自从 ChatGPT 出现，很多人对 AI 的印象就固定在了一个输入框里：你问，它答。
写文章、改代码、解释问题，这种方式很好用。可软件里的许多任务，根本不需要一篇回答。
一封邮件是否紧急？工单该分给谁？下一步要不要转人工？
程序需要的往往只是一个选项或分数。让通用模型反复处理这些小判断，等待时间和费用就会累积。
开发者已经在用结构化输出、小模型和固定规则解决这些问题。TypeSafe AI 提出了另一种尝试：把模型专门训练成一个做判断的工具。
它叫 Jev，不会写文章，也不陪你聊天。
先看它处理这些小判断的速度。
官方把同一组 27 个业务问题交给了 Jev 和 GPT-5.6 Terra。
界面记录的完成时间分别是 0.114 秒和 8.566 秒，费用分别为 0.000081 美元和 0.013880 美元。
这一次演示中，Jev 约快 75 倍，成本约为对方的 1/171。
▲ 视频：同一组 27 个问题的官方对照演示，原速节选；倍率仅对应本次演示。
外部测试也显示了类似取舍。
Every 用 12 段合成文字测试写作问题识别，Jev 比高推理设置的 Claude Fable 5.1 快约 25 倍，估算成本约为其 1/580；但 7 个预设问题只找到了 6 个，对方则全部找到。
样本很小，速度优势和漏检都值得保留。
当判断需要连续发生时，响应速度就更重要了。官方用 Doom 和维基百科跳转演示了这种用途：其中 Doom 输入的是整理后的文字状态，并非直接看画面。
▲ 视频：Jev 参与 Doom 实时控制的官方演示，原速节选。
不过，响应快还得看判断准不准。官方的成本—准确率图把两者放在一起：越靠左越便宜，越靠上准确率越高。Jev 位于最左侧，但准确率并非最高。
这里比较的是 4 个自建工作流的平均结果，参考答案来自其他强模型的预测，不能当成通用能力排名。
▲ 图：官方 4 个工作流评测。横轴为单次工作流成本，采用对数刻度；纵轴为该评测口径下的准确率。Jev 成本最低，准确率并非最高。
这些演示有个共同点：每一步都只需要一个判断结果。
TypeSafe AI 把专门处理这类任务的 Jev 称为决策模型。
创始人 Diogo Almeida 在 OpenAI 参与了 RLHF（基于人类反馈的强化学习）和 InstructGPT 的基础研究，研究如何让模型更好地遵循人的指令。
他是 InstructGPT 论文作者之一，也参与了 GPT-4 的指令遵循和 API 评测。
在 Jev 里，这类判断被做成了三种基本能力：从给定选项中选择（Choice）、按标准打分（Score），以及对一个陈述返回 0 到 1 的判断值（Noul）。
多个问题可以同时评估，结果直接交给软件使用。
官方文档举了一个例子：客户说 Stripe 账户连接失败已经三天，正在影响销售。
Jev 可以同时判断该分给哪个部门、客户有多不满、事情是否紧急。
程序拿到结果后，按规则分派工单；如果需要写回复，再交给能生成文字的模型。
安全告警、内容检查、邮件筛选，也可以这样拆成一连串小判断。下面这张官方示意图里，Jev 负责判断，代码负责把结果接到关闭、排队、通知等动作上。
▲ 图：TypeSafe 官方示例，多个 Jev 判断与普通代码组合成安全告警处理流程。
分派工单、筛选内容，聊天模型也能做。要看 Jev 的不同，得比较底层模型的输出方式：ChatGPT 是完整的助手产品，Jev 则是供软件调用的模型。
Jev 不生成自由文本，也不会展开解释为什么选了这个答案。
所以，区别不在于“能不能返回 JSON”，而在于专门做判断后，能否更快、更便宜，同时保持足够的准确率。
它还有一个明确的边界：选项只有 A、B、C，就不会凭空输出 D。但它仍可能把本该选 A 的题选成 B。
官方所说的类型安全，保证的是输出符合结构，不能理解成“零判断错误”。
TypeSafe 还强调概率校准：大量被赋予 80% 概率的事件，实际发生比例应接近 80%。
这是训练目标；返回一个精确到小数的数字，本身并不能证明判断可靠。是否适合自己的任务，还得拿实际材料检验。
现在 Jev 仍处于 Early Access，官网有候补名单入口，也提供 Playground 和 API 接入文档。
Playground 需要登录，新账号是否立即获得权限，本文尚未验证。
拿到权限后，就可以先在 Playground 里输入一段业务材料，设定要判断的问题和选项；确认效果后，再通过 API 或 SDK 接进自己的软件。
比如内容团队可以先准备一批人工标注过的中文稿，让它检查“这段是否重复前文且没有新增信息”。
先看漏检和误报，再决定哪些结果自动处理、哪些交给编辑复核。问题越具体，越容易检验它到底有没有用。
官方当前标价是每百万输入 Token 0.042 美元，输出不收费。它是收费服务，“输出免费”也不代表整个请求免费。
这样的价格，在任务反复发生时才更有吸引力。Jev 值得关注的用处也在这里：频繁地分流、检查，或选择下一步动作。
如果它能在自己的业务数据上保持可接受的错误率，速度和成本优势才会真正兑现。
对多数人来说，聊天模型仍然更通用。
但很显然聊天不是唯一的场景，很多行业内部的流程、系统、软件每天都有无数次的各种判断。
Jev 的机会，或许就在那里。
