Jev 是 TypeSafe AI 的結構化判斷模型，本文從註冊、API Key 取得、SDK 呼叫到定價限制，完整說明申請與使用流程，適合開發者與 AI 整合團隊。
Jev 是 TypeSafe AI 於 2026 年 9 月 15 日發表的「System One Model」（系統一模型），由前 OpenAI 研究員 Diogo Almeida 創辦。它不是聊天機器人，也不會生成文字或程式碼；它的唯一任務是將非結構化輸入（客服信件、使用者回饋、Agent 操作紀錄等）轉換成程式可直接使用的「結構化判斷」。
截至 2026 年 9 月 20 日，Jev 已全面開放，不再需要排隊等待名單。任何開發者都可以直接到 console.typesafe.ai 註冊帳號、建立 API Key 並立即開始呼叫模型。
Jev 的核心能力：三種判斷輸出
Jev 的輸出被嚴格限制在三種形式，每項都附帶機率與置信度（Confidence），讓自動化流程能依「把握程度」決定是否放行或交人工複審。
| 輸出類型 | 說明 | 典型應用 |
|---|---|---|
| Choice（選擇） | 從預先定義的選項中挑出最適合的一個（最多 255 個選項），並回傳各選項機率分布。 | 工單路由（支付／退貨／一般客服）、Agent 下一步該呼叫哪個工具、模型路由（fast/standard/frontier）。 |
| Score（評分） | 在指定刻度上給分（例如 0–3 的不滿程度）。 | 使用者情緒評分、內容風險等級、候選方案符合度。 |
| Noul（是非判斷） | 判斷某敘述成立的機率（是／否），回傳「是」的機率。 | 是否為廣告、是否要求退款、是否存在安全風險。 |
如何申請 Jev：註冊與 API Key
步驟 1：註冊帳號
前往 console.typesafe.ai 註冊。新註冊通常贈送 5 美元測試額度，不需綁定信用卡。
步驟 2：建立 API Key
登入後，在控制台建立 API Key。Jev 沒有聊天介面，所有操作都透過 API 進行。
步驟 3：開始呼叫
你可以直接呼叫 POST https://api.typesafe.ai/v1/systemone，或使用官方 Python／JavaScript SDK。若不想透過官方控制台，也可透過第三方閘道（如 OpenRouter、Vercel AI Gateway、Cloudflare Workers AI）直接呼叫 typesafe/jev 模型，這些平台通常也是即時開通。
使用方式：直接呼叫與 AI 助理中介
Jev 沒有聊天介面，最佳實踐是透過 AI 程式助理（如 Claude Code、Codex）作為中介，安裝 TypeSafe Skill 後用自然語言下達判斷任務。
安裝指令：
npx skills add typesafe-ai/skills --skill typesafe-ai
安裝後，在對話中說「使用 TypeSafe skill」，再提供你的資料與判斷規則，助理會自動幫你組出符合 Jev 格式的請求。
定價與效能
| 項目 | 數值 |
|---|---|
| 輸入價格 | 每百萬 Token 0.042 美元（約每十億 Token 42 美元） |
| 輸出價格 | 免費 |
| 端到端延遲 | 70–500 毫秒 |
| 速度比較 | 比頂尖 LLM 快 20–200 倍 |
| 成本節省 | 在「System One」任務中，官方宣稱成本可降低 40–400 倍 |
已知限制與注意事項
- 輸出：僅回傳結構化決策（Choice、Noul、Score），不支援一般文字生成。
- 輸入：僅接受文字輸入，不能看圖。
- 速率限制：官方頁面動態調整，可能無預警變更。企業或高用量客戶可聯繫取得更高配額。
- 整合成本：若已使用訂閱制 AI 助理（如 Claude Code），插入 Jev 可能因額外代理層而增加延遲與成本，需實際測算 ROI。
給臺灣開發者的建議
- 用真實資料盲測：拿歷史資料人工標註答案，測試 Jev 在 70–90% 置信度區間的實際準確率。
- 整合到既有 Agent Harness：透過 LangChain、Vercel AI SDK 或 pydantic-ai 等框架的 Jev 接入層快速 prototyping。
- 評估延遲與成本：在正式採用前，先以實際工作負載測試延遲與成本是否符合預算。
結論
Jev 不是通用 LLM，而是專為「高頻、小判斷、需結構化輸出」場景設計的決策模型。它的申請流程簡單、定價極低、延遲極短，非常適合客服路由、內容分類、風險判斷等自動化任務。若你的專案需要快速、便宜且可驗證的結構化判斷，Jev 值得一試。