TypeSafe Jev：System One 模型实测拆解

这期讲了什么

• Jev 是第一个公开的 System One 模型：不聊天、不写文章、不写代码，只对你预先定死的问题和候选答案给带概率的选择，官方支持 Choice、Score、Noul 三种问法；9 月 15 日上线，目前还在排队申请阶段
• 快 193 倍、便宜 444 倍是真的，但讲的是速度和价格不是聪明：自家公开评测表里 Jev 准确率 67.8 排第五，前两名是两家海外旗舰（74.1 和 73.1）
• 和某海外中档旗舰同分 67.8 的那一行才是重点：成本 0.1174 美元对 0.0004 美元差近 300 倍，耗时 78.1 秒对 0.4 秒差近 200 倍
• 「零幻觉」指的是类型安全：答案一定落在你事先定好的选项里，数学上保证，但不等于判断永远对；官方文档列了九条会栽的地方：不会数数、不会算数、比日期先后不可靠
• 评测站自己跑出的可复用结论：所有模型把规则拆成几个小问题分别问，都比一大段提示词更准更便宜更快（51.9→66.8、18.1→53.6）；这家公司自己把不利数据一条条写了出来

文字稿

Jev 是什么：不生成字的 System One 模型

TypeSafe 这家公司发了个不会说话的 AI 模型，名字叫 Jev。九月十五号上线，Jev 不聊天、不写文章、也不写代码，一个字都不生成。首页正中间挂着一行巨字，念出来就是：快一百九十三倍、便宜四百四十四倍。你刷到这行巨字会怎么想？我当时的原话是两个字，吹牛。

可我的怀疑没撑住。TypeSafe 把完整的评测数据全公开挂在网上。一家敢吹几百倍的公司，主动交出了自己的成绩单。先说清楚，Jev 还在排队申请阶段，你用不上。但 TypeSafe 公开的那份数据里，有一条结论今天就能用，跟你用哪个 AI 都无关。那张表上到底写了什么？

Jev 跟聊天机器人不是一回事。你平时用 AI，是打一段话、等一段话回来。Jev 反过来，你先把问题和可选答案都定死，Jev 只负责在里面挑一个，再告诉你有多大把握。

能接的问题就三种。一种是从你给的候选里挑一个，官方叫 Choice；一种是你给一张量表让它打分，官方叫 Score；还有一种你问一句话是不是真的，官方叫 Noul，回你一个零到一的数。

官方给的速度是端到端 70 毫秒到 500 毫秒。换成手感：按下回车，答案几乎跟松手同时。价格上更狠，输入这头 42 美元管十亿个词块——词块就是 AI 算账时把文字切成的小块；输出免费，官方说便宜到不值得计量。

快 193 倍便宜 444 倍是真的吗

讲到这里，得把一样东西摊开了。我打开那张表，看到 Jev 的位置在第五行，准确率 67.8。表上还有两行更值得看：最前面的是某海外头部公司的旗舰款，74.1；紧跟的是另一家海外头部公司的旗舰款，73.1。

那张表上还有一行，是这期最该看的。Jev 的准确率 67.8，跟某海外头部公司的中档旗舰同分，一个数字都不差。同一个分数，成本那一栏一边是 0.1174 美元，一边是 0.0004 美元，差了将近 300 倍；耗时那一栏 78.1 秒对 0.4 秒，快了将近 200 倍。

所以首页那两个巨大的数字，讲的是同一件事：同样的成绩，便宜了几百倍、快了两百倍。这两个倍数一个都没编，说的都是钱和时间，不是谁更聪明。

更让我意外的是 TypeSafe 自己做的事。这些数据的毛病，是这家公司一条一条写出来的：速度那一栏的备注写着评测是在我们自己家的笔记本上跑的；定价那一栏写着我们不能证明这里面没有补贴；评测本身写着自家团队做的，可能存在偏见。官方博客里还有一句原话：我们喜欢怀疑论者，我们自己就是怀疑论者。我本来准备去拆台的，结果这家公司自己把证据摆了出来。

「零幻觉」的边界和今天就能用的结论

这儿得说准一句。官方喊的零幻觉，说的是类型安全：Jev 的回答一定落在你事先定好的那几个选项里，不会冒出第四个，这个是数学上保证的。但这不等于 Jev 判断永远对。官方文档里专门留了一页，标题就叫 Jev 这一版的毛病，头一句写着 Jev 并不完美，下面列了九条会栽的地方：不会数数、不会算数、比日期先后不可靠。那张表上那个 67.8，就是会错的部分。

回到那张表，评测站自己的结论是一句话。先说清楚提示词是什么：就是你在聊天框里打的那一整段话。结论是，每一个模型，不管哪家的，把规则拆成几个小问题分别问，都比把同样的规则写成一大段提示词，更准、更便宜、也更快。

两个数字最能说明。某海外中小档模型，写一大段提示词是 51.9，拆成小问题之后是 66.8；另一个小档模型更夸张，原来是 18.1，拆完变成 53.6。

官方还给了一个办法。你别问 AI 一个笼统的问题，比如说给这个创业项目打个分；拆成三个小问题分别问：市场有多大、技术做不做得出来、跟别人比有什么不一样，再用你自己的公式把三个分数合起来。好处在哪？哪天你觉得市场规模更重要了，改你公式里的一个数字就行，不用重写那一大段提示词。

落点很清楚：别再写一大段提示词让 AI 一次干完，拆成几个小问题分别问，再用你自己的规则合起来。这条不需要 Jev，不需要排队，也不花钱。你手上任何一个 AI 聊天框今天就能试：把平时那一大段拆成两三个小问题分别问一遍，再自己把答案合起来对比一下。

所以我现在看这类首页，第一眼不看倍数，先看表里有没有把不利的数字也列出来。一家公司敢把排第五的成绩单挂出来，这件事本身，比那两个倍数更值得记住。你手上那段最长的提示词，能拆成哪几个小问题？

常见问题

System One 模型是什么？

指不生成文字、只做判断的模型。你先把问题和候选答案定死，它只在里面挑一个并给出把握概率——Jev 支持候选挑选（Choice）、量表打分（Score）、判断真假（Noul）三种问法，响应只要 70 到 500 毫秒。

Jev 快 193 倍便宜 444 倍是真的吗？

是真的，但指的是速度和价格，不是更聪明。它和某海外中档旗舰同分 67.8，成本低近 300 倍、快近 200 倍；在自家公开的表里准确率只排第五，前两名都是别人家的旗舰。

Jev 的零幻觉是什么意思？

是类型安全的意思：回答数学上保证落在你事先定好的选项里，不会冒出第四个。但不等于判断永远对——官方列了九条缺陷，不会数数、不会算数、比日期先后不可靠，评测里 67.8 的准确率就是会错的部分。

提示词怎么写更准？

把一大段提示词拆成几个小问题分别问，再用自己的规则合起来。评测显示所有模型都这么干更准更便宜更快：有的从 51.9 提到 66.8，有的从 18.1 提到 53.6。要调权重时改公式里的一个数就行，不用重写整段提示词。