Jev 是什麼？System One 模型的用途、限制與成本

Jev 回傳的是判斷，不是文字#

原有文字流程使用三種問題型別；新增的 Box 用於圖片定位，限制見下節：

一次 API 呼叫可以放進多個彼此獨立的問題。Jev 會以相同 state 平行評估，程式再依結果決定要直接執行、要求人工確認，或把案例交給較強的推理模型。

1
使用者輸入
2
    ↓
3
Jev：意圖、風險、是否需要推理
4
    ↓
5
程式依門檻分流
6
    ├─ 明確、低風險 → 固定程式流程
7
    ├─ 不確定 → 要求補充資料或人工審核
8
    └─ 複雜問題 → Codex／其他推理模型

這種設計和一般 JSON mode 不完全相同。JSON mode 仍由生成式模型逐字產生內容，再由程式驗證；Jev 的答案空間則在請求中先被限定。不過「輸出格式不會亂掉」只代表介面穩定，不代表判斷必然正確。

Jev 1.14 的 Box 不能用來證明目標存在#

Box 文件說明它每題回傳一個矩形，以圖片寬高的比例表示四邊。即使目標不存在，也沒有「找不到」的專用答案。因此「回傳一個框」不能當成「偵測到目標」。Box 需要 1.14；圖片與 Box 都需逐次請求帶入 TypeSafe-Danger-Zone-Images: true，官方仍將它們列為實驗功能。

假設要從商品照片裁出杯子，可把驗收拆成三步，這是流程設計示意，尚未執行模型測試：

1. 用 Noul 問照片是否有杯子，並用含杯、無杯、遮擋與多杯的標註照片校正接受條件。低於門檻時忽略 Box。
2. 若有多個杯子，先指定「最靠近水槽的杯子」等可區分目標；無法區分時轉人工選取，避免把任意一個框當正確結果。
3. 將接受的框乘上實際送入模型那張圖的寬高，再檢查裁切是否完整。若前處理曾裁圖，還要還原裁切偏移；直接套原圖尺寸會得到錯位結果。

Noul 與 Box 仍來自模型，不構成獨立正確性證明。最終評估應與人工標註比對，分開記錄無目標卻接受的比例、選錯物件與裁切缺邊，不能只統計 HTTP 成功率。

Images 文件另列出：圖片可用於 state、instructions 或 criteria；1.13 與 1.14 都能接受圖片。輸入只接受靜態 PNG／JPEG，且不會替超出限制的圖片自動縮放。相機照片送出前還應實際旋轉像素，不能只依賴 EXIF orientation。

若同一張圖供多題共用，把它放進 state，再從問題指向欄位；不要在每題的 instructions 重複嵌入。官方以展開後的圖片引用計算限制，檔案只上傳一次不等於只占一次容量。先用一張照片、一個存在性問題和一個定位問題確認資料契約，再擴大工作量。

哪些工作適合交給 Jev#

最合適的任務通常同時符合三個條件：答案空間有限、判斷範圍窄、程式知道拿到答案後要做什麼。

例如客服工單可以同時判斷處理部門、緊急度與是否要求退款；搜尋流程可以先替候選段落評估相關性；Agent 也能先判斷下一步應呼叫哪個工具。這些工作都不需要一段寫給人看的文字，只需要一個能被程式消化的訊號。

反過來說，下列工作不該硬塞給 Jev：

• 產生文章、程式碼或自然語言解釋。
• 多步驟規劃，且後一步依賴前一步推理結果。
• 精確計算、計數與日期先後比較。
• 答案事先無法列舉，也沒有候選值可供選擇。
• 必須從大量無關內容中自行找出關鍵線索的任務。

TypeSafe 的已知限制頁面也提醒，Jev 1.13 對數字、日期、間接指令、矛盾條件及對抗性內容較不可靠；state 塞入太多無關資料也會降低準確率。該由程式計算的值，仍應留在程式裡。

速度與成本數字要怎麼看#

截至 2026-10-16，Models 文件對 1.13 與 1.14 都列出每百萬輸入 Token 0.042 美元，輸出不計費。預設每請求 64k、每題 32k；TypeSafe-Danger-Zone-Long-Context: true 可把兩者提高到 262k，但官方明確提醒它較慢且較不準確。這些是容量與計費條件，不能推導成中文工作負載的準確率。

rate limit 應以自己的組織 Console 為準，不再把舊版公開數字當成每個帳號的保證。估算成本時保存實際 usage、請求數與失敗重試；長上下文雖未提高每 token 單價，送入更多內容仍會增加費用。

官方發布時展示的速度／成本倍數有自家評測設計與短輸入條件，不適合換算成任意專案收益。評估客服分流時，應比較「每筆正確完成分流的成本」，把人工覆核與 fallback 一起計入；只比較單次模型呼叫會漏掉錯誤後的處理成本。

信心值不能直接當成正確率#

Choice 與 Score 的 confidence 是從各選項的機率分布濃度計算而來。答案集中在一個選項時較高，分散在多個選項時較低；Noul 則沒有另一個獨立信心欄位。

這個值適合拿來設計分流，但門檻應以自己的資料驗證。高信心仍可能答錯，低信心也可能只是兩個選項都合理。較安全的流程是先收集實際標註資料，再分別觀察：

• 不同信心區間的正確率。
• 錯誤分類造成的代價。
• 哪些案例應交給人工或推理模型。
• 模型版本更新後，原本門檻是否仍成立。

若只是想選最大機率的分類，不一定需要門檻；只有當「不確定時要走另一條路」時，信心分流才有實際作用。

中文工作負載要另外測#

TypeSafe 文件明確寫出英文是 Jev 的主要訓練語言，CJK 雖可處理，但表現不一致。準備用在繁體中文客服、文章分類或 Agent 路由時，不能直接沿用英文展示的準確率與門檻。

最小評估可以先整理 100 到 300 筆真實但去識別化的中文案例，固定問題與選項，記錄正確答案、Jev 機率與處理時間。先在 shadow mode 只記錄、不控制正式流程，等錯誤類型與門檻穩定後再逐步開放自動處理。

常見問題#