这个模型一个字都不写，只回答「选哪个」

摘要 官方倍数的水分，写在它自己的脚注里 Vercel 上免费白嫖到 9 月 25 日 黑粉科技 · 2026-09-20

先说这篇是怎么来的：我没有拿到 Jev 的 API（官方还在排队发放），所以这不是我的实测。演示和用法来自 01Coder（小木头）9 月 18 日那期实测视频，我做的事情是把里面每一个数字和说法回到一手页面重新核一遍，并补上一些视频里没展开的东西——主要是官方自己写在脚注里的那些话。

Jev 是 TypeSafe AI 9 月 15 日发布的模型，当天在 Hacker News 上开了帖，今天已经 1917 分、502 条评论（视频录制时是 1679 分，这几天还在涨）。它的特别之处一句话能说清：它不生成文本。

你给它一段「状态」（一条工单、一段对话、一个 JSON 对象），再给一组带类型的问题，它并行把所有问题一次答完，每个答案都是预先定义好的类型，并且附一个概率。官方演示里最直观的是让它玩 DOOM——每秒约 10 次决策，往前、往左、开火还是躲，它不看画面只读游戏状态，一个字都不说。

它只回答三类问题：Choice（从给定选项里选一个，返回选中项 + 每个选项的概率）、Score（按一个有序的评分表打分，比如平静 / 不耐烦 / 愤怒，返回各档概率并插值出分数）、Noul（「这句话为真吗」，返回 0–1 的概率；在 Vercel 的 SDK 里它就叫 boolean）。三类可以混在同一次请求里，对同一段状态并行评估、互不干扰。

💰 为什么现在会有人做一个「不说话」的模型

这事得从钱说起。今天软件里有大量决策根本不需要一段话：这条工单转给谁、这条评论是不是垃圾、这个请求该交给便宜模型还是贵模型。用语言模型干这个，你得让它先写一段解释、再吐一个 JSON，然后你的代码去解析——慢、贵、还可能格式出错。

**这段没人读的解释，谁买单？**当然是调用方。按官方给的对照口径：语言模型输入每百万 token 要 0.20 到 10 美元，输出还要贵上约 5 倍；而 Jev 输入 0.042 美元，输出免费——因为它压根没有输出 token。所以这门生意的逻辑很清楚：把「判断」从按字计费的生成里拆出来，单独做成一层。受益的是每天要做成千上万次小判断的应用方，代价落在把这层外包出去的人身上——你的判断逻辑从此住在别人的服务器上。

这套剧本并不新鲜。早在大模型之前，这些活儿是正则和规则引擎干的；后来换成机器学习分类器；再后来大家发现「写个提示词就能分类」，于是又全搬回语言模型。每一轮的卖点都是「更通用」，每一轮的代价都是「更慢更贵」。Jev 是把摆锤往回推的一次尝试——通用性交出去，换确定性和速度回来。

厂商图什么也不难看出来：**抢「决策层」的接口标准。**Vercel 在它发布第二天就把它接进 AI Gateway，自家智能体框架 eve 的 auto()（给几个模型和一句描述，自动挑一个）背后直接用它来选。谁定义了这层调用形态，谁就站在了所有 AI 应用的必经之路上。

🔍 官方倍数的水分，是官方自己标出来的

发布页首屏那两个数字很唬人：**快 193.6 倍、便宜 444.6 倍。**但把博客往下拉，官方在自己的 Nuance（说明）段里写了这么几句——我把它们逐条摘出来，因为这比任何第三方的质疑都更有分量：

• 关于那两个倍数：「我们预计这些数字处于真实收益的偏高一端」——也就是说，首页写的是上限，不是你会拿到的。
• 关于对照组：语言模型那一侧的数据取自 OpenRouter，官方自己承认「几乎肯定存在偏差」。
• 关于测试口径：这次对比用的输入相对较短，官方写「这让我们的模型显得更有利」。
• 关于唯一的分歧题：与 GPT-5.6 Terra 的那次录制对比中，两者只在「流失可能性」一题上不同，而官方自评「那题的答案确实有歧义」。

建议 **一家公司愿意在发布页上给自己的数字打折，这件事本身值得记一笔。**这套「发布页写上限、第三方一测就缩水」的流程并不陌生——上一次是本地推理引擎那批「比谁谁快 N 倍」的宣传，每家都在自己出的题上考了满分。但也别读成「所以数字是假的」——它说的是口径：那些倍数在他们挑的工作流上成立，换到你的场景会缩水。视频里提到的独立审计也是同一个方向：官方说 20–400 倍，独立测下来 5–25 倍；官方说端到端 70–500 毫秒，海外测出来 1.6–3.7 秒（网络差异占很大一块）。

还有一条更要紧的，官方在对照表里写了「永不产生类型错误」和「不会幻觉」。前半句是真的，而且是数学意义上的真——输出被约束在你给的类型里，跑不出去。但「不会幻觉」这句要拆开看：**类型安全保证的是接口，不是真相。**早在 function calling 和 JSON mode 出来那阵，「结构化输出不会出错」也承诺过一轮，那次保证的同样只是格式——参数填错、字段编造，一样都没少。它保证答案一定是你给的选项之一，不保证选对。

而整个产品最核心的卖点——校准（它说 80% 把握时，是不是真有 80% 的正确率）——恰恰是目前最难验证的一项：没有公开的校准基准可查。所以这块只能落到一句朴素的建议上：拿你自己有标注的数据去测。

🛠 现在就能上手：Vercel 上免费，还剩 5 天

官方 API 还在排队发放，但不用等——**Vercel AI Gateway 已经接了，而且现在是免费的。**我核了它的模型页：价格一栏直接写着 Free，上下文 32K，页面上明写「促销定价在 2026 年 9 月 25 日结束」。今天 9 月 20 号，也就是说白嫖窗口还有 5 天。

调用上有个坑要先说：它不能走 OpenAI 兼容的 endpoint，必须用 AI SDK 的 experimental_evaluate。模型 ID 是 typesafe-ai/jev。最小的一次调用就是官方示例那样：传 model、传 state、传 questions，拿回 answers 和 usage。

用法上真正要改习惯的是这三条，它们和大模型时代的直觉正好相反：

警告 一个容易读错的细节：**Noul 的概率接近 0.5，意思是「是」和「否」各占一半，不是「程度中等」。**同理，confidence 高只代表这次概率分布集中，不代表你整条流程是对的。

如果你打算让 Claude Code 这类编程智能体替你接，官方备了一份 skill：仓库 typesafe-ai/skills。我核了一下时间线——这个仓库 8 月 24 日就建好了，比模型发布早了三周，现在 813 颗星；skill 本体就一个 SKILL.md，正好 149 行。

它的写法本身值得抄：不把文档塞进上下文，而是列一张「想做什么读哪一页」的表让 agent 按需去读（文档地址后加 .md 就能拿到 Markdown 版）；然后教 agent 怎么拆需求——从「界面要展示什么、要选择什么、要改变什么」倒推需要哪些判断，规则计算、精确查表、执行动作全留在代码里，只在需要语义理解的地方放一个问题。

⚠️ 什么时候别用它

• 需要解释的场景：它给不了理由，只给概率。
• 需要生成的场景：它不写字。它不是用来替代语言模型的——语言模型负责生成，它在后面负责判断这段能不能发。
• 选项设计不好的场景：这条最隐蔽。正确答案不在你给的选项里时，概率仍然会落在剩下的选项上，它必须选一个。官方自己也承认，难的部分是从「写提示词」变成「设计决策模式」。
• 隐私敏感的场景：闭源、托管 API、没有权重。社区已经有人在用 Qwen 微调带校准概率的小模型做开放权重复刻，想本地跑的可以盯着这条线。

🧭 我的判断

这类模型解决的是一个真问题：**我们确实在用一台会写小说的机器，去回答一个是非题。**把这层拆出来是对的方向。Vercel 发布第二天就接了；社区清单也在猛涨——视频录制时说 40 多个项目，我今天数了一份社区清单，里面指向 GitHub 的条目已经有 161 条（这类清单还不止一份，而且清单自己在开头就写着「收录不等于背书」）。痛点是真的。

但我不会仅凭发布页的数字就把它接进关键路径，理由就是上面那条：**最值钱的卖点（校准）是目前唯一没法公开验证的。**便宜和快是真的，类型安全是真的，「答案对不对」得你自己在自己的数据上测。

所以可照做的办法就一条，也是这篇最该带走的东西：趁 9 月 25 日之前免费，拿你手头真实的分类或路由任务，挑几十条已经有标注的数据跑一遍，把它给的概率和你的标注对一下——高概率的那批是不是真的更准。对得上，再谈要不要接进系统；对不上，你省下的就不只是这几天的额度。

摘要：一句话收尾 Jev 把语言模型从「写一段话」退回到「选一个选项」：输入 0.042 美元每百万 token、输出免费、类型上不可能出错，官方却在自己的脚注里承认首页那两个倍数是收益上限、对照数据有偏、短输入对自己有利。它值得试，但最核心的「校准」目前无人能公开验证——所以趁 Vercel 免费窗口（到 9 月 25 日）用你自己的标注数据先测，再决定要不要让它替你做决定。

📚 来源

本文的框架、演示场景与使用要点来自 01Coder（小木头）的实测视频，特此致谢；文中所有数字、日期与引文均已回到一手页面核对，配图也全部取自一手页面而非视频画面。

• TypeSafe AI 官方发布博客《Introducing System One Models & Jev》（2026-09-15）：https://typesafe.ai/blog/introducing-system-one-models-and-jev
• Hacker News 原帖（发布当日）：https://news.ycombinator.com/item?id=49717558
• Vercel AI Gateway 的 Jev 模型页（定价与调用示例）：https://vercel.com/ai-gateway/models/jev
• 官方 agent skill 仓库 typesafe-ai/skills：https://github.com/typesafe-ai/skills
• 01Coder《Jev 实测：这款爆火的极速决策模型的基本玩法》（2026-09-18）：https://www.youtube.com/watch?v=tYvu6IpSfiM

🧰 我做的工具

这些工具都由我持续维护。预览版会明确标注，下载、更新和已知边界以发行页为准。

信息：黑粉剪辑 HyphenCut 状态： 初步构建 · 预览版

Rust 写的本地专业视频剪辑：达芬奇键位、AI 助理直接改真实工程，免费

下载与更新

信息：黑粉盒子 HyphenBox 状态： 初步构建 · 预览版

免费大模型 API 雷达：持续复测可用性，本地统一接口，Key 只存本机

下载与更新

信息：方寸智匣 LocalBrain 状态： 正式迭代

本地模型的多模态 MCP 工具箱：TTS / Whisper / 视频生成一站接入

下载与更新

信息：ScreenLex 光影词库 状态： 正式迭代

看美剧顺手把生词背了，Mac/Windows 双平台，免费

下载与更新

信息：黑粉录屏 HyphenScreen 状态： 初步构建 · 预览版

录屏 + 智能剪辑一体：达芬奇式时间线、自动打码、导出前成片体检，免费

下载与更新

引用：黑粉科技 让AI成为你的超能力 本地部署 · 免费白嫖 · 自制软件 https://hyphentech.top