Jev 实测：把判断从大模型里拆出来

2026 年 9 月中旬，一个叫 Jev 的模型在 AI 圈刷屏。它来自创业公司 TypeSafe AI，创始人之一是 ChatGPT 的共同发明人。而它最反常识的地方是：不生成任何文本。

传统大模型的接口是消息进、文本出，Jev 是材料进、判断出：state 加 questions 进，类型化答案、概率和置信度出。一次请求可以带多个问题，并行求值，互不干扰。

问题只有三种原语：noul 是非题，返回 0 到 1 的概率；choice 从固定选项里选一个；score 按有序标尺评分。比如三档低中高返回 1.97，对应分布是低 0、中 0.03、高 0.97，所以真正该读的是概率分布，不是那个分值。

把它的每一块拆开，都是旧的：判别式分类、概率校准、风控的拒绝推断、zero-shot 分类、意图识别，它没有发明任何一块。唯一可辩护的新位置是：把判定标准从训练资产变成请求参数。

过去这两件事是互斥的：要可靠就训分类器，标准冻结在标签里；要灵活就调大模型，标准变成 prompt，代价是延迟和成本。Jev 赌它们可以不互斥——名字里的杰文斯，说的就是判断更便宜，不是模型更聪明。

官方站点还在白名单，但 OpenRouter 已经上架，用现有账号就能调。我实测多次：端到端延迟 303、395、946 毫秒，含跨境网络往返；单次成本约 $0.00002，1 美元大约能跑 5 万次判定。

一次真实的客服工单判定里，urgency 是 0.98，department 选中 technical。confidence 和 probabilities 是两件事：前者是判断有多可靠，后者是选项怎么分布，自动化阈值通常看 confidence。

两个实测发现。语言上，官方文档说主训练语言是英文，CJK 可用但准确率较低，稳妥做法是材料保留原文、判定标准用英文写。确定性上，同一输入两次跑出 0.06 和 0.05，所以阈值不要卡在 0.5，要么留缓冲带，要么多次采样。

state 支持三种形态：string、object 和 array。object 是官方推荐的默认形态，因为命名字段本身就是信息，问题可以用反引号写路径，精确指向具体字段。我实测确认：数字、布尔、null 和三层嵌套路径都支持。

设计原则有三条：判断标准放 instructions，被比较的事实放 state；只放判定要用的上下文，别把整篇报告照抄进去；值保持原生类型。API 不校验结构，schema 只存在于你的代码里，每个场景都该写一个 state 构造函数。

落地时把 rubric 从 prompt 挪进代码，拆成多个原子问题。最实际的收益是置信度分级路由：confidence 大于等于 0.9 自动放行，0.6 到 0.9 转人工复核，命中确定性规则直接驳回。它不产出理由，返工反馈靠预置模板拼。

先问一个问题：如果判定成本降到百分之一、延迟降到二十分之一，你的架构会不会变得不一样？如果不会，它对你就是多余的。四个问题全部为是才值得：标准是否固定、是否大量重复执行、答案范围能否提前枚举、结果是否直接驱动下一步动作。

它也有局限。官方 benchmark 是自测的，准确率 67.8%，和 GPT-5.6 Terra 基本打平，比最强的 Sol 和 Opus 5 低 5 到 6 个点。它不产出理由，合规审计要把低置信度样本转给能解释的模型。还在 early access，定价未经验证。