[情報] 不會聊天的 AI：Jev 專職做決定
TypeSafe AI 的 Jev：資料＋問題＋事先列好的選項 → 回每個選項的機率。官方數字：比主流大語言模型快 20–200 倍、便宜 40–400 倍，輸出免費。
一、Jev 是什麼／為什麼不聊天
Jev 是 TypeSafe AI 公開亮相的第一款模型。創辦人 Diogo Almeida 是當年 ChatGPT 背後 RLHF（用人偏好微調模型）方法的共同發明人之一；做完 ChatGPT 後他花了兩年，做出一個完全不會跟你聊天的模型。
名字取自經濟學的傑文斯悖論（Jevons Paradox）：東西愈便宜、效率愈高，大家反而用得愈多。發布後那則 X 貼文觀看量逼近三千萬；當天 Hacker News 拿到 1679 分、四百多則留言；隔天 Vercel 就把 Jev 上到自己的平台。
用法很死板、也很乾淨：你給它一份資料、一個問題、事先列好的幾個選項，它回每個選項的機率。整段判斷通常不到 0.3 秒。它對標的不是 Fable、Astra 這類幾乎全能的大模型，也不適合拿來開發產品——最適合的位子是工作流裡的決策節點：這封信要不要回、客服單轉哪個部門、留言是不是詐騙。
- 速度：官方說比主流大語言模型快 20–200 倍
- 價格：便宜 40–400 倍；輸出完全免費
- 賣點：快、便宜、極低幻覺（答案跑不出你給的選項）
二、三種題型（是非／單選／打分）
大模型像寫申論題——一字一字生、慢，還可能離題。Jev 像寫選擇題——圈一個就好，快，而且一定落在你給的選項裡。
- 是非題：回 0–1 機率。例：這張發票是不是詐騙？可把常見詐騙特徵寫進條件再問一次提高信心；退款流程可設「詐騙機率超過九成就自動拒絕，其餘轉真人」。
- 單選題：你自訂選項，最多 255 個，還能附一句說明。適合信箱分夾、部門路由。
- 打分題：先畫一把尺／光譜，最多 11 級。例：潛在客戶 0＝沒預算學生 … 3＝預算充足大企業；表單進來打出 2.9，再設 2.5 以上通知業務主管。
能力邊界很清楚：是不是、哪一個、到什麼程度。自動化流程裡的判斷，大多也離不開這三種。
三、System 1 vs 大模型
計費只看讀進去的文字量：約 $0.042／百萬 Token（影片比喻：大概好幾本厚小說的量）；輸出 $0。
TypeSafe 幫它開了一個新分類叫 System 1 模型，詞出自《快思慢想》：系統一靠直覺、極快；系統二靠推理、慢但想得深。學開車時每個動作都要想＝系統二；開熟了變反射＝系統一。
- Fable／Astra 類全能模型 → System 2（構思、寫作）
- Jev → System 1（快速準確判斷）
兩邊分工，不是誰取代誰。
四、社群 Demo
- 虛擬小鎮（Matthew Berman）：50 個 AI 居民；廣播「麵包店大拍賣」後 0.6 秒內各自決定——39 不動、6 湊熱鬧、4 搶購、1 去通知別人。
- 快棋（AI/ML API）：每方五分鐘；Jev 約 2.6 秒／步，Fable 6–15 秒／步最後超時判負；對上 Astra 則 18 步被將軍。
- 1000 封 Email：Jev 約 70 秒、9 美分；同批交 GPT-5.6 Luna 約 5 分鐘、62 美分。
- Ryan Vogel：1700 封信分類＋優先序＋垃圾分＋要不要回，約 18 美分。
- 模型路由器（Riley Brown）：Jev 不答題，只決定派給哪個模型——改錯字丟便宜的，寫複雜程式轉貴的。
- Skill 挑選（TypeSafe Cookbook）：Agent 自挑 skill 錯約 17%；先經 Jev 過濾剩約 7.3%。
- Unclutter（kitze）：瀏覽器外掛背景呼叫 Jev，判斷廣告／沒營養區塊並清成閱讀版面。
講者認為多數人最實用的場景仍是分類與路由——自動化幾乎都會經過這兩關。Jev 等於把「大模型當零件、不要當聊天機器人」做到極致：聊天能力直接拔掉。
五、客服 Agent 整合案例
客戶要做客服 AI Agent 自動處理大量客服單。建議：流程第一站換成 Jev——單子一進來先分類。
例：客人寫「被重複扣款兩次，今天一定要處理」；後台顯示高階付費、帳號四百多天。可同時問 Jev 五題：分類（帳務／故障／其他）、嚴重度 0–10、有沒有要求退款、有沒有寫操作步驟、情緒（平靜／不耐煩／憤怒）。答案不到一秒全部出來，再串預設規則派到帳務、必要時亮紅燈給主管。
Jev 不會寫字——安撫信仍交給大模型。發送前可再叫一次 Jev 把關：有沒有答到痛點、語氣像道歉還是推卸、有沒有洩漏內部規定。這道關又快、成本幾乎可忽略，也降低亂回覆的公關風險。
六、誰該用、誰暫時用不到
- 適合現在就構思接入：本來就在做 AI 自動化；每天海量信件、社群留言、表單、客服單。開發者也可當檢查關——掃描註解、審邏輯；便宜到每次存檔都能跑一遍。
- 暫時直接用不到：平常只把 ChatGPT／Claude 當聊天機器人問問題。但你每天用的軟體背後，很快會開始塞這種專職判斷模型（例如要不要觸發某個工具，外包給 Jev 做決定）。
老觀念不變：不要問哪個模型最強，問哪個最適合當下工作流。現在武器庫又多一顆專職決策零件。目前仍早期預約，登記 Email 排隊；官方介紹連結見來源。
※ 來源：YouTube／Gary Chen《爆紅新模型 Jev 解析…》（約 13:40）
※ 官方：TypeSafe AI — Introducing System One models and Jev
※ 視覺：簡報／Demo 拼圖 4 幀＋封面｜看板 Soft_Job｜整理 2026-09-21｜非官方圖文整理