Jev 是什麼？TypeSafe 決策模型、新手教學、費用與中文操作範例

Jev 是 TypeSafe AI 開發的 AI 決策模型，主要替軟體做分類、評分與是非判斷，例如讀完一封詢問信，判斷它是影片製作詢價、企業內訓邀約，還是需要人工查看的其他訊息，再把結果交給後續程式處理。

第一次接觸，我建議新手從「替詢問信分類」開始，你能清楚定義選項，也容易檢查答案，下面會提供可以複製的繁體中文範例，帶你看懂 Jev 的用途、費用，以及如何在網頁介面完成第一個練習。

Jev 已開放所有人註冊。 TypeSafe 官網在 2026 年 9 月 20 日宣布取消候補名單，現在可以直接建立帳號，不必再等白名單邀請。開放註冊與使用費用是兩件事，計費方式會在後面說明。

快速找答案

• Jev 和 ChatGPT 差在哪？
• 分類、評分、是非判斷，該選哪一種？
• Jev 怎麼用？繁體中文操作練習
• Jev 費用怎麼算？
• 支援中文嗎？分錯時怎麼改？
• 什麼工作值得用 Jev？
• 常見問題 FAQ

Jev 和 ChatGPT 差在哪？

Jev 的主要用途，是把讀懂文字後的判斷，交回程式使用，TypeSafe 將這類模型稱為 System One Model，你提供資料與問題，它回傳固定選項或數值。

假設你經營一間工作室，每天收到不同詢問，有人要拍影片，有人想邀請講師，也有人只寫「想合作」，你需要先決定誰接手，再開始回覆與安排，Jev 適合放在這個分流步驟。

你要完成的工作	我的建議	原因
替新企劃發想、寫介紹文或草擬回信	使用擅長文字生成的 AI	你需要一段完整內容
從固定類別中判斷詢問應交給誰	可以測試 Jev	你需要的是分類結果
表單已經勾選「企業內訓」	直接用表單規則分流	資料已有明確答案，不必再請模型猜
決定接不接案、承諾價格與交期	由負責人確認	這牽涉產能、商業條件與承諾

一般大語言模型也能

Jev 可以做哪三種判斷？分類、評分、是非判斷

先記中文用途就好：TypeSafe 的三種題型分別是「分類（Choice）」「評分（Score）」與「是非判斷（Noul）」。

你選題型時，只要先問自己：我需要一個類別、一個程度，還是一個是非答案？

假設收到一封食品品牌的信，對方想做 30 秒新品影片，請你提供報價，並希望本週五前回覆，同一封信可以提出三個不同問題：

你想知道什麼	選哪種題型	結果拿來做什麼
這是製作詢價、課程邀約、內容合作，還是其他需求？	分類（Choice）	分派給合適的服務窗口
對方催促回覆的程度有多強？	評分（Score）	在同類詢問中，安排人工查看的順序
對方有沒有明確要求報價？	是非判斷（Noul）	提醒承辦人準備費用資訊

三題都讀同一封信，但各自回答自己的問題。

分類（Choice）：從你列好的選項中選一個

你先列出「製作詢價、課程邀約、內容合作、其他」，並說明各自範圍，Jev 再判斷這封信最接近哪一類。

分類結果會包含選中的類別與各選項的機率，例如選到「製作詢價」，後續流程就可以替信件加上這個標籤。

客戶委託製作「員工教學影片」，要交付的是影片，應歸製作服務，邀請你到公司「教員工拍影片」，要交付的是課程，才歸課程邀約。不能只看到「教學」或「影片」就決定類別。

我也會保留「其他」，承接資訊不足或沒有明確主次的多重需求，讓流程有地方把案件交回人工查看。

評分（Score）：依你定義的等級，判斷程度

要安排回覆順序，可以問「對方催促回覆的程度有多強？」先把判斷標準寫清楚：

等級位置	具體判斷標準
0	沒有提出回覆期限，也沒有催促回覆
1	提出回覆期限或希望儘快回覆，但沒有要求立即處理
2	明確要求立刻、馬上或立即回覆

這封信寫「希望本週五前收到初步回覆」，按照我們設定的規則，人工預期會接近第 1 級。

Score 的等級從 0 起算，三個等級就是 0、1、2。分數依各等級的機率加權計算，因此可以有小數：假設第 1 級占 60%、第 2 級占 40%，分數會是 1 × 0.6 + 2 × 0.4 = 1.4。

1.4 是這組等級上的分數位置。 這組分數範圍是 0～2，數值越高代表我們定義的催促程度越強，並不表示模型答對的機率。

是非判斷（Noul）：判斷一個條件是否成立

如果只想知道「這封信是否明確要求報價」，就用 Noul。它回傳 0～1 之間、代表回答「是」的機率：

示意數值	可以怎麼讀
0.98	模型非常傾向回答「有要求報價」
0.50	「是」與「否」的機率接近，需要查看原文與問題定義
0.02	模型非常傾向回答「沒有要求報價」

0.98 不是整個系統有 98% 正確率，0.50 也不是客戶「有一半想報價」。Noul 回答的是你提出的這一道是非題，沒有另外一個 confidence 欄位。

記得分清楚：問「有沒有要求立即回覆」是是非判斷，問「催得多急」才需要評分。如果只要前者，用一題 Noul 就夠了。

Jev 怎麼用？從註冊到第一個繁體中文練習

Playground 是可以在瀏覽器直接操作的測試介面，第一次練習不用先寫程式。

以下依官方快速開始文件設計，使用虛構詢問信與人工預期答案，方便你照著練習與核對。

建立帳號，進入 Playground

到 TypeSafe 官網選擇「Create your account」，或直接開啟 Playground 入口。（官方已取消候補名單，不必申請白名單）

入口頁提供 Google 與電子郵件選項，依畫面完成註冊或登入後進入 Playground。若帳號提示需要設定計費或購買額度，先查看費用與用量條件，開放註冊不代表所有模型請求都免費。

貼上待判斷的資料（State）

State 就是「這次要給模型讀的內容」，先放一封信即可，可以複製以下內容：

我們是台灣的食品品牌，想委託製作一支 30 秒新品介紹影片，
預計下個月在社群投放，現在已有產品照片。
請提供製作流程與報價，希望本週五前收到初步回覆。

這次會練習三件事：分派服務類別、判斷回覆催促程度，以及確認對方有沒有要求報價。先把問題限定在信裡已寫出的內容。

接下來會遇到三個欄位名稱：資料（State）放信件，問題指令（Instructions）放你要問的事，判斷標準（Criteria）放分類選項或評分等級。是非題則直接用指令描述要判斷的條件。

新增分類題（Choice），設定選項

新增 Choice 題型，把下列文字放進問題指令（Instructions）：

根據來信要求我們完成的工作，選擇一個最合適的分類。
不要只靠單一關鍵字判斷，要看對方想要的交付內容。
若同時提出兩種不同服務，且沒有明確主次，選「其他」。
若資訊不足以辨認需求，也選「其他」。

再將以下選項及說明，分別填入分類標準（Criteria）：

選項	分類標準
製作詢價	委託影片、動畫或設計製作，詢問流程、時程或價格，包含委託製作教學影片
課程邀約	邀請講師授課、演講、帶工作坊，或替組織安排教育訓練
內容合作	提議聯名、贊助、內容交換或共同推廣，主要工作不是委託製作或邀請授課
其他	不符合以上類別、資訊不足，或同時要求不同服務且沒有明確主次

以這封信來說，我們人工預期的分類是「製作詢價」，理由是對方要委託一支新品影片，並要求流程與報價。

如果介面需要替問題命名，可以取名為 request_type，但真正的判斷規則仍要填進指令與分類標準，Choice 文件說明，問題 ID 只是辨認答案的名稱，不會送給模型當作指令。

新增評分題（Score），設定催促程度

新增 Score 題型，問題指令可以直接複製：

這封信對回覆的催促程度有多強？
只根據信中對回覆時間的要求判斷，不推測寄件人的情緒。
不要把影片交件時間當成要求我們回信的時間。

將下面三行依序填成三個評分標準，由低到高排列：

沒有提出回覆期限，也沒有催促回覆。
提出回覆期限或希望儘快回覆，但沒有要求立即處理。
明確要求立刻、馬上或立即回覆。

介面若需要問題名稱，可以填 reply_urgency。等級位置由排列順序決定，規則要寫成上面的完整描述，只填「低、中、高」會讓模型缺少具體依據。

新增是非題（Noul），判斷是否要求報價

新增 Noul 題型，指令可以寫：

來信是否明確要求我們提供報價、費用或價格資訊？
只根據這封信已寫出的需求判斷。

介面若需要問題名稱，可以填 needs_quote。這題確認回覆時要準備哪些資訊，與服務分類、催促程度各自回答不同問題。

執行後，逐題核對結果

完成問題設定後執行，先依下面三項核對，不要要求模型一定回傳某個特定小數。

要檢查的結果	這封信的人工預期	回頭核對哪句話
分類（Choice）	製作詢價	想委託製作一支 30 秒新品介紹影片
評分（Score）	接近第 1 級	希望本週五前收到初步回覆，未要求立即處理
是非判斷（Noul）	傾向回答「是」	請提供製作流程與報價

上表是人工預期，不是模型執行紀錄。若實際結果不同，先保存原文、問題設定與回傳答案，再檢查分類邊界或評分標準。

用六筆資料，檢查規則是否寫清楚

把以下每列訊息輪流換進 State，沿用同一組問題與分類標準，第三欄是人工預期的「是否要求報價」，不是模型回傳的機率值。

練習訊息	人工預期分類	人工預期是否要求報價
想委託拍一支新品影片，請提供製作報價	製作詢價	是
想邀請講師替公司上兩小時 AI 課程，請問費用？	課程邀約	是
我們有一份工具電子報，想交換文章推薦，請問有興趣嗎？	內容合作	否
想談合作，方便聯絡嗎？	其他	否
想請你製作三支員工教學影片，內容由我們提供，請估價	製作詢價	是
想委託品牌影片，也想安排一場內訓，兩項都請提供報價	其他	是

第五筆用來檢查模型會不會被「教學」兩字帶走，第六筆則檢查它能否遵守多重需求的分流規則，把沒有主次的來信交給人工處理。

你可以增加一欄記錄 Jev 實際回覆，若改過分類標準，就把六題重新跑一遍，確認修好一題時沒有弄錯另一題，這組練習用來理解操作，正式評估時還要另留一批沒有拿來改規則的真實樣本。

Jev 費用怎麼算？先分清楚單價與用量

TypeSafe 的模型與價格文件列出，Jev 1.13 的輸入價格為每 100 萬 tokens 0.042 美元，輸出 tokens 免費。

假設每次請求的資料、問題與分類標準合計為 1,500 個輸入 tokens，每筆只呼叫一次，可以這樣估算：

處理筆數	假設總輸入用量	模型輸入費用
100 筆	150,000 tokens	US$0.0063
1,000 筆	1,500,000 tokens	US$0.063
10,000 筆	15,000,000 tokens	US$0.63

算式是「總輸入 tokens ÷ 1,000,000 × 0.042」，上表是用量假設，不是前面六題的測試帳單，實際費用要計入你送出的資料與問題，重試會增加用量，串接平台、其他模型與人工處理費用則另外計算。

想進一步理解官方的速度比較與創辦人背景，可以接著閱讀 Jev 的速度與費用分析，把入門操作與效能評估分開看，會更容易判斷自己需不需要導入。

Jev 支援中文嗎？分錯時先檢查這些地方

Jev 能處理中文文字，但官方語言說明指出，英文是主要訓練語言，目前效果最好，繁體中文的口語、產業用語與混合需求，要用自己的樣本檢查，不能直接套用英文案例的表現。

假設你把分類設成「企業／課程／其他」，一封「企業想安排課程」的信，同時符合前兩項，這時應先修分類方式，讓每個選項對應不同服務，再重新測試。

遇到的狀況	可以怎麼改
製作教學影片，被分成講師邀約	明寫「看對方要的交付內容」，並在製作類別補上教學影片
一封信同時談影片與內訓	在指令定義主次規則，無主次就先選「其他」
只有「想合作」也被分成某項服務	加入資訊不足的出口，避免替對方補出未說明的需求
選了正確類別，後續卻沒有動作	檢查工作流程是否接上，分類答案本身不會移動信件

如果資料來自照片、錄音或影片，要先用其他工具轉成文字，Jev 1.13 接受文字輸入，不能直接閱讀影片畫面，轉錄漏掉的條件也會影響分類。

什麼工作值得用 Jev？

我的判斷是：當同一種文字判斷會大量重複，答案能事先定義，而且你有資料可以核對結果時，Jev 才有清楚的測試價值。

例如品牌收到大量自由填寫的詢問、課程平台要分派學員問題，或團隊每天要替新文件歸類，都可以先挑一個步驟測試，如果表單本來就有完整分類，直接用現有欄位處理通常更省事。

從前面的練習走到自動化，可以分成以下幾步：

1. 表單或信箱把新訊息交給流程。
2. 流程把文字與問題送給 Jev。
3. Jev 回傳服務類別與是否要求報價的判斷。
4. 流程依結果寫入待辦表，無法明確分類的訊息交給人查看。
5. 回覆文字由人員或文字生成模型草擬，價格與交期由負責人確認。

這和企業導入 AI 影音工作流程的思考相通：先找到卡住的一段，定義好輸入與完成標準，再決定用哪個工具，Jev 在這裡負責的是文字判斷這一段。

總結：先用小題目測，不要一開始就自動化

Jev 適合處理「答案可以先定義」的重複文字判斷。新手可以先用一封詢問信練習分類、評分與是非判斷，再用六筆資料檢查規則是否清楚。

真正要導入工作流程前，先確認三件事：輸入資料是否穩定、錯誤答案由誰檢查，以及分類結果接到哪個後續動作。這三件事沒想清楚，只追求模型費用很低，通常不會讓流程變好。

---

推薦閱讀

• Jev 是什麼？前 OpenAI 研究者打造的決策 AI，他如何又快又便宜？：進一步理解團隊背景與公開測試數據。
• Skill、MCP、API 是什麼？三者差別與三層架構一次看懂：從實際工作找出可以改變的步驟。
• OpenAI DevDay 2026：Dots、Codex 與 Agents API 讓 AI 接手長任務：看企業如何把 AI 接進內容與品牌流程。

---

參考資料

• TypeSafe：官方首頁與開放註冊公告
• TypeSafe：Jev 與三種題型介紹
• TypeSafe：Playground 與 API 快速開始
• TypeSafe：Choice 分類與選項設計
• TypeSafe：Score 等級與分數解讀
• TypeSafe：Noul 是非機率
• TypeSafe：Confidence 的意義
• TypeSafe：模型價格、輸入與語言支援

常見問題 FAQ