【教學】Jev 是什麼？TypeSafe AI 新模型註冊、功能、價格比較

加入為 Google 偏好來源
Jev

這週 AI 圈最常被問的一句話大概是：「Jev 到底是什麼？」一個不會聊天、不會寫文章、也不會寫程式的模型，卻在 X 上被瘋狂轉傳，上線後官方 API 與後台還一度被擠到出狀況。

這篇把 Jev 能做什麼、要花多少錢、怎麼接進 Claude Code 或 Codex，以及官方自己承認的弱點一次整理清楚。所有規格都以 TypeSafe 官方文件為準，社群說法會標明出處。

重點整理

  • Jev 是 TypeSafe AI 在 2026 年 9 月 15 日發布的「System One」決策模型，不生成文字，只回答選擇、評分與是非題，並附上機率。
  • 價格是每百萬輸入 token 0.042 美元，輸出免費；9 月 21 日（台灣時間）起開放註冊，新帳號送 5 美元額度，約 1.2 億 token。
  • 不寫程式也能先在官方 Playground 試用；要串接則申請 API Key，或在 Claude Code、Codex 安裝官方 TypeSafe Skill。
  • Jev 不能取代 Claude Code 背後的模型，它是讓你寫出來的程式「做判斷」的零件。
  • 官方文件寫明英文最準、中文等 CJK 語言較弱，也可能被提示注入影響，正式上線前要用自己的資料測過。

Jev 是什麼？不聊天、只做判斷的 System One 模型

Jev 是舊金山 AI 新創 TypeSafe AI 推出的第一款公開模型。創辦人 Diogo Almeida 曾在 OpenAI 參與讓語言模型學會遵循指令、和人對話的研究，也就是後來 ChatGPT 背後的技術。他在官方發布文裡丟出的問題很直接：模型聊天早就比人強，為什麼真正的自動化還是這麼少？

TypeSafe 的答案是另一類模型，官方稱為「System One Model」，名稱取自《快思慢想》裡快速、直覺的系統一思考。Jev 用官方自創的 RLCD（Reinforcement Learning for Calibrated Decisions）訓練，目標是讓每個判斷附帶「誠實」的機率。

Jev 跟 ChatGPT、Claude 差在哪？

比較項目一般大型語言模型Jev
輸出內容一段文字，程式要再解析事先定義好的選項、分數或機率
產生方式逐字依序生成所有問題一次平行作答
輸入價格每百萬 token 約 0.2 到 10 美元每百萬 token 0.042 美元
輸出價格通常是輸入的數倍免費
回應時間官方統計前沿模型約 3 到 329 秒70 到 500 毫秒
信心程度被要求時才給，常過度自信每個答案都附機率，選擇題與評分題另附 confidence

表格數字來自 TypeSafe 官方發布文。如果 ChatGPT 像能言善道的顧問，Jev 比較像產線上的品管員：資料遞過去，它只在你畫好的格子裡打勾。

為什麼叫 Jev？

名字取自經濟學家 William Stanley Jevons。「傑文斯悖論」指出蒸汽機效率提高後，煤的總需求反而增加；TypeSafe 押注判斷變便宜之後，軟體會更頻繁地用 AI。想看這股熱潮對美股的延伸影響，可以接著讀Jev 爆火，美股有什麼相關標的。

「一個不能寫文章、不能生成程式碼，只回答 Choice / Score / Yes-No 的模型，為什麼會有這麼多人興奮？」

X 用戶 @willlhhh，2026 年 9 月 20 日

Jev 的三種題型：Choice、Score、Noul

每次呼叫 Jev 都要給兩樣東西：state（要判斷的資料，例如一則客服訊息）和 questions（想問的問題）。問題只有三種型態，可以混在同一次呼叫裡。

TypeSafe 官方文件的 Jev 三種題型 Choice、Score、Noul 與回傳欄位
圖片來源：TypeSafe 官方文件（2026 年 9 月 23 日擷取）

Choice：從清單挑一個答案

  • 適合分類與分流，例如「這則訊息該交給帳務、技術還是業務？」
  • 回傳選中的選項、每個選項的機率，以及 confidence。
  • 單題最多支援 255 個選項。

Score：照你定的等級評分

  • 適合嚴重程度、情緒強度這類有高低之分的判斷。
  • 每一級要寫清楚具體情境，例如「功能壞了但有替代方法」，只寫「中等嚴重」效果會差。
  • 回傳加權後的分數（可能是 1.3 這種介於兩級之間的值）、各級機率與 confidence。

Noul：是非題，回傳 0 到 1 的機率

  • 例如「顧客是不是在要求退款？」回 0.99 代表幾乎可以確定是。
  • 只回傳一個機率值，沒有額外的 confidence。
  • 官方建議把問題寫成「高分代表是」，避免「這則訊息沒有個資嗎？」這種反向問法。

多問幾題也不會變慢

所有問題會針對同一份 state 平行、各自獨立作答，官方說多加問題幾乎不影響回應時間，只多付問題本身的 token。所以跟用一般 LLM 時「能少問就少問」相反，官方鼓勵把可能用到的判斷一次問完。拿到 confidence 之後，常見做法是分三段處理：

  • 信心高：直接自動處理。
  • 信心普通：先補資料重問，或丟給人確認。
  • 信心低：轉人工，或交給更強、更貴的推理模型。

Jev 價格、免費額度與速率限制

TypeSafe 官方 Models 頁面列出 Jev 1.13 價格、速率限制、上下文長度與輸入格式
圖片來源：TypeSafe 官方文件（2026 年 9 月 23 日擷取）
項目官方規格
目前版本jev-1.13.0（別名 jev-latest、jev-preview 都指向它）
輸入價格每百萬 token 0.042 美元（每十億 token 42 美元）
輸出價格免費
新帳號額度5 美元，約 1.2 億 token（約新台幣 159 元）
速率限制每秒 25 萬 token、每分鐘 1,200 次請求
上下文長度單次請求 64k token；state 加最長一題上限 32k token
支援輸入只收文字（字串、JSON 物件或文字陣列），不收圖片、音訊、影片
  • 新台幣以 1 美元兌 31.7 元估算；5 美元額度來自 TypeSafe 官方 X 帳號 9 月 20 日（美國時間）的公告。
  • 官方文件註明速率限制會隨需求動態調整，可能不另行通知。

5 美元大概能跑幾次？

  • 官方快速入門範例是一則客服訊息配三個問題，實際用掉 392 個輸入 token。
  • 照這個量推算，5 美元約可跑 30 萬次同樣大小的判斷。
  • state 越長、問題越多，次數就越少，這只是依官方範例的估算。

官方說的「快 193 倍、便宜 444 倍」怎麼看？

這組數字出自 TypeSafe 自己設計的工作流程評測，參考答案用的是 GPT-6 Astra 和 Claude Fable 5.1 的平均。官方自己也補了幾個但書：

  • 評測流程由 TypeSafe 模型團隊成員撰寫，可能有偏差。
  • 這些倍數偏向真實情境的上限。
  • 速度是在美國西岸測的，服務目前也架在那裡，從台灣呼叫要多算跨太平洋的網路往返。
  • 官方無法證明價格沒有補貼，只說預期未來會降不會漲。

Jev 怎麼用？4 種上手方式

方法一：Playground 不寫程式先試

  1. 前往 TypeSafe console 的 Playground，用 Google 帳號或 Email 驗證碼登入。
  2. 在 state 欄貼上一段文字，例如一則客服抱怨。
  3. 新增一個 Noul 問題，例如「這則訊息是否表達急迫？」
  4. 再加入 Choice、Score 題，一次看三種結果。
TypeSafe console 註冊登入頁，可用 Google 帳號或 Email 驗證碼建立帳號
圖片來源：TypeSafe console 登入頁

照著試一次：一則訊息同時做三種判斷

第一次使用可以先用同一段文字試完三種題型。把「我的訂單被扣款兩次，等了三天都沒人回，請盡快處理」貼進 Playground 的 state，再依序加入以下問題。這是操作範例，實際答案與機率以你執行時的回傳為準。

  1. Choice：問「這則訊息該交給誰？」選項填「帳務、技術、一般客服」。
  2. Noul：問「顧客是否明確要求退款？」留意抱怨重複扣款，不等於已經提出退款要求。
  3. Score：問「處理急迫程度？」先定義 0 為一般詢問、1 為需要跟進的服務問題、2 為可能持續造成金錢損失的問題。

按 Run 後，先看 Jev 選了哪個部門，再看退款機率和急迫分數。下一步由你決定規則，例如把重複扣款的訊息交給帳務人員確認；Jev 不會自行查帳或退款。若要批次處理，再把相同的 state 與 questions 格式放進 API 呼叫。TypeSafe 官方快速入門也示範了一次提交 Choice、Score、Noul 的方式。

方法二：申請 API Key，用 curl 呼叫

  1. 到 API keys 頁面 建立一組 API Key。
  2. 把 Key 存成環境變數 TYPESAFE_API_KEY，不要直接寫進程式碼或貼給別人。
  3. 對 https://api.typesafe.ai/v1/systemone 送出 POST 請求。
Jev API 端點 api.typesafe.ai/v1/systemone 與必要的 Authorization 標頭
圖片來源：TypeSafe 官方文件
curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "我的訂單扣款兩次，已經等三天了，請盡快處理",
    "model": "jev-latest",
    "questions": {
      "is_urgent": {
        "type": "noul",
        "instructions": "Does the message convey urgency?"
      }
    }
  }'

回傳會是 {"type":"noul","noul":0.9x} 這類結構，程式可以直接拿去做條件判斷。API 回 401 代表 Key 缺少或錯誤；回 429 代表超過速率限制，要等一下再重試。

方法三：Python SDK

  • 官方 SDK 需要 Python 3.10 以上。
  • 會自動讀取 TYPESAFE_API_KEY，預設呼叫 jev-latest。
  • 遇到 429 會自動退避重試，不用自己處理。
pip install typesafe-sdk

方法四：在 Claude Code 安裝 TypeSafe Skill

這一步不是把 Claude Code 換成 Jev，而是讓 Claude Code 讀懂 TypeSafe API，幫你寫出正確的 Jev 串接程式。還不熟 Claude Code 的話，先看Claude Code 完整教學。

TypeSafe 官方 Agent skill 頁面的 Claude Code 外掛安裝指令
圖片來源：TypeSafe 官方文件
claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai
  1. 在終端機依序執行上面兩行指令。
  2. 安裝後輸入 /typesafe:typesafe-ai，或在提示詞裡寫「使用 TypeSafe skill」。
  3. 之後要更新，執行 claude plugin marketplace update typesafe-ai 與 claude plugin update typesafe@typesafe-ai，再重啟或跑 /reload-plugins。

Skill 的運作邏輯可以參考 Claude Code Skills 是什麼。官方建議的第一個提示詞是請 Agent 掃過專案，找出哪些脆弱的解析邏輯可以改用 Jev 判斷。

Codex、Cursor 等其他工具

用 skills.sh 安裝，執行後選擇你用的 Agent。預設只裝在目前專案，加 -g 會裝成全域。Codex 的基本操作可以看 OpenAI Codex 中文完整教學。

npx skills add typesafe-ai/skills --skill typesafe-ai

「整體體驗下來，Jev 最有意思的地方，就是它不生成內容，而是更偏向幫你做判斷、分析和決策。Claude Code / Codex 負責動手做，Jev 負責判斷。」

X 用戶 @xmglab（小碼哥）在 Claude Code 串接教學中的心得，2026 年 9 月 21 日

Jev 能取代 Claude Code 背後的模型嗎？

不行。這是最常見的誤會，TypeSafe 甚至為此在官方文件開了一頁說明。

TypeSafe 官方說明 Jev 不能取代 Claude Code 等程式代理背後的模型
圖片來源：TypeSafe 官方文件（2026 年 9 月 23 日擷取）
  • Claude Code、Cursor 這類工具需要會串流文字、呼叫工具、改檔案的 LLM，Jev 這些都不做。
  • 沒有任何設定可以把 model 改成 jev-latest，讓程式代理變成 Jev 驅動。
  • 正確分工是：程式代理照常用 LLM 寫程式，寫出來的產品在需要快速判斷的地方呼叫 Jev。

如果你原本是想找更便宜的寫程式模型，Jev 不是答案；想擴充 Claude 的工作流程，可以從 60 個 Claude Skills 清單挑起。

不想另外註冊？OpenRouter、Cloudflare、Vercel 也能用

除了 TypeSafe 官方，幾個 AI 平台也接上了 Jev，已經有帳號的話可以直接沿用原本的帳單。下表整理自各平台官方文件與模型清單（2026 年 9 月 23 日查詢），各家的速率限制與資料保留政策不同，正式使用前要分別確認。

管道模型名稱計費方式補充
TypeSafe 官方jev-latest / jev-1.13.0每百萬輸入 token 0.042 美元新帳號送 5 美元
OpenRouterjev-1.13從 OpenRouter 帳戶扣款官方 SDK 把 base URL 改成 openrouter.ai/api 即可
Cloudflare Workers AItypesafe/jev在 Cloudflare 後台查看模型頁標示上下文 32,000 token
Vercel AI Gatewaytypesafe-ai/jev每百萬輸入 token 0.042 美元，輸出 0沿用 Vercel 帳號

Jev 適合拿來做什麼？

官方列出的常見用途

  • 客服分流：判斷工單類別、顧客是否要退款、情緒有多激動。
  • 內容審核：挑出廣告、辱罵、詐騙、洩漏個資的內容，並依嚴重程度分級。
  • 檢查其他 AI：判斷 LLM 的回答有沒有被越獄、引用是否捏造、工具參數對不對。
  • 模型路由：先判斷問題難度，再決定交給便宜模型還是昂貴模型。
  • 大量資料標註：對大量文件、評論逐筆分類，過去用 LLM 成本太高的工作。
  • 即時互動：官方展示用 Jev 即時操作 Doom 遊戲，每秒 10 次判斷約每小時 7 美元。

放到金融與加密場景

  • 官方應用範例頁把「金融犯罪」列為應用方向：評估交易說明與 KYC 文件的可疑特徵、依風險排序警示，拿不準的交給調查人員。
  • 官方 cookbook 示範把自然語言的交易請求，對應到事先寫好的函式與固定選項參數，並依信心度決定要不要執行。
  • 市場觀察：每天上千則幣圈消息，可以先讓 Jev 判斷是否提到你持有的幣、是否有新資訊，再把篩出來的少數幾則交給 LLM 摘要。

牽涉到資金的流程，還是建議讓 Jev 只負責「判斷」，下單、金額計算留給程式，關鍵步驟保留人工確認。AI Agent 出錯的真實案例可以參考 OpenAI 公開的 6 起 Agent 失準案例。

社群已經玩出什麼

有公開程式與測試紀錄的例子

  • 操作瀏覽器：Browser Use 的 Jev Ultrafast先把網頁轉成有編號的元素清單，讓 Jev 選操作與目標；需要輸入文字時，再交給小型語言模型。團隊在同一個 Google Flights 搜尋任務中，測得完成時間中位數由 9.45 秒降至 7.09 秒。這是單一任務各三次的比較，不能當作所有網站的速度保證。
  • 大量文字分類：開發者 @servasyy_ai 的實測用 100 則中文科技資訊做 300 次判斷，包含分類與機率分流。他也指出，測試資料由少量模板變化而來，正式使用前仍需拿自己的真實資料測準確率。這比較接近 Jev 現階段的用途：替既有流程做重複判斷，再由程式或人工處理結果。
  • X 用戶 @canghe 轉發的 Jev 案例庫（作者 @woniu20758393）整理了 200 多個附影片的應用，貼文稱瀏覽已破 1 億。
  • 社群開源的 jev-skill（GitHub：wuyoscar/jev-skill，MIT 授權）打包 9 個技能與 90 個情境，屬社群專案，並非 TypeSafe 官方出品。

「週末我們把 Jev 放進 Metaview 的每一個 Agent。原本要花幾分鐘的候選人搜尋，現在幾秒就完成，準確度相同，速度快約 10 倍。」

Metaview 團隊成員 @s16h_ 在 X 的分享，2026 年 9 月 22 日

「客服、內容審核、招聘等 agent 都會因為 jev 模型迎來重構，這是新的機會。」

X 用戶 @ai_xiaomu，2026 年 9 月 19 日

使用 Jev 前要知道的限制與風險

中文表現不如英文

官方文件寫明英文是主要訓練語言、準確度最好；中文等 CJK 語言可以處理，但表現沒那麼好，建議用自己的內容先測，並特別留意 confidence。實務上可以把問題（instructions）寫成英文，state 保留原文，再比較結果。

官方承認的 jev-1.13 弱點

  • 字面解讀：它回答你寫下的字，不是你心裡想的意思，條件要寫清楚。
  • 算數與計數：數數、比大小、計算金額都不可靠，交給程式。
  • 日期比較：哪天比較早、差幾天這類問題容易錯，先抽出年月日再用程式算。
  • 多層推理：雙重否定、需要好幾步推論的問題會掉準確度。
  • 資料太雜：state 塞太多無關內容會拉低準確度，先過濾再送。
  • 生成文字：硬要它產文字會又慢又差，這不是它的用途。

另外 Jev 只吃文字，PDF 或截圖要先轉成文字再送，可以參考 PDF 轉 Markdown 免費工具教學。

提示注入會影響判斷

官方文件承認，state 裡如果夾帶刻意誘導的指令，可能改變 Jev 的答案。VentureBeat 9 月 21 日報導了 Octomind 工程師的測試：

  • 要求判斷是否該阻擋刪除 SSH 金鑰的指令，Jev 原本回「阻擋」機率 0.76、confidence 0.64。
  • 在資料裡插入一段假的「已預先核准」欄位後，阻擋機率掉到 0.48，confidence 掉到 0.22。
  • confidence 同步下降，代表「信心低就轉人工」的設計能擋下一部分攻擊，但不能只靠 Jev 當唯一防線。

正式環境要釘住版本

jev-latest 會在新版推出時自動換過去，同樣的輸入可能得到不同的分數。如果你已經依某個版本調好門檻，官方建議改填 jev-1.13.0 這類固定版本號，自己決定何時升級。

延遲會比官方數字高

官方的 70 到 500 毫秒是在美國西岸測的。社群用戶 @NFT_Chen 分享過一組對照：在 M5 Pro 筆電上跑本地開源決策模型 Laya，中位延遲約 15.3 毫秒，同一任務呼叫雲端 Jev 約 298.1 毫秒。這是社群單次測試，不同網路環境結果會不同，但要做即時互動的話值得自己量一次。

資料安全提醒：TypeSafe 表示不會拿客戶的請求與回應訓練模型，但零資料保留（ZDR）只提供給企業客戶。送進 Jev 的內容不要包含私鑰、助記詞、身分證號或完整信用卡號，API Key 也別貼到公開的程式碼庫。

Jev 常見問題

Jev 是什麼？

Jev 是 TypeSafe AI 在 2026 年 9 月 15 日發布的 System One 決策模型，不生成文字，只回答選擇題、評分題與是非題，並附上機率與信心度，讓程式可以直接拿結果做判斷。

Jev 免費嗎？

Jev 是付費 API，每百萬輸入 token 0.042 美元，輸出免費。新註冊帳號會先拿到 5 美元額度，約 1.2 億 token，可以先測試。

Jev 支援中文嗎？

可以輸入中文，但官方文件寫明英文準確度最好，中文等 CJK 語言表現較弱，建議先用自己的資料測試，並搭配信心度門檻使用。

Jev 可以取代 ChatGPT 或 Claude 嗎？

不行。Jev 不聊天、不寫文章也不寫程式，也不能換成 Claude Code、Cursor 背後的模型。它適合放在你的程式裡，負責分類、評分與是非判斷。

Jev API 回傳 429 怎麼辦？

429 代表超過速率限制（目前每分鐘 1,200 次請求、每秒 25 萬 token，官方會動態調整）。等一下再用指數退避重試即可，官方 SDK 預設會自動處理。

Jev 有 JavaScript SDK 嗎？

有。官方提供 JavaScript / TypeScript SDK（@typesafe-ai/sdk）與 Python SDK（typesafe-sdk），兩者都能從環境變數 TYPESAFE_API_KEY 讀取金鑰；改用 OpenRouter 時只要換 base URL 與金鑰。

免責聲明：本文依 TypeSafe 官方文件與公開資訊整理，屬市場觀察與教學，作者未實際付費使用。價格、額度與速率限制以官方最新公告為準，本文不構成任何投資建議。

加密貨幣屬於高風險投資，本網站內容均不構成任何投資建議與責任。

掌握虛擬貨幣、區塊鏈大小事

  • 260105 新首頁banner 02
標籤
分享此文章：

相關文章