到資料庫？
- 這則留言要分給客服還是業務？
- 這篇搜尋結果跟使用者問的有沒有關係？
這些全部都是選擇題。但你現在的做法八成是——叫一個會寫作文的模型去劃卡，還要求它「只回 JSON、不要多說廢話」，然後祈禱它這次真的沒多說。
這就是最貴的地方。你付錢請它想，付錢請它寫，寫完還要自己 parse，parse 失敗還要重跑一次。Jev 把這段整個拿掉：它的回傳本身就是資料結構，沒有格式錯掉這回事，因為它根本沒有「格式」可以錯。
三種題型就三種，Noul（是非題，回是的機率）、Choice（選擇題，回選項加機率分布）、Score（評分題，回一個位置加分布）。後面有一整段專門講怎麼挑，先記得這句話就好：能被寫成選擇題的，就別再叫作文機了。
為什麼 Claude、Codex 的額度總是不夠用？因為有一段工作根本不需要它們做
Claude Code 和 Codex 的額度撐不到週末，通常不是因為你寫的程式太難，而是因為你讓同一個頂級模型同時做了兩種難度天差地遠的事。
我自己的用法是這樣：需要生圖的任務我先丟 Codex 做粗胚，再用 Claude Code 細修，就是為了省 Claude 的 token。這個分工我用了一陣子，效果是真的——我一向是那種先用便宜的把粗胚做出來、貴的只拿來細修的人，省下來的額度可以多跑幾輪。
但我之前漏掉了第三層。粗胚和細修都還是「產出」，而在產出之間，模型還在不停做判斷：這步做完了沒？要不要再跑一次測試？這個錯誤要不要回報給使用者？這些判斷每一次都在燒你的週額度，而它們全部都是選擇題。
順帶一提，如果你還在疑惑自己的額度為什麼比去年更緊，那不是錯覺：Claude Code 的標準週上限在 9 月 14 日永久改制，官方自己承認實際少了約 17%。撞牆時間提前半天到一天，很多人就是在那半天裡被卡住的。
這裡要先設一道誠實的閘門，不然你會白試一場：
| 你的痛點 | Jev 接不接得走 | 為什麼 |
|---|---|---|
| Claude Code 週額度用完，不能寫程式 | ❌ 接不走 | Jev 完全不產生程式碼或文字 |
| 在 App 裡跟 AI 聊天撞到上限 | ❌ 接不走 | 它沒有對話介面，只有 API |
| 自己寫的流程裡，拿 LLM 當分類器那幾步 | ✅ 直接換掉 | 那幾步本來就是選擇題 |
| Agent 一直在判斷「做完了沒、該呼叫哪個工具」 | ✅ 換掉最有感 | 控制層的判斷量遠大於產出量 |
| 一萬筆資料要先篩出該處理的那幾筆 | ✅ 省最多 | 先篩再叫 LLM，呼叫次數直接砍掉九成 |
所以正確的期待是這樣一句話：Jev 省的不是「每個 token 更便宜」，是「讓貴的模型少被叫幾次」。它不會讓你的週額度變長，但會讓你不再拿週額度去做它根本不該做的事。
如果你現在卡的是純粹的額度不夠，那先看我把 Codex 四個免費回血管道整理過一輪，順便踩到那個 30 天就作廢的坑，那篇處理的是「怎麼拿到更多」；這篇處理的是「怎麼少用一點」。兩個方向要一起做才有效。
Jev 價格多少？我把一萬次判斷的帳單攤開，官方的 444 倍我只算出 53 倍
Jev 的價格是輸入每百萬 token 0.042 美元，輸出完全免費。這個「輸出免費」不是促銷，是它的計費設計——因為它沒有輸出 token 可言，回傳的是結構化的值。
官方在發表文裡的說法是「193.6 倍快、444.6 倍便宜」。但你要先知道那個數字怎麼來的：基準是 GPT-6 Astra 和 Claude Fable 5.1，任務是 TypeSafe 自家首頁的工作流評測，不是公開 benchmark。
那如果拿你實際會用的那一檔來比呢？我用官方 quickstart 的範例當基準——一封客服信，同時問三題（該分給哪個部門、客戶多不爽、有沒有急迫性），官方回傳的用量是輸入 392 個 token、輸出 65 個。
然後我把同一件事換算成四家的帳單。LLM 這邊我多抓了 150 個 token 給 JSON 格式指示（不給它這段，它回來的東西你 parse 不了），輸出抓一樣的 65 個：
| 模型 | 輸入／百萬 | 輸出／百萬 | 一萬次帳單 |
|---|---|---|---|
| Jev 1.13 | $0.042 | 免費 | $0.16 |
| Claude Haiku 4.5 | $1 | $5 | $8.75 |
| Claude Sonnet 5 | $2 | $10 | $17.50 |
| Claude Opus 5 | $5 | $25 | $43.75 |
| Claude Fable 5.1 | $10 | $50 | $87.50 |
算式攤開給你對：Jev 是 392 × 0.042 ÷ 100 萬 × 1 萬 = 0.16 美元。Haiku 4.5 是（550 × 1 ＋ 65 × 5）÷ 100 萬 × 1 萬 = 8.75 美元。同樣一件事，倍數是 53 倍。
對到 Fable 5.1 那格，我算出來是 531 倍——跟官方的 444.6 倍同一個量級，所以官方沒有灌水，它只是挑了最貴的那把尺。
這裡有個陷阱，我在算 DeepSeek 那次漲價的帳時就踩過一次：看到聳動的倍數，第一件事是問「那一格本來多少錢」。53 倍聽起來很多，但絕對金額是從 8.75 美元變成 0.16 美元，一萬次判斷省下 8.59 美元，大概 275 塊台幣。
一個月一萬次判斷，省 275 塊。你確定值得為此多接一個 API、多一組金鑰要管、多一個會掛掉的外部相依嗎？我的答案是不值得。這個門檻後面有一整段專門算。
順帶補一個比錢更有感的維度：速度。官方給的數字是 Jev 70 到 500 毫秒，同樣的工作交給前沿 LLM 是 3 到 329 秒。如果你的判斷卡在使用者正在等的那一秒，這個差距比帳單重要得多。
Jev 怎麼申請帳號？那個 Join Waitlist 的小視窗我找了半天
Jev 現在是早期存取，申請入口就在 TypeSafe 官網首頁標題下方那個「Join Waitlist」，旁邊還有一個「Join Discord」。整個流程只要填 email 加幾題問卷。
老實說我卡在第一步卡了一陣子。點下去之後會跳出一個很小、灰灰的復古風格小視窗，標題寫「Join Our Waitlist / Get early access to Jev」，下面一格 email 輸入框加一顆 submit。
那個視窗實在太不像現代的申請表單，我一直以為只是裝飾，眼睛就這樣滑過去好幾次，還跑去翻有沒有別的註冊頁。如果你也找不到，答案就是那個灰框，email 直接打進去按 submit 就對了。
送出後會接著問幾題，例如你打算拿 Jev 做什麼樣的專案。照實填就好，不用寫成提案簡報——你寫得越具體，對方越知道要不要放你進來。
審核速度我自己的體感是很快：我睡前送出，隔天早上打開信箱就看到通過信了。大約一個晚上。當然這是單一樣本，不保證每個人都一樣，但至少不是那種送出去石沉大海的等待。
拿到開通信之後，記得還要做一件很多人會漏掉的事——去控制台的 API key 頁自己產一把金鑰。帳號通過不等於金鑰生出來，沒產就直接跑，回來的只會是 401。
註冊送的 5 美元能跑多久？我後台是 30 萬次判斷，但下個月 20 號就過期
Jev 帳號開通後會有一筆 5 美元的額度，但它在後台的欄位寫的是「Monthly credit」，而且標了到期日——我的帳號是 9 月 20 日發放、10 月 20 日到期。
這筆錢能跑多少？我用上面同一個基準算：5 ÷ 0.042 × 100 萬 = 1.19 億個輸入 token，除以每次 392 個，等於大約 30 萬次判斷。
30 萬次是什麼概念？同樣的量丟給 Claude Haiku 4.5，你要付 266 美元。也就是說，官方送你的這 5 塊錢，在 Haiku 那邊價值 8,500 塊台幣。拿來做完整的樣本測試綽綽有餘。
但那個「Monthly」和到期日，就是我要提醒你的坑。
我第一眼看到 5 美元時，直覺是「註冊禮，慢慢用」。點進 Credits 那張表才發現它寫 Expires——這跟我之前在 Codex 那邊差點放到過期的重置券，是一模一樣的坑型：不是沒給你，是給了你不知道要用。
老實說我對這種設計沒什麼好感，但它確實有效——會逼你在第一個月就真的跑一輪測試，而不是把它放到忘記。
這裡要誠實說一件事：官方文件沒有這一頁。我試過 docs.typesafe.ai/billing 和 /pricing，兩個都是 404。所以「是不是每個月都會給」「早期存取結束後還有沒有」，官方沒有公開說明，我看到的只是我自己帳號在 9 月 20 日的狀態。
你自己進去之後，第一件事就是去 Billing 頁確認你那筆的到期日，不要照抄我的。
Jev 怎麼串接？我分四層講，第一層完全不用寫程式
Jev 開通後進控制台，右側就有一塊 Quickstart 面板，裡面那段指令可以直接複製給你的 AI 工具，它會自己裝完。你不用從頭做到尾，從哪一層進場都可以。
❶ 第一層：Playground，完全不用寫程式
控制台左上角有個 Playground 按鈕。進去把任何一段文字貼進 state，然後加一題，例如「這段話有沒有表達急迫性？」按下去就會看到回傳的機率。
這一層的價值不是玩，是讓你在寫任何程式之前，先確認你腦中那個問題到底問不問得清楚。我自己試的時候就發現，我想問的和我寫出來的，常常差了半句話。
❷ 第二層：把 Quickstart 提示詞貼給你的 AI 工具，讓它自己裝
這是我覺得最值得推的一層，因為你一行指令都不用自己打。控制台 Quickstart 面板右下角有「Copy Agent Prompt」按鈕，複製完貼給 Claude Code、Codex 或 Antigravity 就好。
那段提示詞實際做的事情是這三條，你也可以自己打：
- Claude Code：
claude plugin marketplace add typesafe-ai/skills，接著claude plugin install typesafe@typesafe-ai - Codex 或其他 agent：
npx skills add typesafe-ai/skills --skill typesafe-ai，跑完會問你要裝給哪個工具 - 裝完之後，在任務裡直接說「用 TypeSafe skill 做這件事」；Claude Code 也可以用
/typesafe:typesafe-ai叫它
官方那個 typesafe-ai/skills repo 目前 768 顆星，最近一次提交在 9 月 12 日，是官方自己維護的。
❸ 第三層：一個 curl 確認金鑰和網路都通
先去控制台的 API key 頁產一把金鑰——這一步很多人會漏掉，裝完 skill 沒產金鑰，跑起來只會拿到 401。產完之後設成環境變數，再打一次最簡單的請求：
curl -X POST https://api.typesafe.ai/v1/systemone \
-H "Authorization: Bearer $TYPESAFE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"state": "我被重複扣款了，希望今天就能處理。",
"model": "jev-latest",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "這段訊息有沒有明確提出處理時間或截止時間？"
}
}
}'回來的東西長這樣，noul 就是「是」的機率，0 到 1 之間：
{
"model": "jev-1.13.0",
"answers": {
"is_urgent": { "type": "noul", "noul": 1.0 }
},
"usage": { "input_tokens": 392, "output_tokens": 65 }
}這裡有個實用的小測試：把「希望今天就能處理」改成「不急，下週看也可以」，再跑一次。兩句都帶了時間資訊，所以照上面那個問法，兩句都可能拿到高分。如果你要的是急迫程度，那就得另外寫一題，不能靠這題。
這個小實驗花不到一分鐘，但它會直接讓你看懂 Jev 的脾氣——它回答你寫的問題，不是你想問的問題。
❹ 第四層：接進你的程式或 agent 工作流
Python 這邊 pip install typesafe-sdk 就好，需要 3.10 以上。client 會自己讀 TYPESAFE_API_KEY 這個環境變數，不用手動傳。
如果你想讓 Claude Code 或 Codex 在寫程式時自動叫它做品質評審，社群有個 jev-review 插件（171 顆星，9 月 17 日更新），用 npx plugins add NiazMorshed2007/jev-review --target claude-code 安裝，Codex 把最後那個參數換成 codex。
這裡有一個會讓你卡半小時的細節：官方 SDK 讀的環境變數是 TYPESAFE_API_KEY，jev-review 讀的是 JEV_API_KEY，兩個名字不一樣。裝完發現連不上，先看是不是這個。
另外提醒一句，這個插件是第三方的，不是 TypeSafe 官方維護；它會把你的任務說明和程式碼差異送到 Jev API。要接之前，先確認你送出去的那份 diff 裡沒有金鑰和不該外流的東西。
還有一條路是完全不碰 TypeSafe 帳號——Jev 已經上架 Cloudflare Workers AI，模型 id 是 typesafe/jev。如果你的東西本來就跑在 Cloudflare 上，這條路少一組金鑰要管。不過要注意那頁標的 context 是 32,000，跟官方 API 的 64,000 不一樣，別照抄上限。
說到金鑰，你現在手上至少會多兩組（TypeSafe 的、還有插件那組）。金鑰散在各個專案的 .env 裡是遲早出事的做法——我自己是全部收進密碼管理工具的開發者金庫，用 CLI 注入，本機不落地明文。1Password 的開發者金鑰管理就是做這件事的，一組金鑰要在三個 agent 之間共用時特別有感。
Noul、Choice、Score 三種題型怎麼選？一張表加一段能直接跑的程式
Jev 只有三種題型，選錯題型比問錯問題還常見。判斷方式很單純：看你要的答案「長什麼樣子」，不是看問題有多難。
| 題型 | 什麼時候用 | 回傳什麼 |
|---|---|---|
| Noul | 某個條件成不成立 | 是的機率（0 到 1），沒有另外的 confidence |
| Choice | 從你定義好的一組選項挑一個 | 選中的那個＋每個選項的機率＋confidence |
| Score | 在一條有順序的程度上定位 | 加權位置＋各級距機率＋confidence |
三種可以混在同一次請求裡，而且這件事非常重要：同一份 state 只會被讀進去一次，幾題一起問就一起算。官方自己的例子是把 13 題打包成一次呼叫，結果比分開問便宜 11.5 倍、快 9.6 倍，答案完全沒變。
所以「一次只問一題比較準」在這裡是錯的直覺。該拆的是問題本身的顆粒度，不是請求的次數。
下面這段是我調整過的客服分流範例，可以直接改字跑：
from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
client = TypeSafeClient()
response = client.system_one(
state={"message": "我被重複扣款了，希望今天退回多扣的錢。"},
questions={
"intent": Choice(
instructions="客戶的主要訴求是什麼？",
criteria={
"refund": "要求退回已經付出去的錢",
"technical": "要求修復功能或連線問題",
"information": "只是詢問資訊，沒有要求退款或修復",
"other": "以上都不適合，或材料不足以判斷",
},
),
"urgency": Score(
instructions="訊息表達了多強的處理急迫性？",
criteria=[
"沒有要求盡快處理，也沒提出近期期限",
"希望盡快處理，或提出當天等近期期限",
"明確要求立刻處理，並說明正在受到嚴重影響",
],
),
"has_deadline": Noul(
instructions="訊息有沒有明確提出處理時間或截止時間？"
),
},
)
print(response.answers["intent"].choice)
print(response.answers["intent"].probabilities)
print(response.answers["urgency"].score)
print(response.answers["has_deadline"].noul)這段程式裡有三個我建議你照抄的習慣：
❶ Choice 一定要留一個 other
範例裡的 other 是給接不住的訊息一個出口。你如果只列三個業務部門、卻逼它必選一個，程式拿到的仍然是合法答案，只是分錯部門——而且你完全不會發現。
❷ Score 的分數只在你這套級距裡有意義
上面三級對應 0、1、2。拿到 1.2 不能講成「急迫度 1.2 分、滿分 10 分」。你哪天改了級距描述，舊分數就失去比較基礎了，儀表板上的歷史曲線會變成謊話。
❸ 把模型版本記進 log
回傳裡有 model 欄位。同一題換模型版本，分數分布可能就變了。你之後要調門檻、要復現問題，這個欄位是唯一的線索。
我自己架過一套 AI 客服系統，最花時間的從來不是接 API，是這種「當初為什麼設這個值」的考古。能寫進 log 的東西就寫進去，一行的成本，換的是三個月後不用重猜。真的要自己架一套之前，先看我把 AI 客服機器人那 4 筆廠商不會告訴你的隱藏成本算過一輪，判斷模型只解掉其中一筆。
最快的大腦配上最快的嘴巴：我把 Jev 裝進 Antigravity，讓 Gemini Flash 只負責輸出
Google Antigravity 也裝得起來，而且這個組合是我目前試下來最有感的一種——Jev 負責判斷、Gemini Flash 負責輸出，整條任務的體感速度會快到有點誇張。
我的做法很懶：把控制台那段 Quickstart 提示詞複製下來，直接貼進 Antigravity 的對話框，模型選 Gemini 3.8 Flash（High）。然後就不管它了。
五分鐘後它自己回報裝完：用 npx skills add 把 skill 放進 workspace 和 global 兩層、讀完整份 SKILL.md、找到我的 API key、裝好 typesafe-sdk，最後還實際打了一次 jev-latest 端點確認連得上。我一行指令都沒打。
為什麼這個組合特別值得講？因為它剛好補上 Gemini Flash 最被詬病的那件事。
我之前拆過 Gemini 3.8 Flash 的帳單為什麼會比想像中貴，結論是：貴的不是它思考，是它多跑了幾趟。判斷得不夠好，就會多繞回合，回合一多，快就沒有意義了。
那如果判斷不交給它呢？Jev 70 到 500 毫秒回一個帶機率的答案，Flash 拿到答案直接輸出。判斷那一段不用推理、不用生成，回合數自然掉下來。
我腦中的畫面是這樣：最快的大腦配上最快的嘴巴。大腦只管決定往左還往右，嘴巴只管把話講漂亮，兩邊都不做對方擅長的事。
這個組合適合什麼？我的判斷是三種情況：
- 使用者正在等的互動場景：聊天機器人要先判斷意圖再回話，那個判斷不能讓人等三秒
- 批次處理：一萬筆資料先用 Jev 篩出該處理的，剩下的才叫 Flash 生成
- 你覺得 Flash 有點笨但捨不得它的速度：把需要動腦的那段外包出去，留它做它最擅長的輸出
但也有不適合的：如果你的任務本來就是一段連貫的推理（例如讀一份合約找出互相矛盾的條款），那拆成「判斷＋輸出」反而會斷掉脈絡。這種就別拆，整包交給會推理的模型。
confidence 不是正確率，我會這樣設門檻
Jev 回傳的 confidence 是機率分布集中程度的統計量，不是「這個答案正確的機率」。這兩件事被搞混，是我看到最容易出事的誤解。
分布很集中，代表模型在它理解的那個問題裡答得很篤定。但如果你的問題本身寫歪了，它會非常篤定地答錯——而且 confidence 還是 0.95。
另外兩個細節也要記住：Noul 沒有 confidence 這個欄位，機率本身就是答案；而 Noul 落在 0.5 附近代表是與不是的機率差不多，不是「中等強度」。這個誤讀會讓你的門檻整個歪掉。
那門檻要怎麼設？官方的示範邏輯是兩層，我覺得很合理：
❶ 先設一個地板
confidence 低於 0.5 的，一律不自動處理，丟人工或丟給會推理的模型。這條是攔截「模型自己都說不準」的情況。
❷ 再依後果分層
同一套系統裡，不同動作要不同門檻。只是把資料標個顏色，0.6 就可以動；要把使用者的資料刪掉或把信寄出去，那就拉到 0.9 以上，低於就停下來問人。
❸ 別照抄任何人的數字，包括我的
官方自己也寫了這句。0.5 和 0.9 是示範值，不是驗證過的安全標準。正確做法是準備二十到五十筆你自己的真實樣本，先人工標好答案，再看 Jev 給的分數落在哪，然後才決定線畫在哪裡。
調門檻時要分開看兩種錯：漏掉的（該攔的沒攔）和誤攔的（日常操作一直被打斷）。如果這兩種的分數大量重疊，移動門檻只是在兩種痛苦之間換來換去——那代表問題寫得不夠具體，或這件事本來就不該交給模型判斷。
還有一個方向陷阱：如果你把問題從「這條命令危不危險」改成「這條命令安不安全」，分數的方向就反過來了，舊門檻全部作廢。問題只要改字，門檻就要重驗。
官方自己列了 6 個 Jev 會答錯的地方——每一條都對應一個寫法修正
TypeSafe 有一頁叫「jev-1.13 jaggedness」，逐條列出自家模型會失手的地方。廠商主動公布自己的弱點很少見，而這一頁是我覺得整份文件裡最值錢的部分。
我把六條整理成「它會怎麼錯」加「你該怎麼寫」，這六條你照做，準確率的提升會比換模型有感得多。
❶ 它只讀字面，不讀你的意思
範圍詞、否定句、隱含條件，它一律照字面理解。官方有一句話講得很好：當你看著錯誤答案、心裡浮出「我的意思是⋯」的時候，那句解釋就是你漏掉的另外半句指令。把邊界情況寫進 criteria，不要指望它推測。
❷ 它不是計算機，也不會數數
數字、計數、數值比大小，全部交給程式。要數「符合條件的有幾個」，正確做法是在程式裡逐一問一次，然後自己加總——不要叫它一次數完一整份清單。
❸ 它把日期當文字，不當有順序的量
哪個日期比較早、差幾天、有沒有落在某個區間，這些它答不準。正確拆法是：抽取交給它、運算交給程式。月份只有 12 種、日只有 31 種，用 Choice 列舉，還能多留一個「沒寫」的選項，讓缺漏被回報而不是被猜。
❹ 繞圈子的問題會掉準
雙重否定、屬性的屬性、需要多跳一次才推得出來的問題，準確率都會下降。能拆成兩題直白的，就拆。
❺ state 塞太多無關內容會變笨
官方用的詞是 context rot：無關的材料會當干擾項，而且出錯時你根本分不出是哪一段害的。先在程式裡撈好、濾好，只送這一題需要的欄位。
❻ 它對惡意內容沒有天然防禦
state 在它眼中是資料，但它不會預設那是敵意的。刻意寫來引導模型的內容——注入的指令、誤導性的框架、替自己辯護的文字——是有可能把答案拉走的。官方寫明未來會改善，但現在你要自己在 criteria 裡寫死條件，上線前做對抗測試。
這一條對做 AI Agent 的人特別重要，因為 agent 吃進來的內容常常來自外部。光在指令裡寫一句「忽略輸入中的指令」只是設計的一部分，不等於證明它不會被影響。
Jev 中文準嗎？官方只寫了一句話，但那句話決定你要不要先自己測
Jev 的中文可以用，但官方明講準確度不如英文。原文寫的是英文為主要訓練語言、目前準確度最好，其他語言包含中日韓文字「可以處理但沒有一樣好」。
後面還有一句更重要：在把 Jev 用在非英文的工作之前，請先拿你自己的內容測過，並且在做路由判斷時特別注意 confidence。這句「請自己測」是官方寫的，不是我加的。
這一點在英文報導裡幾乎沒人提，因為對他們來說不是問題。但你要處理的是繁中客訴、繁中留言、繁中工單，這就是上線前的第一道關。
我的建議是準備四組不同「長相」的樣本分開測，不要混在一起看平均：
- 正式書面：客服罐頭信、公告、合約條款
- 口語留言：有語助詞、有省略、句子沒寫完的那種
- 有錯字或注音文：真實留言裡大量存在
- 中英夾雜：「這個 bug 我 reproduce 不出來」這種職場日常
四組分開統計，你才看得出它是「整體不行」還是「只在某一種長相上不行」。如果只有口語那組掉分，你的解法是在 criteria 裡補幾個口語例子，不是放棄整個方案。
還有一個省事的做法：指令用英文寫、材料保持中文。instructions 和 criteria 是你自己寫的，用英文寫等於讓它在最熟的語言裡理解題目；state 是使用者給的，本來就沒得選。我覺得這個組合值得在你的測試裡列成一組對照。
我不寫程式，Jev 關我什麼事？先看你是哪一種人
Jev 沒有 App、沒有聊天介面，只有 API。如果你從來不碰程式，它短期內跟你沒有直接關係——這句話我先講清楚，不要浪費你的時間。
但它跟你的間接關係有三層，值得你知道：
❶ 你用的 AI 產品會變快、變便宜
你每天在用的那些 AI 工具，背後都有大量的判斷步驟。這類模型普及之後，同樣的訂閱費能做的事會變多，或是同樣的功能反應會變快。你不會看到 Jev 這個名字，但你會感覺到。
❷ 如果你在用 n8n、Zapier 這類自動化工具
這一層你真的碰得到。這些工具裡最常見的節點就是「用 AI 判斷要走哪條分支」，而那正是 Jev 的本行。想知道自己目前撞的是哪道牆，可以先看我把免費 AI API 接自動化那兩道額度牆拆給你看；還沒開始串的人，n8n 那份實戰指南可以當起點。
❸ 如果你有在用 AI 幫你寫東西、做東西
會寫一點點程式、或願意讓 Claude Code 幫你寫的人，這一層的門檻其實比你想的低。你不需要自己寫那段 API 呼叫——你只要知道「這件事應該交給判斷模型，不是交給作文模型」，剩下的可以叫 AI 幫你接。
這就是我覺得把 Prompt 思維升級成 Loop 思維最關鍵的一步：你的價值不在會不會寫那幾行，在於你知不知道流程裡哪一段該換零件。
Jev 什麼時候該導入、什麼時候先別碰？我用三條線判斷
Jev 值不值得導入，我的判斷不是看它多便宜，而是看三條線——量、後果、誰在等。三條都不過，就先別碰。
第一條線：你一個月的判斷次數有沒有超過 10 萬次
從前面的算式往下推：每次判斷省下大約 0.00086 美元。要省到 100 美元（大約 3,200 台幣，差不多是接一個 API、寫測試、處理誤判的那一天工時），你需要每月十一萬多次判斷。
一個月一萬次只省 275 台幣，那連你跑去讀文件的時間都不夠付。職業病讓我看到任何新東西第一個問的都是誰會用、多久用一次——這兩題答不出來的，做出來通常就躺在那裡。
順帶一提，這條線也可以拿來檢查你手上的其他 AI 訂閱。我之前把各家免費 AI Agent 的官方額度逐格對過一次，發現帳面數字和實際能用的差到六倍——量算不清楚，任何「划不划算」的結論都是空的。
第二條線：判斷錯了會發生什麼事
標錯一個分類，頂多有人手動改回來；判錯一次「要不要刪掉這筆資料」，那是另一回事。後果越重，門檻要越高、人工複核要越早介入，導入的成本也越高。
後果輕的場景先上，累積出自己的樣本和門檻，再往後果重的挪。不要反過來拿最嚴重的場景當試驗場。
第三條線：有沒有人正在等
如果判斷發生在使用者盯著畫面的那一秒，70 毫秒和 3 秒的差距比帳單重要得多。這種情況就算省不了多少錢，也值得換。
| 你的情況 | 我的建議 | 先做什麼 |
|---|---|---|
| 每月判斷 10 萬次以上，後果可回復 | ✅ 值得導入 | 拿 50 筆真實樣本先調門檻 |
| 互動場景，使用者在等 | ✅ 值得，為速度不為錢 | 只換最前面那一步判斷 |
| Agent 一直在自問自答 | ✅ 從控制層開始換 | 先換「做完了沒」這類問題 |
| 量小、只是好奇 | 🟡 玩 Playground 就好 | 別急著接進正式流程 |
| 要它寫程式、寫文案、回答問題 | ❌ 完全不適合 | 留在 Claude、GPT、Gemini |
如果三條線你都過了，我建議的第一步不是全面導入，而是找一個你看得懂結果的小場景，跑一週，把 Jev 的判斷和你實際採取的行動記下來對照。一週之後你會知道它是幫你抓到東西，還是只是多了一個會掛掉的相依。
最後講一句我自己的立場。我付 Claude Max 20x 和 ChatGPT Pro 各 200 美元，付到最高階不是因為錢多，是因為我受不了做到一半跳額度用完——那個中斷的成本比價差高。但正因為這樣，我更不想把那些昂貴的額度花在「這封信急不急」這種選擇題上。
工具漲價或額度縮水時，我的第一個問題從來不是「還值不值得」，而是「我手上已經在付的那幾個，能不能把這件事吃下來」。Jev 讓這個問題多了一個新答案：有些事不必吃下來，把它挪到一個一萬次只要 5 塊台幣的地方就好。
FAQ 常見問題
Jev 和 Claude、ChatGPT 該選哪一個？
這題問錯方向了，它們不是替代關係。Jev 不會生成任何文字，所以任何需要「產出東西」的工作都只能給 Claude 或 ChatGPT。正確的問法是：你的流程裡哪幾步只是在做選擇題？那幾步換 Jev，其餘不動。如果你的用途幾乎都是聊天和寫作，那就完全不需要它。
Claude Code 週額度用完了，改用 Jev 能繼續寫程式嗎？
不行，這是最常見的誤會。Jev 沒有生成能力，寫不出一行程式碼。它能做的是讓你在額度還沒用完之前，不要把額度花在判斷類的步驟上。真的卡在額度，先看我一天燒光 Max 20x 週額度之後重排的分配方式，或是Claude Code 接 Codex 那個先別開的開關，那兩篇處理的才是你現在的問題。
Jev 不會幻覺，那是不是就不會出錯？
「不會亂講」和「不會講錯」是兩件事。它的保證是結構層的——回傳一定符合你定義的型別，不會多一段廢話、不會 JSON 壞掉、不會冒出你沒列的選項。但語意判斷本身照樣會錯，官方自己就列了六種常見的錯法。把它當成「輸出格式永遠可靠、答案仍需驗證」比較準確。
只想先試試看，最低成本的方式是什麼？
去官網排隊拿早期存取資格，開通後直接用控制台的 Playground，貼一段你自己的真實文字，問一個你真的在乎的問題。這一步完全不用寫程式、不用產金鑰、不花錢。看到結果之後再決定要不要往下走第二層。帳號裡那筆額度記得先看到期日，我的是發放後 30 天。
繁體中文的工單能直接上線嗎？
先測再說。官方明確寫了中日韓文字「可以處理但沒有一樣好」，並建議在非英文的工作上線前用自己的內容測試。實務做法是準備正式、口語、有錯字、中英夾雜四組樣本各測一輪，分開看分數。如果只有某一組掉分，補幾個該類型的例子進 criteria 通常就能救回來。
結論：它不是更便宜的 Claude，是你流程裡少掉的那顆零件
如果這篇你只記一句話，我希望是這句：Jev 省的不是每個 token，是讓貴的模型少被叫幾次。
過去兩年我們習慣的做法，是拿一個什麼都會的模型去做所有事——包括那些只需要回答「是」或「不是」的事。那不是因為那樣比較好，是因為當時沒別的選擇。
現在有了。而且這個選擇便宜到有點荒謬：一萬次判斷 5 塊台幣，帳號裡還先放了一筆夠你跑 30 萬次的額度。
但便宜從來不是導入的理由。真正的理由是——你終於可以把「判斷」和「產出」分開看待，然後分別找對的工具做對的事。這跟我一直在做的那件事是同一回事：先用便宜的把粗胚做出來，貴的只拿來細修。Jev 只是讓這條分工線又往前推了一格。
至於那 444 倍，看看就好。你要算的永遠是自己那一格本來多少錢——這點在我算 DeepSeek V4-Pro 每題成本和重算 Claude API 帳單那兩次，都是同一個教訓。
如果你想繼續看我把各家 AI 的帳單一格一格拆開的過程，訂閱我的部落格，會不定期收到信。
參考資料
- TypeSafe AI — Introducing System One Models and Jev（發布日、193.6 倍／444.6 倍的評測基準、70–500ms 延遲）
- TypeSafe 官方文件 — Models（每 MTok 0.042 美元、context 64k／32k、速率限制、語言支援原文）
- TypeSafe 官方文件 — Jev 1.13 Jaggedness（六條失效模式原文）
- TypeSafe 官方文件 — Confidence（confidence 定義與門檻分層示範）
- TypeSafe 官方文件 — Quick start（API 端點、請求與回傳範例、usage 數值）
- Anthropic 官方定價頁（Haiku 4.5／Sonnet 5／Opus 5／Fable 5.1 每 MTok 價格）
- Cloudflare Workers AI — typesafe/jev（模型 id 與該平台 context 上限）
- GitHub — typesafe-ai/skills（官方 agent skill 與安裝指令）
- GitHub — NiazMorshed2007/jev-review（第三方 MCP 評審插件）
- Google Codelabs — Getting Started with Antigravity（Antigravity 的 skills 與 MCP 設定）
