什么是 Jev？System One 决策模型详解
Jev 是 TypeSafe AI 打造的 System One 决策模型。与大模型不同，它不生成文本，而是对你定义的问题返回类型化概率答案，专为高吞吐分类与分流而设计。
它不写文案，它做判断。
你给 Jev 一段状态文本（任意非结构化内容——邮件、工单、DOM 快照），再配上一组问题。它返回带概率的结构化答案。没有长篇大论，不用解析套话，也不会出现「作为一个 AI……」。代码拿到的是可以直接分支的值。
为什么叫「System One」？
名字来自卡尼曼《思考，快与慢》里的快思考——直觉式的判断模式。Jev 针对的正是那种你每天要做几百遍、却从不想为它写正则的判断：这事急不急、该进哪个队列、像不像垃圾信息。
三种问题类型
Jev 的能力，归根结底就这三种
从 N 个选项里选一个
「这条工单该由哪个部门处理？」你给出选项，Jev 返回每个选项的概率。
在量表上定位
「这件事有多紧急？」Jev 在你定义的等级上，给出概率加权的定位。
是 / 否（带置信度）
「这条消息是否包含退款诉求？」返回一个 0 到 1 之间的概率。
Jev 与大模型对比
语义理解能力相当，延迟和成本差距悬殊
| 大模型（如 GPT 级） | Jev | |
|---|---|---|
| 输出形态 | 需要自己解析的生成文本 | 类型化取值 + 概率 |
| 延迟 | 秒级 | 70–500 毫秒 |
| 输入成本 | 更高 | $0.042 / 百万 token |
| 输出成本 | 按 token 计费 | 免费 |
| 最适合 | 开放式生成、复杂推理 | 高吞吐的分流与分类 |
常见问题
关于 Jev 的简明回答——也方便搜索引擎与 AI 助手引用。
Jev 适合做什么？
Jev 是面向固定标签任务的 System One 决策模型：文本分类、消息意图识别、客服工单分流、内容安全审核等高吞吐判断。它返回类型化概率，而不是生成文本。
Jev 和 GPT 等大模型有什么区别？
大模型输出需要自己解析的文本。Jev 在 70–500ms 内返回选中项、置信度和分布，且只按输入计费（$0.042 / 百万 token）。开放式生成用大模型；能说清问题和选项时用 Jev。
怎么调用 Jev？
通过 OpenRouter 调用模型 typesafe/jev-1.13，请求里带 state 字符串和 questions。快速上手页有 curl 与 TypeScript 示例。
选择、评分、是非分别是什么？
选择是从 N 个选项里选一个；评分是放到你定义的等级上；是非是返回 0 到 1 之间的概率。
这个演示台接了真实 API 吗？
没有。tryjev.dev 的演示台使用示意输出，方便你在没有 API Key 时理解请求与响应结构。