市面上的 AI 工具几乎都在写字。写文章，写代码，写邮件。Jev 反过来，一个字都不写。
它是 TypeSafe AI 在 9 月 15 日发布的决策模型，官方叫 System One。你发过去一段状态文本，再附上几个问题。它并行作答，每个答案都带一个校准过的概率。答案不是句子，是选项，是等级，也是非。
这东西的用法很具体。做 AI编程 的人，经常要在代码里插判断节点。这封工单该派给哪个组。这条内容算不算违规。模型这次输出有没有跑偏。过去要么再叫一次大模型，要么手写一堆条件分支。Jev 就是冲着这类地方来的。
它不做内容生成，只从你定义的选项里挑答案。这是它跟主流 AI工具 最大的区别。
规格先过一遍
据官方 9 月的数据，当前版本是 jev-1.13.0，别名 jev-latest 与 jev-preview 都指向它。
价格按输入算。每百万词元 0.042 美元，输出免费。速率上限是每秒 25 万词元，每分钟 1200 次请求，超限返回 429。上下文每请求 64K 词元。其中状态加最长那个问题，不超过 32K。
典型场景有工单分派和意图识别。内容打分也算，真伪判断和去重同样常见。还有一项是给大模型的输出做护栏检查。
官方也写明它只吃文本。图片，音频，视频，都要先转成文本或结构化字段。
上手就三步
第一步是试用。打开 Playground，粘一段文本当状态。再加一个是非题，比如这段消息有没有表达紧迫感。回车就能看到概率。
申请密钥在控制台的 Keys 页面。官方原话是从面板拿到你的密钥。SDK 默认读一个环境变量，不用把密钥写死在代码里。
装 SDK 是两行命令。
“`
pip install typesafe-sdk
npm install @typesafe-ai/sdk
“`
Python 包要 3.10 以上。Node 包要 20 以上。注意 PyPI 上那个叫 typesafe-ai 的包只是跳转壳，实际装的仍是 typesafe-sdk。
第二步是发第一次请求。全部模型共用一个端点，请求体只有三个顶层字段，那就是状态、模型名和问题。
“`
curl -X POST https://api.typesafe.ai/v1/systemone \
-H “Authorization: Bearer $TYPESAFE_API_KEY” \
-H “Content-Type: application/json” \
-d ‘{“state”: “工单原文…”, “model”: “jev-latest”, “questions”: {…}}’
“`
返回体的顶层是模型名、答案和用量。模型名会告诉你实际作答的版本号，即使你请求里写的是别名。这一步对记日志很有用。
只有三种问题原语
Jev 只有三种问题原语，可以在同一次请求里任意混用。所有问题针对同一状态并行独立评估。官方说增加问题几乎不改变响应时间。
第一种是 Choice，从固定选项里选一个。你要给出一个映射，键是选项名，值是描述。最多 255 项。
第二种是 Score，按有序等级打分。等级描述排成从低到高的数组，2 级到 10 级。返回的分值等于等级在数组里的下标。三级量表会返回 0 到 2 之间的加权均值。官方建议描述情境而不是程度，纯数字等级会让概率分散。
第三种是 Noul，判断是非。它只有一个字段，也就是为真的概率。接近 1 是强是，接近 0 是强否。它没有单独的置信度字段，二元分布用一个数就能说清。
三个设计细节值得记一下。
问题的 id 不会发给模型。字典键只用来回传答案。模型看到的是指令和选项描述。所以选项描述必须能彼此区分。
Score 的分值就是下标。0.57 的概率落在第 1 级，0.43 落在第 2 级，最终分值就是 1.43。
Noul 没有置信度字段。这一点新手常会去找。
用置信度做三档路由
置信度是从概率分布形状压出来的一个数，取 0 到 1。概率全集中在一个选项时它等于 1，分布越平均它越低。三选项的近似算法是最大概率乘 3 再减 1，然后除以 2。
官方特别说明，它只描述输出的分布形状，不是答案正确的保证。
推荐的用法是把它当成第二个判断维度，按操作风险设不同门槛。
判断逻辑很短。置信度低于 0.5 就转人工，别让模型猜。低风险又能恢复的操作直接执行。风险高的操作再叠加一道确认。
这么做的意思是，让模型只在有把握的地方替你做决定。
还有一层对照
官方给了开源适配器。同一套问题可以跑到别的大模型上，比如 ChatGPT 这类通用模型，用来做横向对照。
对照的价值在于，你能看出哪些判断是结构化推理擅长的，哪些还得靠通用模型的理解力。两类东西混在一起用，比只押一边稳。
落地前要记住的限制
速率先说清。每秒 25 万词元，每分钟 1200 次请求。超了就是 429，要自己写退避。
上下文也有边界。每请求 64K 词元，状态加最长问题不超过 32K。长文档要先裁。
模态上它只收文本。图片和音视频得先转成文本。
最后一点容易被忽略。Jev 的定位是代码里的判断节点，不是写内容的工具。你要它写一段介绍文案，它做不到。你要它在一堆选项里挑一个并给出把握程度，它才在状态。
把它当成一个带概率输出的函数来用，思路就顺了。
