Jev 唔寫文，專替軟件作判斷：TypeSafe AI 的說法有幾可信？

Jev 是 TypeSafe AI 開發的判斷型模型，目的不是代人寫文章，而是回答預先設定好答案範圍的問題。開發者提供應用程式目前的狀態，再要求模型作出結構化判斷，例如揀一個選項、給予評分，或者回答是與否。Jev 會回傳有固定格式、附帶概率的結果，讓軟件直接接住使用，毋須先從一大段文字抽取答案。12

這種設計有機會令模型更容易接入自動化流程。不過，答案格式固定，不代表判斷一定正確；模型附上的概率，也不等於已證明準確校準。Jev 的早期採用情況有公開紀錄，但公司最突出的效能說法，以及它在實際運作中的可靠程度，仍需要更多獨立證據支持。

Jev 跟聊天機械人有咩分別？

文字生成型聊天機械人可以處理各式各樣的開放式問題，但回覆通常是一段自然語言，應用程式可能要再解析內容。Jev 則針對答案預先限定的任務。TypeSafe 表示，Jev 可以輸出選項、分級評分，以及是非式判斷，並附上概率。12

例如，軟件可以問某項內容是否符合規則，或者應該歸入哪個類別，再按結果啟動下一步。由於答案要符合預先指定的結構，應用程式毋須從一段文字中再抽取類別。這或可減少格式處理和解析工作，但不代表模型的判斷必然正確。2

TypeSafe 稱 Jev 為「System One」模型，並表示它採用平行取樣，以及公司稱為「校準決策強化學習」的訓練方法。這些是公司對模型設計的描述，並非獨立證明 Jev 在各種實際工作中都準確，或其概率都經過良好校準。1

採用數字、定價與效能說法

早期採用不等於收入持續增長

Vercel 表示，Jev 上架後 24 小時內，接近 13% 使用其 AI Gateway 的付費團隊曾使用 Jev，並稱這是該平台採用速度最快的模型發布。這反映開發者初期有興趣，但數字的範圍是 Gateway 團隊，並非 Vercel 全部客戶；它亦沒有說明團隊會否持續使用、是否已為 Jev 付費，或者為 TypeSafe 帶來多少收入。Jev 初期亦曾透過 Vercel 推出限時免費使用，因此單憑這個數字，難以判斷市場願意付費的程度。34

定價清楚，節省幅度則要看比較條件

TypeSafe 列出的 Jev 價格為每百萬個輸入 tokens 0.042 美元，輸出 tokens 不收費。23 公司亦宣傳 Jev 的速度和成本優勢最高可達 100 倍；部分指定工作流程比較，更報稱速度快至 193.6 倍、成本低至 444.6 倍。這些較大的倍數來自公司自行進行的評測，應視為特定比較下的結果，而非適用於所有任務或服務供應商的保證。612

延遲數字亦要分開理解。TypeSafe 發布資料曾宣稱延遲低於 100 毫秒，其他公開描述則列出端到端 70 至 500 毫秒。兩者並非完全相同的量度，也不代表每次請求都能在 100 毫秒內完成。46

格式受限制，不代表判斷可靠

限定輸出範圍可以避免答案離開指定格式，但單靠這點，無法證明模型作出的判斷正確。答案附帶的概率是否有用，亦取決於它在相關任務上有沒有良好校準。現有資料不足以獨立量化 Jev 在不同實際工作負載下的準確度、概率校準或運行時間。12

融資與估值：分清已公布資料和市場傳聞

TypeSafe 宣布完成由 DCVC 領投、金額 4,000 萬美元的融資。6 另有報道指，公司種子輪估值約為 2 億美元，之後亦傳出可能以 超過 100 億美元估值洽談融資。後者是有關洽談的報道，並非已完成的融資，也不是經核實的市場估值；目前較確實的資料是公司公布的融資。1821

Jev 面對哪些新興替代方案？

• **Liquid AI d1：**Liquid 的文件介紹了可透過其 API 使用的決策模型 d1，是一個具體的託管式替代方案。31 有報道引用 Decision Index 0.2.1 比較，指 d1 得分為 58.9，Jev 為 57.9。但相關結果被描述為 Liquid 自行重現的測試，並非中立機構獨立進行的正面比較；目前較適合視為初步訊號，而非定論。3338
• **OpenAI Decisions API：**OpenAI 曾介紹一種用於答案範圍有限問題的 Decisions API，相關報道形容它仍屬有限預覽。現有資料未能確認它有公開的請求介面、定價，或與 Jev 進行過獨立測試的比較。要留意，名稱相似的 decisions-api.org 是獨立的多模型工作台，並非 OpenAI 的 API。394232
• **Databricks ai_decide：**現有資料不足以確認它是否已公開推出、具體規格為何，或有沒有可與 Jev 比較的基準測試，因此未能據此判斷兩者高下。
• **開源模型：**有獨立模型指南整理較大範圍的 Decision Index 評測，當中包括開源模型。不過，單有基準測試名單，並不足以證明某款模型在相同工作、延遲和成本條件下可以媲美 Jev。現有描述亦指 Jev 尚未公開模型權重，因此無法把它當成可在本地運行的同類選項直接比較。1338

目前證據可以支持甚麼？

Jev 確實是一款針對固定答案範圍、輸出機器可讀判斷而非聊天文字的模型。Vercel 公布的採用情況，是一項值得留意的早期訊號；TypeSafe 公布的輸入價格亦相當明確。但發布初期的使用情況，未能證明商業增長可以持續；由供應商自行進行的速度和成本比較，也未能證明相關優勢適用於所有情況。23412

更重要的考驗，是讓不同模型在相同的實際任務和條件下比較：判斷準確度、概率校準、端到端延遲，以及可比的實際成本；同時亦要觀察優惠期結束後有沒有持續使用。在這些比較可以由外部重複驗證之前，決策型模型這個方向或許值得關注，但單一供應商的效能宣稱仍不足以作定論。