Jev 到底是什么？和 GPT / Claude 有什么区别？
Jev 是 TypeSafe 做的一个模型。它不陪你聊天，只在软件需要做判断的地方给出一个答案。
它的全名是 TypeSafe System One，Jev 是这个系列的第一个模型。你交给它的是一道判断题：这条留言属于哪一类，这个工具调用该不该执行，这段内容和用户的问题相关不相关。
System One models make fast, structured decisions for software.
官方文档 · System One
跟 GPT、Claude 的区别在哪
| 聊天模型（ChatGPT / Claude） | 决策模型（Jev） | |
|---|---|---|
| 你发送什么 | 一句用文字写的问题 | 输入 + 一个 schema |
| 你收到什么 | 流式吐出来的文字 | 数字和类别 |
| 推理过程 | 全部说出来 | 不展示 |
| 速度 | 最长约 30 秒，边想边吐 | 约 200 毫秒，一次调用 |
| 在代码里怎么用 | 先解析文字 | 类型安全，直接用 |
表格取自 TypeSafe 创始人 Diogo Almeida 的演讲幻灯片《Jev: Why RLCD beats RLHF》。幻灯片的结论是一句话：把 Jev 的输出直接放进代码里。
同一份幻灯片里还有个现场演示。把 A 到 Z 每个字母都做成一个选项，让 Jev 一个字母一个字母地拼出 HELLO。它能实时做这件事，因为每个字母对它来说就是一道选择题，跟「生成文本」没什么关系。
它不生成，所以便宜
System One models do not write replies, produce code, or generate explanations of their reasoning.
官方文档 · System One
官方没把这件事包装成优点。不生成，就没有生成要付的等待和钱。所以「让 Jev 帮我写文案」这件事它做不了。
它也可以一次问很多个问题，并行评估。
Send every question that uses the same state in one request. You can mix question types freely. System One models evaluate every question in a request in parallel. Adding questions barely changes the response time and costs only the tokens for the extra questions, which are cheap. Asking a question you might not need is close to free.
官方文档 · Primitives
5x cheaper and 9.6x faster than 13 separate calls, with no change in the answers.
官方文档 · Primitives（官方给的一组对比数据）
数据来自这个索引站的真实运行：67 条 Jev 项目，用 Jev 自动分类 + 判断是否收录。
- 单条分类（1 个 choice 问题）
- 输入 1050 tokens · 输出 143 tokens · 约 1 秒
- 一个请求塞 3 个问题（choice + noul + score）
- 输入 499 tokens · 输出 79 tokens · 0.74 秒
- 67 条全量分类
- 约 5.3 万 input tokens
- 换个说法再问同一件事
- 成本几乎为零，因为只有多出来的那个问题的 tokens
Jev 的缺点是什么？
官方专门写了一页 Jaggedness（棱角），开头第一句是 Jev isn't perfect. 他们把自己知道的失败模式全部列了出来，一共九条。
| 官方列出的失败模式 | 官方建议 |
|---|---|
| ① 字面理解（literal reading） | 把条件和每个选项的判定标准写清楚 |
| ② 数学与数字 | 算术留在代码里做 |
| ③ 日期时间比较 | 先抽取组成部分，再在代码里比 |
| ④ 多层间接（indirection） | 减少跳转，直接把相关 state 指给它 |
| ⑤ state 里塞了太多无关细节 | 先过滤，只给它这个问题需要的东西 |
| ⑥ 对抗性内容 | 把提示词写精确，上线前测边界情况 |
| ⑦ 指令与标准互相矛盾 | 先把两者对齐 |
| ⑧ 常识性的结构不变量 | 同一个判断只问一次，恒等关系在代码里保证 |
| ⑨ 需要「生成」的任务 | 换回生成式模型 |
来源：官方「Jev 1.13 jaggedness」页（2026-09-17 复核）。
回头看你自己的流程。需要判断的地方多，它就合适。
要生成文字、写代码、给解释，用 LLM。要精确计算，算术留在代码里，官方也是这个建议。
看看别人怎么用 Jev
事实来源
下面这些是官方文档，本页所有事实性描述都可回溯到这里（其他内容站的说法未经核实，我们不用）。