JEV 是什么：一个不写字、只做判断的模型（附我的调试台 jev.fishmaple.cn）

JEV 是什么：一个不写字、只做判断的模型（附我的调试台 jev.fishmaple.cn）

先放链接：jev.fishmaple.cn。这是我前两天搭的一个小调试台，叫 Jev Lab。打开就能用，填一个 OpenRouter 的 Key，就可以直接在浏览器里调 JEV。这篇想聊聊 JEV 到底是个什么东西，它跟传统分类器、重排序差在哪，以及九月它出来之后，OpenAI、微软、Cloudflare、阿里、Perplexity 这些大厂怎么对标的。

第一次看到 JEV，我以为又是个聊天模型

九月中旬刷 OpenRouter 的模型列表，看到一个叫 typesafe/jev-1.13 的东西，上线日期是 2026 年 9 月 18 日。价格那栏把我看愣了：输入每百万 token 0.042 美元，输出是 0。

输出免费？我第一反应是标错了。点进去才发现，它压根不输出文字。官方的说法是 TypeSafe 家的第一个“System One”模型。你给它一份上下文，再问它几个有固定格式的问题，它回你的是一个选项、一个档位或者一个概率，没有一句废话，也没有推理过程。文档里有个 FAQ 问得很直接：JEV 是 LLM 吗？答案是“不是”。

说实话，“System One”这个名字我一开始觉得有点玄，大概是借了“系统 1 / 系统 2”那套快思考、慢思考的说法。但用了几次之后，我觉得这个名字还挺贴切：它就是干那种不用想太久、但得快和准的判断。

它能干什么：三种问题，叫 Choice、Score、Noul

JEV 只认三种问题，文档里管它们叫 primitive：

Choice 是“从这几个里选一个”。你给出候选项和每个候选项的描述，它返回选中的那个，外加每个选项的概率和一个 confidence。我在调试台里看 app.js 的校验，候选项最少 1 个，最多 255 个。

Score 是“落在哪一档”。你按从低到高写 2 到 10 个档位描述，它返回一个按概率加权的位置，还有每一档的概率。比如愤怒程度分“平静、克制的不满、强烈愤怒”三档，它可能回你 2，也可能回 1.4 这种中间值。

Noul 是“是不是”。名字很怪，我猜是 null 和 bool 的某种谐音梗，官方没解释，这只是我瞎猜。你写清楚 true 和 false 各自的标准，它只回一个数：条件成立的概率。

最让我觉得顺手的一点是，这三种问题可以塞进同一个请求里，共享一份上下文（文档里叫 state）。文档特意强调，同一请求里的问题是并行回答的，互相看不到对方的答案。所以一条客服工单进来，“这是什么诉求”“用户有多生气”“是不是在说重复扣款”可以一次问完，各问各的，不会互相带偏。

一份 state，三个问题，三个各自带概率分布的答案。图里的数值是调试台内置示例响应，不是实测。

为什么我要做 jev.fishmaple.cn

原因挺朴素：JEV 不走 OpenAI 那套 chat completions 接口，走的是 OpenRouter 单独开的 Decisions API，地址是 POST https://openrouter.ai/api/alpha/decisions，路径里还带着 alpha。平时顺手用的那些聊天客户端全都接不上。想试一个问题，我得开终端拼 JSON。criteria 里少个引号，就要回头改半天。

拼了几次之后我烦了，干脆写了个页面。现在 jev.fishmaple.cn 上大概是这样：

Jev Lab 首屏：左边配请求，右边看结果。图里已经点了“载入示例请求”。

我自己一般这么用。先点右上角“载入示例请求”，它会塞进来一条客服消息：“你们重复扣了我两次钱，我非常生气，请马上退回多扣的钱！”，还有 intent、anger、duplicate_charge 三个问题，正好 Choice、Score、Noul 各一个。然后我就开始改：把 state 换成自己手上的真实数据，把选项改成自己业务里的分类。

问题区域有“可视化”和“JSON”两种编辑方式。可视化模式下，Choice 一行一个候选项，Score 一行一档，还能上下挪顺序。Noul 的 true/false 两行是锁死的，删不掉，因为 API 本来就要求两个都有。要是改着改着想看原始请求，切到 JSON 就行，两边会同步。

发请求之前不用填 Key 也能玩：点右侧的“预览示例响应”，能看到结果长什么样。Choice 显示选中项和一排概率条，Score 显示加权分数和每一档的概率，Noul 显示“是”的百分比。真发请求的话，下面还会列出这次的耗时、输入输出 token 和费用。费用是从响应里的 usage.cost 读出来的，精确到小数点后八位，因为真的太便宜了。

还有几个是我自己用着用着加上的：

Key 只放在页面内存里，刷新就没了，导出 JSON 的时候也不会带上，请求是浏览器直连 OpenRouter 的。我不想做一个替别人保管 Key 的东西，这点我比较在意。

“复制 c URL”能一键把当前配置变成命令，Key 那里写的是 $OPENROUTER_API_KEY 这个环境变量。调好了直接贴进脚本，不用再手拼。

“高级参数”里能填 provider、session_id、user、trace 这些 OpenRouter 的通用字段。超时可以设 1 到 600 秒，请求发出去之后也能取消。

贴一个调试台导出的最小请求，跟页面里的示例是一致的：

curl --request POST 'https://openrouter.ai/api/alpha/decisions' \
  --header "Authorization: Bearer $OPENROUTER_API_KEY" \
  --header 'Content-Type: application/json' \
  --data-raw '{
  "model": "typesafe/jev-1.13",
  "state": {
    "message": "你们重复扣了我两次钱，我非常生气，请马上退回多扣的钱！",
    "customer_tier": "enterprise"
  },
  "questions": {
    "intent": {
      "type": "choice",
      "instructions": "判断用户的主要诉求。",
      "criteria": {"refund": "要求退回款项。", "shipping": "查询物流或配送。", "other": "其他诉求。"}
    },
    "anger": {
      "type": "score",
      "instructions": "判断用户表达出的愤怒程度。",
      "criteria": ["语气平静，没有表达不满。", "表达不满，但语气克制。", "明确表达强烈愤怒。"]
    },
    "duplicate_charge": {
      "type": "noul",
      "instructions": "用户是否在报告重复扣款？",
      "criteria": {"true": "用户表示同一笔消费被扣款多次。", "false": "用户没有报告重复扣款。"}
    }
  }
}'

返回大概长这样（结构以官方文档为准）：answers.intent 里有 choice、confidence、probabilities；answers.anger 里有 score 和每档的 probabilities；answers.duplicate_charge 只有一个 noul 数值。外面再包一层 model、provider、usage。

它和传统分类器、重排序模型到底差在哪

这个问题我被朋友问过好几次。乍一看都是“给文本打标签、打分”，好像差不多，真用起来差别挺大。

这张图还是原先那套：传统分类器、重排序、JEV 三者的输入输出差在哪。后面大厂对标那一节另有一张表，别混在一起看。

先说传统分类器，就是拿 BERT 一类的模型、用自己的标注数据微调出来的那种。它的优点我很认，一旦训好，又快又便宜，还能私有化部署。OpenRouter 自己做的那份评测里也承认，在 Banking77 这个数据集上，JEV 和 Claude Opus 5 都没跑过专门微调的编码器模型。但它的麻烦也很明显：标签是训练时就定死的。产品经理哪天说“加一个‘催发票’分类”，你就得重新标数据、重新训一遍。

重排序模型（reranker）是另一回事。bge-reranker、Qwen3-Reranker、Cohere Rerank、Jina Reranker 这些，干的活是“给一个 query 和一堆候选文档，按相关性重新排一遍”。它输出的是每个文档一个相关分，回答的只有一个问题：谁更相关。在 RAG 里它非常好用，可你要问它“这条消息是不是在投诉重复扣款”，就不太对路了。硬拿来用当然也行，把每个标签描述当成“文档”去排，不过那是在拧螺丝刀当锤子用。

JEV 的位置，我的理解是夹在中间偏另一侧：标签和标准不在训练里，而是每次写在请求里。今天三个选项，明天五个，改的只是 JSON。而且它一次能问好几个不同类型的问题。官方文档有句话我觉得说得很准：它替代的是“问 LLM 一个窄问题、再从它的回答里抠出标签”这一步。

我自己的归纳，部署和适用场景这两行带主观判断。

说到“准不准”，OpenRouter 九月下旬发过一篇对比文章，数据我觉得挺实在。在 Banking77（77 个意图、3080 条测试）上，JEV 1.13 准确率 81.0%，Claude Opus 5 是 84.4%，JEV 低了 3.3 个点。但 JEV 的中位延迟是 175 毫秒，Opus 是 2266 毫秒，每千次请求的成本分别是 0.11 和 2.42 美元。他们还试了个级联：JEV 的 confidence 低于 0.90 的才交给 Opus，准确率能到 84.0%，成本降到每千次 0.69 美元。文章自己也说了，这个级联结果是在同一个测试集上调出来的，算偏乐观的上限。

还有一个细节我觉得必须说：模型页写的是“calibrated probabilities”（校准过的概率），但那篇评测说它的 confidence 并不是严格校准的概率，在中间区间会高估自己。好在排序能力不错：confidence ≥ 0.99 的那 58% 样本，准确率有 96.3%。所以我的用法是，阈值别拍脑袋，拿自己的一小批标注数据去试出来。

另外有个数字对不上：OpenRouter 的模型页写的上下文是 64K，Jev 的文档页写的是 32,000 token。我不确定哪个是最新的，用之前最好自己确认一下。

JEV 出来之后，大厂怎么对标

九月中旬的时候，OpenRouter 的 Decisions 这条线上几乎就只有 JEV 一家。到十月初，事情一下子热闹起来：OpenAI、Cloudflare、微软、阿里百炼、Perplexity，再加上 Upstage，陆续都扔出了同一类东西——不写字、只出带类型判断的 decision model。OpenRouter 现在专门有个 Decisions 排行榜，JEV 请求量还是第一，但后面一串新名字都已经挤进来了。

先用一张表把几家摆在一起（价格都是每百万输入 token；输出基本都是免费，因为它们根本不吐文字）。数字以公开页为准，我没做跨厂商实测：

价格和上下文会变，阿里那行“限时免费”尤其可能随时改。我没有自己跑过跨厂商对照评测，上面只是公开资料的对照。

OpenAI · GPT-6 Luna Decisions。 十月六号上的。它走的是 OpenAI 自己的 Decisions API（/v1/decisions，目前还是 beta），在 OpenRouter 上也能调，模型名 openai/gpt-6-luna-decisions。和 JEV 一样给 choice / score，是非题在 OpenAI 那边叫 predicate，到 OpenRouter 就映射成 noul——名字不一样，意思差不多。贵一点，大概 0.10 美元每百万输入；但上下文一下子拉到大约 105 万，而且能吃图。适合已经在 OpenAI 体系里、上下文又特别长的场景。我没专门拿它和 JEV 对打过准确率。

Microsoft · Microsoft-Decision-1。 十月九号，Azure AI Foundry 和 OpenRouter 两边都能看到。价格跟 JEV 一样是 0.042，上下文 32K，纯文本。公开材料里说它是从 Qwen3.5-9B 后训练出来的，还声称在一组 36 项盲测里排第一。具体盲测清单和对照对象我没逐条核对，先当厂商说法听着。想找“跟 JEV 同价、微软生态里能用”的选项，可以盯一下这个。

Cloudflare · Clef（还有个 Clef-flash）。 十月一号的博客里直接点名 Typesafe Jev，说自己是同一类。最大的差别是 Apache 2.0 开源，权重在 Hugging Face 上，Workers AI 也能托管，而且号称 Jev-API 兼容——接口形状差不多，换 endpoint 和 model 就能试。支持多模态，上下文大概 64K 到 66K。托管价大约 0.24 美元每百万输入，比 JEV 贵一截。社区有人提到长文本时 Workers AI 侧可能截断，自己用的时候最好压一下输入长度。想自建、或者数据不能出内网的，Clef 这点挺有吸引力。

阿里百炼 · decision-model-preview。 文档大概十月十一号前后能看到，走的是 System One 那套路，接口在 compatible-mode/v1/systemone。上下文 65536，推荐单次请求问题数别超过 16。现在标的是限时免费——这个词我特意写出来，过两天可能就变了。中文业务、已经在百炼上的团队，这条路径最省事。

Perplexity · Decider V1.1 27B。 十月七号，27B，价格看到的是 0.02 美元每百万输入，比 JEV 还低一截；上下文 262K，多模态，单次最多大概 128 个问题。OpenRouter 的 Decisions 排行里请求量已经能排到前面。便宜、上下文也够用，值得拿自己的数据摸一下。

Upstage · Solar Decide（可选）。 九月二十八号，也是 System One 这一路，上下文 512K，韩文场景口碑不错，价格大概在 0.05 到 0.10 之间。中文主力场景我未必会优先选它，但如果你业务里韩文占比高，可以放进候选。

几个公开数字我得老实交代一下：JEV 的 64K 和 32K 对不上；“校准概率”是模型页说法，OpenRouter 那篇 Banking77 评测并不完全认；OpenAI 的 predicate 和 OpenRouter 的 noul 是同一类是非题的不同叫法；阿里的限时免费随时可能改；Cloudflare Workers AI 长文本有截断的反馈。另外，我没有自己做跨厂商基准测试，上面的准确率、速度对比都是各家自己的材料或第三方文章，别当成我的实测。

不是对标、别混

还有几样东西经常被跟人一起提，但我觉得不该塞进上面那张表：

重排序模型——Jina Reranker、Cohere Rerank、Qwen3-Reranker——干的是“query 对文档谁更相关”，不是“按你写的标准做判断”。跟 JEV 是互补，不是替代。

安全护栏——gpt-oss-safeguard、Qwen3Guard、Llama Guard——只管安全策略这一维，会生成文字或标签，不是通用的 Choice/Score/Noul 决策模型。

typesafe/jev-router 是基于 JEV 做的路由应用，按质量、速度、成本帮你挑模型和推理强度。它是应用，不是另一个决策模型。

再往外说，Gemini 的 structured output、Anthropic 那套分类器接口，本质还是让聊天模型按 schema 吐结果，跟“非生成、只出带概率的判断”不是一类东西。别因为都能“出结构化结果”就混着比。

我会在哪用它，哪里不会

我会用它的地方：工单分流，Agent 调工具前先问一句“这个操作和用户原始请求对得上吗”，批量给评论打标签，还有“便宜模型先答、JEV 校验、不过关再升级大模型”这种级联。OpenRouter 的 cookbook 里正好有这几个例子，连给 Claude Code、Cursor 这类工具自动批准权限弹窗都有一篇。大厂对标出来之后，入口多了，但我自己调试台目前还是围着 JEV 转——先把请求形状摸熟，再换模型名去试别家，成本最低。

不会用它的地方：需要解释“为什么”的场景，它就给不出来。文档建议的做法是让 JEV 做决定，再让聊天模型去写解释；或者 confidence 低就转人工。还有标签几年不变、一天几千万条、必须离线的场景，我还是老老实实训个小分类器；真要离线决策模型，Clef 那种开源权重倒是新选项。

以上大部分是看文档和公开评测得出的。我自己在调试台里试的量还不大，不敢说替你验证过准确率，更没做过跨厂商对照。最靠谱的办法还是拿你手上的真实数据去试一试。

所以，最后再放一次链接：jev.fishmaple.cn。不填 Key 也能先点“载入示例请求”和“预览示例响应”看看效果。有 OpenRouter Key 的话，把你手上一条真实消息贴进 state，写三个问题发出去，一次请求花不了几分钱的零头。玩出什么有意思的用法，欢迎来评论区告诉我。