Jev 是什麼？實測 TypeSafe 決策模型篩選我的電子報新聞素材

Jev 是 TypeSafe AI 在 2026 年 9 月推出的決策模型，它不生成文字，只回答你事先定義好的是非題、選擇題、評分題，每個答案附一個機率。一次呼叫約 0.4 秒、輸入每百萬 token 收 0.042 美元、輸出免費。

我每週寄的 AI 週報，選材一直是 gemini-2.5-pro 在做，篩出來的結果我不太滿意。這篇文章會用 9 月剛出的 Jev 做最基本的分類與評分，要不要放交給原本的 LLM，拿 41 則候選新聞實測這樣分工在繁體中文上準不準、判斷依據該怎麼寫、怎麼串進 n8n 跟 Claude Code，還有註冊時遇到的問題。

Jev 是什麼？跟 LLM 差在哪

ChatGPT、Claude 這類 LLM（大型語言模型）是把答案一個字一個字寫出來給你看。Jev 不寫字，你先列好幾個選項，回來的是每個選項的機率。

三種題型：是非、選項、評分

• 是非題（noul）：回 0 到 1，例如「這是不是新聞」→ 0.93
• 選擇題（choice）：從你列的選項挑一個，例如「放哪個分類」→ 模型與工具 0.99
• 評分題（score）：照你寫的判斷依據打分，例如「相關度 0～3」→ 1.98

三種題可以塞在同一次呼叫，一次算完，0.4 秒左右。

跟 LLM 的分工

LLM 負責寫，Jev 負責選。TypeSafe 自己說它跟 GPT 那級的模型判斷一致率差不多、快 190 倍、便宜 440 倍，這些是官方的數字，還沒有第三方重現過。

Jev 能拿來做什麼

它適合的事有一個共同點：答案是有限的幾個選項，而且不需要解釋。

• 過濾雜訊：這封信是不是垃圾、這則貼文要不要回、這篇候選是不是廣告。
• 分流與分類：客服工單該給哪組、新聞該進哪個分類、使用者想做的是哪件事。
• 評分排序：搜尋結果重排、候選文章的相關度、客訴的嚴重程度。
• 驗證 LLM 的輸出：LLM 引的那句話原文有沒有、回答有沒有偏題、有沒有被提示詞注入。

相反的，要它算數、比日期、讀圖片、寫一段話，官方文件直接列在「已知缺陷」裡叫你別做。

📖 延伸閱讀：AI 怎麼查資料、寄信、操作資料庫？拆解 Tool Calling 運作原理

我的週報選材哪裡不滿意

我每週日寄的 AI 週報，新聞是 SerpApi 抓的，選材是 gemini-2.5-pro 吃一段固定提示詞，決定這則要不要、放哪類。一開始用 gemini-2.5-flash，輸出常常不照提示詞的規則，換成 pro 之後才穩定，但兩件事一直沒解決：股價新聞、活動宣傳常常混進候選，我每週審稿都在手動刪；pro 一則要跑十幾秒，偶爾還會 504 超時。

選材的前半段是選擇題：這是不是新聞、放哪類、跟讀者有多相關。9 月 Jev 出來，TypeSafe 說它就是做這種題的，我就拿同一批候選來試。

我怎麼分工：Jev 做基本分類與評分，LLM 決定放不放

Jev 只做最基本的分類與評分

我沒有把整個選材交給 Jev，只給它三個最基本的判斷：

留下來的候選才進 gemini-pro，由它決定最後放不放、寫摘要跟點評。Jev 負責篩，LLM 負責選跟寫，貴的模型只看過關的那幾則。

送給 Jev 的請求格式

新聞放 state，三個問題放 questions，判斷依據寫在 criteria，一次 POST 送出：

{
  "model": "typesafe/jev-1.13",
  "state": { "title": "Google 發布最新語音 AI 模型", "snippet": "...", "source": "..." },
  "questions": {
    "is_news": { "type": "noul", "instructions": "這是一則報導具體事件的新聞",
      "criteria": { "true": "報導某公司、產品、政策發生的具體事件",
                    "false": "工具比較文、教學、徵才、課程廣告、社群貼文、榜單" } },
    "category": { "type": "choice", "instructions": "這則新聞最適合放在週報的哪個分類",
      "criteria": { "headline": "本週頭條", "models_tools": "模型與工具", "automation_agent": "自動化與 Agent",
                    "chinese_community": "華語圈動態", "industry": "產業觀察" } },
    "relevance": { "type": "score", "instructions": "這則新聞對「用 n8n 做自動化、關心 AI 工具的台灣中小企業與行銷人」有多值得放進週報",
      "criteria": ["跟 AI 工具或自動化無關", "有關，但只是股價、融資、評論、活動宣傳",
                   "報導某個 AI 模型、功能、價格的發布、更新、洩漏或測試結果", "讀者下週工作會直接受影響"] }
  }
}

回來的是 "is_news": 0.93、"category": "models_tools"、"relevance": 1.98 這樣的數字，n8n 裡接一個 IF 節點就能用。

實測結果只看三個數字

我拿同一批 41 則候選（繁中 29、英文 12，故意留著徵才、課程廣告、Threads 貼文這些雜訊），Jev 跟 gemini-pro 各判一次，對照結果：

41 則裡有 31 則在 Jev 這關就被擋掉，gemini-pro 只處理剩下的 10 則。跟它自己挑的 13 則比，9 則重疊；沒重疊的多半是同一件事的不同報導。

判斷依據要寫得很直觀

第一版的判斷依據哪裡出問題

第一次跑，41 則裡 31 則被 Jev 給了 1 分，只有 2 則過關。我回頭看判斷依據，第 2 級寫的是「新工具、新價格、新功能現在就能用」。Anthropic「考慮」發布新模型、Gemini「疑似」偷跑，照字面都不是「現在就能用」，Jev 全部給 1 分。

gemini-pro 用同一份判斷依據時會多一層「編輯應該會想要這種新聞」的推論，Jev 沒有這層推論。官方文件的已知缺陷第一條就是這個：照字面判斷，不推測你的用意。

改成直觀的寫法

改完重跑，「要不要放」的一致率從 62% 到 86%，過關的從 2 則變 10 則。同一份判斷依據，每次跑出來的結果都一樣。相對的，每一級都要寫成具體的例子，像「新模型發布」「價格調整」這種，不能只寫「有實際影響」，中文尤其如此。

📖 延伸閱讀：AI 幻覺跟 AI 說謊差在哪？Bengio 解釋 AI 為什麼會作弊

Jev 哪三件事還不能交給它

三件事我不會交給它：

• 分類：中文一致率 72%，英文 91%，官方也寫明英文是主要訓練語言，所以分類標籤我只當參考，最後還是 LLM 定。
• 中等信心的答案：confidence（信心值）0.95 以上的答案跟 gemini-pro 一致 94%，0.5 到 0.95 之間的只有五成左右。所以我只讓 0.95 以上的自動通過，其他的還是交給 LLM 或人工再判一次。
• 寫回覆：它只回數字，不生成文字。客訴信要不要退款、該轉哪個部門，這種選擇題可以交給它；但回給客人的那封信、週報裡的點評，還是要 LLM 來寫。分歧的那幾則我也得自己回去讀原文猜是哪個字影響了結果，它給不了理由。

怎麼串進 n8n 跟 Claude Code

n8n 裡只多兩個節點

Jev 沒有 n8n 原生節點，但它就是一次 HTTP 請求，用 HTTP Request 節點就能打。整條流程變成：SerpApi 抓到候選 → HTTP 節點送給 Jev 做分類與評分 → IF 節點把不是新聞、相關度太低的丟掉 → 剩下的才進 gemini-pro 寫摘要跟點評。原本的流程一個節點都不用改，只是在 LLM 前面多插兩個。

📖 延伸閱讀：n8n 是什麼？2026 n8n 完整教學：從部署、節點解析到 AI Agent 應用

Claude Code 裝官方 skill

TypeSafe 有出 Claude Code 的 plugin，兩行裝好：

claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

裝完在對話框打 /typesafe:typesafe-ai，會先讀官方文件再寫串接的程式。這次實測的三支腳本（抓候選、跑三個裁判、算一致率）就是這樣請 Claude Code 寫的，我做的是改判斷依據跟看結果。Jev 只能當你程式裡的一個判斷函式，換不掉 Claude Code 背後那顆模型，官方文件特別寫了一頁講這個。

📖 延伸閱讀：Claude Code 教學：安裝、費用到資料安全一次搞懂

怎麼註冊 Jev

官網註冊送 5 美元

正規路線是到 console.typesafe.ai 註冊，9 月 21 日 TypeSafe 在 X 上宣布取消 waitlist，新帳號送 5 美元額度，約 1.2 億個輸入 token。API key 在 console 的 keys 頁建，端點是 https://api.typesafe.ai/v1/systemone。

顯示 we're full 怎麼辦

我 22 日下午去註冊，畫面只有一行「Whoops, we're full」。他們的 models 頁也寫著速率限制會隨 GPU 到貨動態調整，這陣子進不去不算意外。過幾天再試是一條路，但我不想等。

改走 OpenRouter

OpenRouter 也接了 Jev，端點是 /api/v1/systemone，模型名 typesafe/jev-1.13，請求跟回應格式跟官方一模一樣，價格也是 0.042 美元。本來就有 OpenRouter 帳號的人不用另外註冊，這篇的 41 則就是這樣打的。多繞一跳延遲從官方說的 0.1 秒變成我量到的 0.37 秒，選新聞這種用途感覺不到差別。

常見問題 FAQ

Q1：Jev 中文準不準？

是非題準，評分跟分類要看判斷依據怎麼寫。我 41 則繁中英文混合的新聞實測，「這是不是新聞」繁中跟 gemini-2.5-pro 一致 97%；「要不要放」第一版判斷依據只有 62%，改成不需要推論的寫法後到 86%；分類 72%，比英文的 91% 低。官方也明講英文是主要訓練語言。中文可以用，但判斷依據要寫得比給 LLM 的更直觀，而且要拿自己的資料先跑一遍。

Q2：Jev 可以取代 LLM 做選材嗎？

過濾那一段可以，最後決定跟寫摘要不行。同一批 41 則候選，Jev 擋掉 31 則，剩下 10 則跟 gemini-pro 自己挑的 13 則有 9 則重疊，而且每則便宜 400 倍、快 40 倍。但它不能寫摘要、不能解釋為什麼選，所以我的做法是 Jev 先篩，LLM 再決定。

Q3：Jev 一次呼叫可以問幾題？

沒有題數上限，限制是 token：一次請求 state 加所有題目合計 64k token，state 加最長的一題不能超過 32k。所有題目平行評估，state 只算一次錢，官方 cookbook 測過 13 題打包比分開打便宜 12 倍。我這次每則新聞三個問題約 1,000 token，因為題目跟判斷依據都是中文，中文吃的 token 比英文多。

Q4：Jev 的 confidence 跟機率有什麼不同？

機率是每個選項各自的數字，加起來是 1；confidence 是從整個機率分布的集中程度算出來的一個總分，只有 choice 跟 score 題有，noul 本身就是機率所以沒有。官方建議 0.5 以下轉人工、0.9 以上自動執行，但門檻要用自己的資料調。我的分類題實測只有 0.95 以上那桶跟 pro 一致 94%，中間桶不到六成。

Q5：Jev 沒有 API key 怎麼用？

拿 key 有三條路，價格都是輸入 0.042 美元／百萬 token，在 n8n 裡都是一個 HTTP Request 節點的事：

• TypeSafe 官網 console.typesafe.ai 註冊送 5 美元，但這幾天可能顯示額滿（見上面「怎麼註冊 Jev」）。
• OpenRouter 的 /api/v1/systemone 端點，用你原本的 OpenRouter key 就能打，格式跟官方相同。
• Cloudflare Workers AI 也上架了 typesafe/jev。

總結

Jev 是一個只回機率的判斷函式，我拿它做週報選材最前面的三個基本判斷：是不是新聞、放哪類、有多相關，要不要放跟寫點評還是交給 LLM。41 則實測，擋雜訊這件事中文一致率 97%，要不要放在判斷依據改直觀後 86%，每則 $0.00004。它不做推論，判斷依據要直觀到不需要推論；它沒有解釋，所以只拿來篩，不拿來做影響人的決定。週報的下一版就是這樣改。

參考資料

• TypeSafe AI：Introducing System One Models & Jev
• TypeSafe Docs：Jev 1.13 jaggedness（已知缺陷）
• TypeSafe Docs：Models（價格、速率限制、語言支援）
• OpenRouter Docs：TypeSafe SDK Integration
• Simon Willison：Jev introduces a new shape of LLM