Jev 上线不到一周，句子比产品先满。
“快两百倍”“永不出错”“大模型要被取代”。@servasyy_ai 用 TikHub 去重后，只把“作者贴了运行结果、代码、网站或入口”算作真实，数到 60 个已做出的应用，另有 5 个已测待上线。这不等于成熟商用，数字多为作者自报。他同时写了另一半更少见的东西：四次塞进自己的日常工具全失败，两轮正经测试才跑通。
文章只做三件事：说清它是什么、把跑通的用途分类、把水份摊开。下面按这条线写，不把厂商对比表当成行业标准。
官网和调用入口
- TypeSafe：https://typesafe.ai/
- System One 概念：https://docs.typesafe.ai/concepts/system-one
- OpenRouter：https://openrouter.ai/typesafe/jev-1.13
- 帖主点名的标杆项目：https://github.com/browser-use/jev-ultrafast
- 原帖：https://x.com/servasyy_ai/status/2101132667056185544
官方通道常需排队，通过后发密钥。OpenRouter 可按量调用 typesafe/jev 一族，请求走 Decisions 接口，不是普通聊天补全。第三方通道能马上试，不等于官方 SLA。价格公开口径大约是输入每百万 token 0.042 美元、输出免费；延迟官方写过约 0.07 到 0.5 秒。上下文有上限（常见讨论是约 32K 量级）。都以控制台和文档为准。
它是涂答题卡的模型，不是会写作文的模型
ChatGPT、Claude 往外写字。Jev 吃一段状态和事先定好的题，一次性返回结构化答案，并带“有几成把握”。题型只有三种：单选、刻度打分、是/否概率。
快和便宜来自输出空间被锁死：不算散文，只算选项概率。训练目标按官方说法偏校准——报 70% 时，长期应大约对 70%。它不能聊天、不能写代码、不能写文案、不能看图。
Hacker News 上三条质疑，帖主认为值得留下。所谓永不幻觉，多半指不会答到选项外面，选错仍可能，TypeSafe 方面也承认过。前沿模型这词容易借光，更老实的说法是：在选择题这件事上把速度和成本推高了。速度对比若拿“写完整段话的大模型”对“只涂一个字母的 Jev”，并不公平。Doom 演示喂的是坐标不是画面，证明反应快，不证明会打游戏。
结论可以收成一句：Jev 取代大模型是伪命题。大模型想规则，Jev 在生产里高频执行小判断。它抢的是从前不值得上 AI 的那类分支。
真跑通的，大多长一个样子
数量最多的是给 Agent 当决策器：每一步都在有限动作里选一个。Browser Use 的 Jev Ultrafast 把页面收成带编号的元素清单，让 Jev 选做什么、对哪个，文本生成只在需要打字时交给小模型。仓库自报搜机票一类任务从约 9.5 秒到 7.1 秒，并带测量脚本。这是帖主眼里证据最完整的一条。
其次是海量逐条分类：输出免费、输入便宜时，对大批文本问“归哪一类、要不要进入下一道闸”，账才算得过来。具体业务规则仍由你写，模型只在你给定的选项里打勾。
最值得盯的是把握分数：高把握自动过，低把握再问大模型或人。前提是校准真的准。说 90% 却只对 70%，闸门就是漏的。
还有实时界面预测、仿真和控制实验。帖主提醒：仿真是模拟数据；Jev 不能看图，网上“自动驾驶”已被工程师否掉，当形状探索即可。
“已接入产品”被他看得更重：有人在真产品里承担判错后果。模仿 Jev 的别的模型、纯观点、无运行证据的构想，他都没算进 60。那部分数量可能是真实案例的好几倍。
四次失败，不在接口，在壳
他往自己天天用的工具里塞，接口都返回，中文判断也不差，应用层却卡死。原因收成三条。
它看不到被你砍掉的内容。为了塞进上下文上限先压缩，砍完就无法判断。又快又准的“准”，以你真的把判据喂进去为前提。
订阅制助手里，判断已包在月费里，边际成本接近零。再插一层 Jev，多一跳、多一种故障。省的是按量计费的前沿模型，不是已经买死的座位。
它只会判断，不会搬数据。接进真实流程要靠周围那层插件，而这些壳往往是几天写出来的。失败经常是壳的失败。
教训：想拿它给个人日常提效，路窄；当零件做进产品，才可能。X 上的演示，作者跑通了，你未必拿得到。
两轮测试：能用的少，高把握在简单任务上像样
第一轮：把 60 个案例加 GitHub 上更多 Jev 相关项目，共 217 条介绍喂给 Jev，问今天能不能用。被判为现在可用且证据够的只有约 15 个，其中 14 个是 pydantic-ai、LangChain、Vercel AI SDK 这类接入，应用几乎只剩 jev-ultrafast。Jev 只看文字，不开链接、不跑代码，打的是公开证据分，不是项目质量分。
第二轮：100 条预先标好答案的中文资讯，每条三题，共 300 个判断，对照便宜大模型，从上海串行调用。自报结果：九成以上把握的 255 个全对；若把 80% 当自动放行线，能放掉约 89% 请求、只错 1 个。上海中位约 0.7 秒，比官方慢，但尾部短；对照模型中位接近，最慢一次到过 32 秒。准确率和费用与轻量模型打平。官方“便宜几十到几百倍”比的是前沿模型，对上 Flash 一级并不占便宜。
局限写得很清楚：样本由模板变换而来，任务偏简单；80%–90% 那一档只有十来个样本；分歧多出在标签边界。要下生产结论，得用真实数据盲测。
综合判断可以更短
Jev 是真的。它不是更便宜的大模型。对上轻量模型，多出来的是更稳的时延，以及可拿来分流的把握分数。谁只为“便宜”选它，谁选错了题。
今天能用的，主要是框架里的接口，不是一堆可下载的应用。个人工具里硬塞，大概率先撞墙。
真正值钱的用法是闸门：高把握自动过，低把握交给大模型。今天仍不宜直接上生产——样本简单、中间档校准未看清、官方排队与第三方通道不是同一份承诺。
三步也够用：列出业务里其实只让大模型返回一个选项的调用；没有就别追热点。有，就拿历史数据人工标答案做盲测，盯 70%–90% 那一档的真实正确率。过了，从较高阈值起步，看着数据往下调。
零件有了。产线还是你的。
No comments yet