Jev全面开放：每百万输入Token 0.042美元，“只做判断”的System One模型能改变Agent架构吗？

核心消息：Jev取消候补名单，向所有用户开放

TypeSafe AI宣布，其首款System One模型Jev已经取消候补名单，面向所有用户开放。新注册用户可获得5美元额度，按官方每百万输入Token 0.042美元的价格计算，约可使用1.19亿输入Token；输出不按Token收费。

Jev与常见大语言模型不同。它不生成长篇自然语言，而是接收一段状态和预先定义的问题，返回类型明确的选项、评分、布尔概率和置信度。TypeSafe将其描述为“非结构化状态输入，类型化概率决策输出”。

这一定位意味着，Jev不是ChatGPT式聊天模型的直接替代品，更像是可嵌入软件流程的智能判断函数。它适合回答“该选哪个动作”“是否存在风险”“这个结果得几分”等边界清晰的问题。

为什么输出Token可以免费

传统LLM以自回归方式逐个生成Token。回答越长，推理时间和输出成本通常越高。Jev放弃自由文本生成，在一次请求中并行给出预定义结构中的答案，因此输出规模较小且相对固定。

官方当前价格为：

• 输入：每百万Token 0.042美元
• 输出：不单独计费

“免费输出”并不等于模型运行没有成本，而是TypeSafe选择把服务成本计入输入价格或整体商业模式。官方也坦言，短期定价是否受到补贴无法立刻证明，长期可持续性仍需时间验证。

System One模型与普通LLM有何不同

TypeSafe借用“System One”概念，强调快速、直接的判断。与之相对，通用LLM更擅长开放式推理、解释和内容生成。

输入仍可以是非结构化信息

Jev可以读取文本形式的程序状态、Agent轨迹或用户消息。开发者需要同时定义要判断的问题以及允许返回的类型。

例如，同一段客服对话可以并行判断：

• 是否泄露个人信息
• 用户意图属于哪个类别
• 用户不满程度处于哪个等级

输出只能来自预定义结构

Jev主要支持类似以下判断：

• 二元概率：某件事是否成立
• 多项选择：从候选项中选择一个
• 有序评分：在预定义等级上打分

因为输出类型和候选范围提前定义，系统无需再从自由文本中提取JSON，也减少了字段缺失、格式错误或额外解释文字。

多个问题并行计算

TypeSafe称Jev会并行处理同一状态下的多个问题，而不是逐项生成答案。增加判断项主要增加输入Token，响应时间变化相对有限。这对高频分类、路由和评估任务具有吸引力。

“不会幻觉”应该如何理解

TypeSafe官方称Jev无法生成类型错误，并宣传其不会像文本模型那样产生自由形式幻觉。这个说法需要准确理解。

由于答案只能来自预设选项，Jev确实不会返回格式外的句子、虚构引文或无法解析的JSON；但它仍可能选择错误选项、给出不准确概率，或因输入信息不足而判断失误。

因此，“不会幻觉”更准确地说是：输出不会越过预定义类型边界，不代表每一次语义判断都正确。高风险场景仍需阈值、人工复核和真实数据评测。

Jev适合放在Agent工作流的哪里

模型路由

Agent收到任务后，可以先让Jev判断复杂度、风险和所需能力，再决定调用廉价模型、前沿模型或人工处理。

动作选择

执行程序根据当前状态生成一组合法动作，Jev从中选择最有利的一项。候选范围由代码约束，可以避免模型自行编造不存在的工具。

工具风险检查

在执行发消息、删文件或提交交易前，Jev可以判断动作是否敏感、是否偏离用户目标，以及是否需要人工确认。它只能作为辅助防线，不能替代确定性的权限控制。

上下文压缩

在Agent长会话中，Jev可逐项判断哪些工具结果仍有价值，帮助程序保留、截断或删除内容。这比让大模型每次生成一篇压缩摘要更快，但错误删除关键上下文也可能影响后续任务。

结果评估

Jev可以充当低成本Judge，对Agent轨迹或输出进行评分、分类和安全检查。它尤其适合判断标准明确、需要高频执行的线上评估。

LangChain测试透露了什么

LangChain已将Jev接入LangSmith Evals，并公布了一组Agent评估实验。测试将固定的天气Agent输出交给不同模型重复评分。

在这一特定实验中，Jev平均每次调用约0.44秒，成本约0.00035美元；完整判断集成本0.34美元。对比模型的平均延迟约为2.16至2.83秒，其中Claude Sonnet 4.6完成相同测试的成本为28.17美元。

LangChain称Jev在该数据集上与人工评审一致，并表现出更低的重复评分方差。不过官方也明确提醒：这只是对一个Agent的一次测试。它不能证明Jev在所有领域都优于LLM Judge。

对于需要书面推理、开放式标准或复杂事实核验的评估，传统LLM Judge仍可能更合适。Jev的优势主要出现在判断窄、类型明确且调用量大的场景。

Minecraft“8分43秒屠龙”如何实现

开发者Ronak Malde公开了一套Minecraft Agent实验：Jev与Astra协作，在8分43秒内击败末影龙，披露成本低于1美元，其中Jev约0.01美元、Astra约0.96美元。

这个结果并不是Jev逐帧控制每个按键，也不是两个模型从完全未知的世界状态中自主发现全部路线。公开实现采用三层分工：

Astra负责高层规划

规划器根据当前阶段、物资和已知路线更新目标。提示词包含预先勘察的信息和任务限制，并非纯粹从零探索。

Jev负责候选动作选择

程序根据游戏状态生成合法候选项，Jev判断下一步应该移动、收集物资还是触发战斗动作。

确定性代码负责执行

寻路、转向、放置方块和定时床攻击等细节由程序完成。一旦Jev选中某个动作，代码会持续执行和检查条件，而不必每一帧重新请求模型。

该次成功运行包含131次Jev决策和35次Astra调用。高层规划约每15秒刷新，也会由阶段变化触发更新。异步架构让动作循环无需等待每次规划完成。

这个案例真正展示的不是“AI已经达到人类世界纪录水平”，而是规划模型、快速决策模型与确定性执行代码如何分工。结果还建立在预设路线、程序动作和此前失败尝试积累之上，不宜与人类随机种子竞速直接等同。

Jev为何适合实时应用

TypeSafe披露的端到端响应时间约为70至500毫秒。低延迟使其可以进入语音助手、浏览器操作、游戏控制和界面交互等需要即时反馈的流程。

传统LLM在同类位置往往需要数秒生成解释，而实际软件只需要一个动作编号或风险概率。若任务已经被工程化地拆成合法候选项，自由文本反而成为额外成本。

这也解释了Browser Use等团队为何尝试将Jev用于网页动作选择：主程序负责解析页面和执行点击，模型只在候选操作之间判断。

开发者需要注意哪些限制

需要先把问题定义清楚

Jev无法替开发者自动设计整个业务流程。候选项、评分尺度和状态信息必须由系统提供。若问题定义遗漏了正确答案，模型只能在错误候选中选择。

概率校准需要场景验证

官方强调其概率经过校准，但不同领域和数据分布可能产生偏差。开发者应使用自己的真实样本评估准确率、召回率和阈值，而不是直接照搬演示结果。

不适合需要解释的任务

当用户需要理由、引用、代码或完整方案时，Jev无法替代生成式模型。更合理的架构是让通用LLM负责规划和生成，Jev负责中间判断。

数据保留政策值得关注

LangChain文档提醒，TypeSafe当前不提供零数据保留承诺，发送给服务商的提示和输出可能被保留。企业使用敏感Agent轨迹、客户信息或源代码前，应先审查数据政策。

厂商基准仍需独立复现

TypeSafe公开了技术结果，也主动说明部分演示使用较短、密集输入，可能对Jev有利。速度、成本和准确率应在实际地区、网络和业务数据上重新测试。

新架构的意义：不要让一个模型包办所有环节

Jev带来的主要启示，不是“判断模型将取代大语言模型”，而是Agent系统可以进一步模块化：

• 强模型负责复杂规划和开放式推理
• Jev类模型负责高频、结构化的小判断
• 确定性代码负责可靠执行
• 人类负责高风险确认和异常处理

这种分工有机会降低延迟和成本，并减少自由文本进入软件流程时的解析问题。它也要求开发者投入更多工程设计，把模糊任务拆成清晰状态、候选动作和验证机制。

总结

Jev全面开放，为Agent开发者提供了一种不同于通用LLM的模型形态：不写长答案，只返回类型明确的判断和概率。每百万输入Token 0.042美元、输出不计费，以及70至500毫秒的官方延迟，使它适合路由、风控、评估和实时动作选择。

Minecraft实验和LangSmith评测展示了这种模型的潜力，但都属于特定实现与有限测试。Jev不会产生格式外文本，不等于永远判断正确。它最有价值的位置，是作为复杂Agent系统中的快速决策层，与规划模型、确定性程序和人工监督共同工作。