不寫字、只回答判斷題的 AI：Jev 是什麼，現在該不該導入？

九月中有個新東西叫 Jev，在工程圈討論度不低。它跟 ChatGPT 那類 AI 不一樣：你問它問題，它不會寫一段話給你，只會回答「是哪一個」、「幾分」、「是或不是」，再附上一個信心程度。聽起來功能變少了，但這正是它快和便宜的原因。

它到底是什麼

Jev 是美國舊金山一家叫 TypeSafe AI 的公司做的模型，9 月 15 日開放限量試用。這家公司 2024 年才成立，執行長 Diogo Almeida 之前在 OpenAI 待過四年。

他們把 Jev 叫做「System One 模型」，意思大概是：人的思考分成直覺反應和慢慢推理兩種，Jev 只做前者。它不會寫文章、不會跟你聊天，就是專門用來下判斷的。

實際上它只接三種題型：

• 選擇題：從你給的幾個選項裡挑一個。例如這封詢價信該轉給業務、工程還是售後。
• 評分題：在有高低刻度的尺上給分。例如這件客訴的急迫程度是低、中還是高。
• 是非題：回答某件事成立的機率。例如這張發票的金額欄位是不是填錯了。

三種題型都可以一次問好幾題，而且它會同時處理，不是一題一題排隊。回傳的答案一定落在你事先定好的選項裡，附一個 0 到 1 的信心值。它不可能回一個你沒定義過的答案——這是它最實用的一點，後面會講為什麼。

快和便宜到什麼程度

TypeSafe 自己的說法是，做同樣的判斷工作，Jev 比第一線的大模型快 40 到 200 倍、便宜 40 到 400 倍。《Tom’s Hardware》報導時引用的數字更誇張，說對上 GPT-6 Astra 是快 193 倍、便宜 445 倍。

這些數字要打折看。TypeSafe 自己就承認，這些是內部測出來的，而且大概是最好的那一端。他們到目前也沒有公開技術論文或模型權重，所以外面沒辦法獨立驗證。

比較實在的是掛牌價格。在 OpenRouter 上，Jev 的輸入是每一百萬 token（可以粗略想成一百多萬個字）美金 0.042 元，輸出免費。這個價格低到一個程度：如果照日本一家公司實測的用量（每件判斷約 1,100 token）來推算，做一萬次判斷的模型費用大概是新台幣十幾塊。

當然這只是模型費。真正的成本在工程時間——設計題目、接系統、驗證準確度，這些才是主要支出。

它不能做什麼（這段比較重要）

看到「快 200 倍、便宜 400 倍」很容易腦補成它什麼都能做，但限制其實不少：

• 不會生成文字。客服回覆、報價說明、文案，它一句都寫不出來。
• 沒有記憶，也沒有外部知識。它只根據你這一次餵給它的資料判斷，不會去查網路、也不記得上次聊過什麼。
• 資料塞太多反而更不準。它的容量上限是三萬兩千個 token 左右，但不是塞到滿最好——把不相關的資料一起丟進去，準確率會掉。
• 只吃文字，圖片和語音都不行。
• 中文準確度低於英文。這點對台灣公司影響直接，得自己實測，不能看官方數字就算。
• 複雜數學、多步推理這類要慢慢想的事，它不擅長。

所以它不是用來取代 ChatGPT 的，而是分工：開放性的、要寫東西的交給大模型，路上那些「這件事該往左還往右」的判斷交給 Jev。

別人的實測長什麼樣子

日本一家叫 KOIYAL 的公司寫了他們的導入過程，我覺得是目前看到最務實的參考。

他們原本每週要人工把微軟和 Google 的官方更新分成四類：對客戶有立即影響、可以當教材、可以發社群、跳過。這件事很花時間但判斷邏輯固定，正好是 Jev 的場景。

他們測了 8 篇，跟人工判斷比對，7 篇一致、1 篇不一樣。有意思的是不一致的那篇原因不在模型——是他們自己的題目沒把判斷標準寫清楚，漏掉一個關於課程難度的條件。反應時間每篇 0.45 到 0.75 秒，信心值大多落在 0.82 以上。

更值得抄的是他們的做法：不直接換掉人工，而是先讓 Jev 跟人平行跑一段時間，累積一致率，等一週一致率超過九成才把第一層判斷交給它。同時設信心門檻，信心值不夠高的案子自動退回給人看。

對中小企業來說，該怎麼評估

先說結論：現階段不用急著導入，但值得知道它存在，因為它適合的場景在很多公司都有。

先找出「量大、規則固定、但現在靠人眼看」的流程。這是判斷適不適合的第一關。像是把進來的詢問分派到不同部門、把客訴按急迫度排序、判斷一張單據的欄位有沒有明顯錯誤、從一堆履歷裡先篩掉完全不符條件的。共同點是：答案就在幾個固定選項裡，而且一天要做很多次。

反過來說，一天只做三次的判斷不值得動工。接系統、寫題目、驗證的工程成本是固定的，量不夠大就攤不回來。這種情況你請一個工讀生看，或直接用現成的大模型偶爾跑一下，都比較划算。

要問清楚的第二件事是：判斷錯了會怎樣。我們之前在講 AI 導入時提過一個經驗——我們開發給法律事務所用的工具裡，AI 整理判決書時偶爾會很有自信地寫出不存在的法條，後來加了一層自動查核，有疑慮的標紅色，最後由人確認。Jev 的設計對這個問題幫助很大，因為它的答案一定落在你定好的選項內，不會生出你沒預期的東西。但「格式一定對」不等於「判斷一定對」——它照樣會分錯類。所以出錯代價高的地方，人工複核那一關不能省。

第三件事是資料。TypeSafe 的條款寫明，未經同意不會把你的輸入拿去訓練模型；企業客戶可以另外談「不留存資料」的合約；他們也有 SOC 2 Type II（一種資安管理的第三方查核報告）。但資料是在美國的機房處理，預設保留多久官方文件沒有寫清楚，要直接問他們。如果你要送進去的是客戶名單或報價資料，這些得先確認。

還有一個風險要誠實講：這是一家成立兩年的新公司，產品九月才開放，沒有公開論文，也還沒有長期穩定性的紀錄。把關鍵流程押在上面，現在還太早。比較合理的做法是拿一個不痛不癢的流程試，而且從頭就保留隨時換回去的空間。

所以現在該做什麼

如果你公司有那種「每天要判斷幾百次、規則其實寫得出來」的工作，可以先做一件不花錢的事：把判斷標準寫下來。寫成幾個明確的選項，每個選項的條件是什麼。

這件事本身就有價值——KOIYAL 那個唯一判斷錯的案例，問題就出在標準沒寫清楚。而且標準一旦寫清楚，你會發現有些流程根本不需要 AI，寫幾條規則就解決了。真的需要 AI 判斷的，到時候不管用 Jev 還是別的，題目都已經準備好了。

我們自己還沒在正式專案裡用 Jev，目前是在看它的穩定度和中文表現。如果你手上有流程不確定適不適合，歡迎找我們聊，先評估值不值得動工再說。

資料來源

• Jev (AI model) — Wikipedia：公司背景、架構與官方效能聲明
• Tom’s Hardware：效能倍數與限制
• OpenRouter：掛牌價格與上下文長度
• Cloudflare AI Docs：三種題型與規格
• KOIYAL：平行運轉實測與導入步驟
• Zenn：企業使用條款、資料保存與資安查核