循环里的判断题换了价码：Jev 上线一周，当闸门也当判官 (2026)

9 月 15 日，TypeSafe AI 发布了它的第一个 System One 模型 Jev：不生成文本，输入一段状态和一组带类型的提问，返回类型化的答案加概率。1 一周之内，这个东西同时进了两个位置——Agent 循环里的工具闸门，和评测席上的判官。2 3

本期覆盖 9 月 15 日到 9 月 21 日这一周里公开的原始材料：厂商发布说明与模型文档、集成方的开源中间件与实验数据，以及一篇跟进报道。

本期听什么

它要解决的是循环里的判断成本。 语言模型生成一段文本，代码再解析成值；这个模型直接返回带类型的答案和概率，输入每百万 token 四十二美分、输出不计费，官方给的端到端延迟是七十到五百毫秒。1
它落到循环里的三个位置：模型路由（这次请求交给便宜还是贵的模型）、工具闸门（这次工具调用能不能执行）、评测席（给线上流量打分）。前两个已经写进开源中间件，且失败策略相反：路由失败放行，闸门失败关闭。3 4
它的错误是可预期的：读字面意思、不做算术与计数、日期当文本、状态越大越杂越不准、结构不变式不保证、选项顺序会影响答案。5 6
对抗输入能移动它的答案：官方文档写明状态默认不被当作敌意输入；Pydantic 提醒选项顺序参与判断、别名会随版本漂移。5 6
判官席上的一致性与成本：一次五个请求的对照实验里，它的判定与人工标注完全一致，方差比大模型判官低 92–913 倍，同一批判断花 0.34 美元、单次平均 0.44 秒，换 Claude Sonnet 4.6 是 28.17 美元。2

一个不写字的模型，为什么值一次调用

Jev 不是小一号的语言模型。语言模型逐字生成，产出的一段文本还要由代码解析、校验，才变成程序能用的值；Jev 放弃字符串生成，直接返回类型化结果：是非题返回「是」的概率，选择题返回每个选项的概率，打分题返回落在刻度上的位置。同一段状态上的多个问题在一次请求里并行算完，加一个问题的边际成本很低。它训练方式由厂商称为「面向校准决策的强化学习」，官方强调它不会产生类型错误——能返回什么、结构是什么，事先定义好。1

采用速度是这一周里最硬的市场信号。Vercel 的 AI 网关称它是历史上被采用最快的模型：上线二十四小时内，将近 13% 的付费团队在用，用量是 GPT-5.6 家族的两倍、是另一个近期模型的六倍多；厂商创始人 Diogo Almeida 说等待名单上的 14 万人在三十六小时内放完，到 9 月 20 日晚取消等待名单。三天之内，Cloudflare、LangChain 与 Langfuse 都完成了接入。7 8

它落在循环里的三个位置

模型路由挑出这次运行该用哪个模型，判完整个运行都用那一个；技能选择挑出这次请求该加载哪些技能；工具闸门在调用真正执行之前问一次风险与授权。9 这套中间件里两个工程细节值得抄：路由与技能选择失败放行（分类服务不可用不能卡死 Agent），工具闸门失败关闭（分类出错就不执行）；日志只记错误类型、HTTP 状态与请求编号，因为校验类报错可能回显一部分被分类的状态。4

9 月 21 日，它同时成为评测席上的一种判官，可以在 LangSmith 里给线上真实流量打分，每个问题落成一个反馈字段。2

官方自己列出的失败模式

厂商的模型文档把不适合交给它的判断列成了一张表：按字面读提问、算术与计数不可靠、日期按文本读、指令里有间接层次会掉准确率、状态里无关内容越多准确率越低（官方称之为上下文腐化）、结构不变式不保证——同一个问题问成是非题与选择题，两个概率对不上，问成正反两遍，正反概率之和可以超过 1——以及选项顺序参与判断。落地的做法都很朴素：算术、计数、日期先后留在代码里，送进去之前先过滤状态。5

安全上，官方文档写明状态默认不作敌意输入处理，一段刻意引导的文本——注入指令、误导性框架、或者为自己分类辩解的论证——都能移动答案。5 Pydantic 的集成文档补充了两条操作性的提醒：Literal 或枚举选项的顺序是它看到的输入的一部分，调换顺序可能移动答案；别名 jev-latest 会随厂商发版漂移，调好的阈值必须钉在具体版本上。6

判官席上的一致性与成本

LangChain 的一次对照实验用五个天气请求、每个重复一百次来比：Jev 的是非判定与人工标注在 500 次里完全一致，质量分的单案方差为 0.0000149，比 GPT-5.6 Luna 低 433 倍、比 Terra 低 913 倍、比 Claude Sonnet 4.6 低 92 倍；成本 0.00035 美元一次，同一批判断花 0.34 美元，而 Claude Sonnet 4.6 是 28.17 美元；延迟平均 0.44 秒。论文作者给出的结论指标是「准确率乘以可重复性」，并强调方差低本身不等于判得对。2

同一篇报道还指出了值得注意的一点：LangChain 采用的写法是把工具输出排除在分类器输入之外，这样 Agent 抓回来的内容无法给它自己的执行签发许可。8

边界

价格、延迟与加速倍数基本都是厂商自己的口径，第三方验证目前只有 Vercel 的采用数据；判官实验只有一个 Agent、五个请求，实验方自己说结论需要更多场景；工具闸门所在的中间件仍标着实验状态。另外，集成文档提示送去做评测的内容可能被服务商留存（目前没有零数据保留），并且不要把密钥放进工具入参或会话状态。2 5 7

本期基于 2026 年 9 月 15 日至 9 月 21 日公开的一手材料：TypeSafe AI 的发布说明与模型文档、Pydantic 与 LangChain 的集成文档及开源中间件、Vercel 的采用数据，以及 VentureBeat 9 月 21 日的跟进报道（其中的对抗输入演示来自单个集成测试，不是基准）。覆盖窗口为 9 月 15 日至 9 月 21 日。