每天早上，業務助理打開信箱，面對的是一連串小判斷：這張訂單可以直接建單，還是要先問業務？這位客戶的付款條件要不要再審一次？這則 LINE 訊息是詢價、催貨，還是客訴？每個判斷只花幾十秒，但一天幾百件累積起來就是好幾個小時，而且大多靠資深同事的經驗。

這兩年，很多公司試著把這類判斷交給大型語言模型（LLM）。它確實判斷得出來，但會先寫一段話，程式還得從文字裡把答案挑出來；它說「我很確定」，也不代表真的比較可能對。

2026 年 9 月 15 日，美國新創 TypeSafe AI 發表了 Jev，走的是另一條路：不寫文字，直接回傳決策與信心值。這篇整理它是什麼、適合哪些工作、和 LLM 怎麼分工，以及想試用時該怎麼驗證。

Jev 是什麼？一個「不說話」的 AI 模型

Jev 是 TypeSafe AI 的第一個模型。這家公司位於舊金山、2024 年成立，執行長 Diogo Almeida 曾在 OpenAI 參與 RLHF、InstructGPT 與 ChatGPT 的研究。公司在 9 月 15 日結束隱身期，同時宣布由創投 DCVC 領投的 4,000 萬美元種子輪，Jev 也以有限的早期存取（early access）方式推出（SiliconANGLE）。

TypeSafe 把這類模型稱為 System One 模型（見官方發表文）：名稱來自心理學家康納曼所說的「系統一」—— 快速、直覺的判斷，相對於慢慢推理的「系統二」。Jev 這個名字則取自經濟學家 Jevons，也就是「成本下降、用量反而暴增」的傑文斯悖論。

使用方式很單純：交給它一份「狀態」（一則客戶訊息、一筆訂單的 JSON 資料），再附上幾個事先定義好的問題。它會在一次呼叫裡同時回答所有問題，每個答案都是程式能直接使用的型別，而且只會從你給的選項裡選。問題有三種：

題型回傳什麼例子
Choice（選擇）從你列出的選項中挑一個，附上每個選項的機率與信心值這張訂單該走：直接建單／業務確認／信用審核／退回補資料
Score（評分）在你用文字描述的等級上打分數，附上各等級的機率與信心值這則客訴的急迫程度，1 到 5 級
Noul（是非）一個 0 到 1 之間、答案為「是」的機率這筆退貨符合退貨條件嗎？

和用 LLM 做同一個判斷，差在哪？

LLM 是一個字一個字產生文字的模型。拿它來做判斷，通常要請它「只回答 A、B、C 或 D」，再寫程式解析；答案越長越慢，費用也跟著字數走。Jev 則把結果直接放進你定義好的格式裡，不需要解析，也不會回出清單以外的答案。

左邊是 LLM 逐字產生一段文字、程式還要解析答案且沒有信心值；右邊是 Jev 直接回傳訂單分派的各選項機率、是否需主管覆核的機率與急迫程度分數
同一個訂單分派判斷：LLM 逐字寫出答案，程式還要解析；Jev 直接回傳每個選項的機率與信心值（數值為示意）。
用 LLM 做判斷用 Jev 做判斷
輸出一段文字，要再解析選項、分數或是非機率
信心通常沒有，或是它自己「說」的每個答案附機率與信心值
多個問題常要分次問或寫長提示一次呼叫、平行回答
速度與成本隨輸出字數增加原廠宣稱快很多、便宜很多（見下文）
能不能寫字能：回信、摘要、解釋不能

速度與成本方面，TypeSafe 宣稱在它挑選的判斷類工作上，Jev 比前沿 LLM 快、便宜約兩個數量級；在它自建的四個工作流程測試中，最高約 193 倍快、445 倍便宜（Tom's Hardware）。但請注意，這些都是原廠自己的數字：TypeSafe 在發表文中也承認，測試流程由自家團隊設計、可能有偏差，數字大概落在實際效益的高端。Forbes 的報導則提到，早期測試顯示速度與成本優勢明顯，但準確度略遜於最大型的模型。

LLM 仍然不可少的地方

Jev 不寫回信、不做摘要，也不做開放式的多步驟推理；它的輸入是文字或結構化資料，不直接看 PDF 或照片。這些仍然是 LLM 與 AI Agent 的工作。比較實際的組合是：

  1. LLM 讀懂：從客戶的訂單 PDF 或訊息中擷取欄位（見〈AI 讀懂訂單與報價單〉）。
  2. Jev 決定：這張單走哪條路、要不要人看。
  3. 系統執行：寫入 ERP、通知業務，或放進人工確認清單。

為什麼「信心值」是自動化的關鍵？

仔細看公司的日常流程，會發現大部分步驟其實是決策，而不是寫作：這張訂單該進哪個佇列？這筆退貨准不准？這則訊息屬於哪一類、該給誰？這筆交易是不是例外、需要主管看？

這類決策要自動化，難的從來不是「給出答案」，而是知道哪些答案可以放心交給系統。這就是校準（calibration）的意義：一個校準良好的模型說「0.8」時，在大量類似的判斷中，大約八成是對的。TypeSafe 說它用一種叫 RLCD（Reinforcement Learning for Calibrated Decisions）的訓練方法，目標就是讓機率「說實話」；不過在 Latent Space 的訪談中也提到，這個方法的細節尚未公開發表。

有了可信的信心值，就能設一條門檻：高於門檻的自動處理，低於門檻的轉給人。MarkTechPost 的程式教學示範的「依信心分流」就是這個模式。門檻設多少，取決於錯誤的代價：

  • 錯了代價小：例如分類客服訊息，分錯只是多轉手一次，門檻可以低一點。
  • 錯了代價大：例如核准退款或放寬付款條件，錯了會直接損失，門檻要高，甚至永遠保留人工覆核。
訂單、客戶訊息與退貨申請送進 Jev，信心高於門檻的自動寫入 ERP 或通知業務，低於門檻的進入人工確認佇列；下方是信心分布與可調整的門檻滑桿
用信心門檻分流（示意）：高於門檻自動執行，低於門檻交給人；人工判斷的結果回存，用來定期檢查校準與調整門檻。

量大時，速度與成本也會變成關鍵：一天幾千筆訊息或訂單，每筆都要等 LLM 生成一段文字、付一次生成的費用，累積起來很可觀。TypeSafe 公布的回應時間是每次 70 到 500 毫秒；上市時的價格是每百萬輸入 token 0.042 美元、輸出不另計費（原廠數字，早期存取期間可能調整）。

傳統產業可以怎麼用？（示意情境）

以下是我們整理的示意情境，不是實際客戶案例：

流程要做的決策題型有把握時沒把握時
訂單分派直接建單／業務確認／信用審核／退回補資料Choice自動寫入 ERP業助確認
客戶訊息分流詢價、催貨、客訴或其他；是否需要主管Choice＋是非分給對應窗口客服主管分派
退貨／理賠審核是否符合退貨條件是非小額退貨自動核准專人審核
品檢放行依量測數據與檢驗紀錄判定是否放行是非放行品管複檢
信用與付款條件客戶風險等級 1 到 5Score套用標準條件財務主管決定

共同點是：選項事先說得出來、量大、錯了有機會補救，這和我們在〈傳產導入 AI 先別急著買工具〉裡建議的挑選標準一致。品檢如果要看影像，則要先由影像模型把結果轉成數據，Jev 再做判定。

導入前，用自己的歷史決策驗證

「有校準」不能只聽原廠說，要用你自己的資料測。我們建議這樣做：

  1. 整理歷史決策：挑一個流程，收集過去幾個月已經有結果的案例，包含當時的輸入資料與最後的正確答案。
  2. 看準確度，也看校準：把 Jev 的答案依信心分組，看每一組實際答對的比例。如果「信心 0.9 以上」那組只對了七成，代表它在你的業務上並沒有校準好。
  3. 影子模式：上線初期讓 Jev 在旁邊判斷、不執行，人照常作業，每週比對兩邊的差異。
  4. 設門檻：依錯誤的代價，選一個「自動處理比例」和「漏網錯誤」都能接受的門檻。
  5. 持續監控：追蹤自動比例、被人工推翻的次數，定期抽查自動處理的結果；換了新產品線或新客群，就重新驗證。

驗證結果可以整理成這樣的表（數字為示意）：

信心區間筆數實際答對判讀
0.95 以上62097%可以自動處理
0.85–0.9521090%依錯誤代價決定
0.85 以下17068%交給人

另外，中文資料一定要自己測：截至本文撰寫時，我們沒有找到原廠公布的中文評測數據。

現況與注意事項

  • 仍在早期存取，開放方式還在變：Jev 上市時採候補名單，約一週後一度開放所有人註冊，隨即又因需求太大暫停新註冊。能不能申請到、條件如何，都還會變動。
  • 新公司、新模型：Jev 上市不到兩週，效能數字主要來自原廠，獨立的大規模驗證還不多。
  • 「不會亂回答」要正確理解：它不會回出選項以外的答案，但仍可能選錯，信心也可能偏高；Forbes 也提醒，它一樣要防範提示注入 —— 客戶寄來的內容，可能夾帶想操弄判斷的文字。
  • 資料會送到雲端：Jev 目前透過 TypeSafe 的雲端 API 使用，沒有可以自架的版本。處理個資或機密資料前，要先確認合約與資料處理條款。
  • 保留替換空間：把「輸入 → 選項＋信心值」做成流程中的一個獨立節點，日後要換成其他模型或規則，不必重寫整個流程。

studiox 怎麼看

我們一直在關注這類決策模型。studiox 官網首頁的訂單自動化流程示意裡，負責分派的節點就是 Jev：AI 先讀懂訂單，Jev 判斷該走哪一條路，沒把握時才轉人工確認。這個分工的價值很直接 —— 把人的時間，留給真正需要判斷的案件。

但我們不會建議你因為一則新聞就改流程。比較穩的順序是：先找出量大、選項清楚的決策，用歷史資料做影子測試，讓數字說話，再決定用 Jev、LLM 還是單純的規則。

如果你有一個每天要重複判斷幾百次的流程，想知道適不適合交給決策模型，可以參考我們的 AI 導入與整合服務；要把判斷結果接回 ERP、LINE 客服等既有系統，則是系統整合服務的範圍。也歡迎直接和我們聊聊。