Jev AI

AI 决策模型 Jev AI 简介

Jev AI 是 TypeSafe AI 推出的「系统一」决策模型：不发散文、只回答带类型的问题——是非题、选择题、评分题——每个答案都带校准过的概率。它不写文本，所以没有自由发挥的幻觉空间；对需要「能写进 if 语句」的确定性答案的团队，它是一个补在通用大模型前面的判断引擎。

三种答案类型：Yes/No 概率、带全量标签概率的 Choice、可落在刻度之间的 Score
性能：上游中位响应约 0.22 秒，一次请求最多 20 个问题、只收一次输入 token 费
试用：注册送 5 积分，无需信用卡，Playground 与 API 同一端点同一请求体

九个现成场景，从工单分诊到简历筛选

Playground 预置了九类任务：客服工单分诊（该归哪个团队、多紧急、能否自动回复）、内容审核、意图路由、评论打分、线索评分、大模型护栏、引文核查、简历筛选，以及自定义场景。每个场景都带示例文本和问题，编辑后即可运行——官网展示的真实输出里，一条「重复扣费威胁退订」的工单在 1.8 秒内返回：billing 100%、退款意图 98%、愤怒度 3.0。

三步上手，Playground 直通生产

使用路径四步：选一个接近自己问题的用例；粘贴自己的文本、增删改问题（一次最多 20 问）；登录运行，约一秒出结果，失败请求不计费；把 Playground 里的请求原样复制进代码、建 API key 即可上线——响应结构完全一致，不需要重写。两个模型可选：Jev 1.13 是钉死的稳定版本，Jev latest 跟随最新发布；也可以通过 OpenRouter 调用。

LLM 评审：按你的评分标准给生成答案打分、返回可排序的数字
LLM 路由：在前沿模型读取请求之前先分流
RAG 评估：逐条判断答案是否有据，便宜到可以每查必跑

与通用大模型的分工

Jev 的定位不是替代 ChatGPT，而是在前面挡一层：路由请求、标记风险、校验答案是否有据，把「清晰的案例」自动化、「模糊的案例」转人工。官网给了一个形象的说法——把 Jev 当作智能体行动前调用的工具：先问一句该不该做、归谁管、有多急，再让通用模型动手。这种「判断便宜、生成昂贵」的分工，正是它敢按输入 token 低价计费的底气。

答案类型的设计细节

三种答案类型各有讲究：Yes/No 返回 0 到 1 之间的概率而非裸布尔值——阈值由你的代码定，「大概率是」变成一个可调的数字；Choice 只能从你声明的标签里选，每个落选标签也带概率，列表外的答案不会出现；Score 返回你在请求里定义的有序刻度位置，边界样本会落在两档之间而不是被硬归到某一档。官网特意提醒一个容易踩的细节：choice 的标准用「标签到描述」的对象写，score 的刻度用有序数组写，API 文档里有完整说明。

定价：只收输入 token，输出免费

计费只按输入 token：官方标注约每百万 0.042 美元，高频评分场景成本可控。套餐分 Creator／Studio／Max 三档年付（按每百万输入 token 折算 0.242／0.148／0.124 美元），token 年初一次性到账、未用结转、随时取消；也有一次性 token 包。支持多种本地化支付方式。