Jev 值不值得接进 AI 工作流：我跑了 6 条测试

Jev 不生成长文本，它把分类、评分和 yes/no 判断返回成程序可以直接使用的结构化结果。

比如客服收到一句“我被扣了两次钱，请今天退回多扣的一笔”，程序可以直接取出几个结果：它属于退款还是账单咨询？有多着急？有没有明确要求退款？

我就拿这类问题跑了 6 次真实 API。先说结论：我觉得它适合高频、选项固定的判断任务，但不是更便宜的聊天模型，也不是下到电脑里就能离线跑的软件。

接口返回什么

我这次用了三种文本判断。Choice 从固定选项里选一个，同时返回各选项的概率；Score 适合“不紧急、一般、很紧急”这种有顺序的等级；Noul 回答 yes/no 问题，返回 yes 的概率。

判断还是要写得很具体。“退款”和“账单问题”如果边界不清，重复扣费就可能两边都像。我会把退款写成“用户要求返还已支付金额”，把账单咨询写成“用户只在问收费情况，没有要求退钱”。这一步其实是在逼自己把业务规则说清楚。

一次请求还能同时放多个问题。它们共享同一份原始输入，但彼此独立求值。也就是说，路由分类、紧迫度和退款意图可以一起问；但“先查到订单编号，再去数据库核对扣费”这种有真实依赖的步骤，仍然要拆成两次。

6 次调用的结果

实验是 2026 年 9 月 20 日跑的。环境为 Node.js v22.21.1、@typesafe-ai/sdk@0.6.0，一个进程顺序发送 6 次请求，每次都同时问路由、紧迫度和明确退款。没有预热，超时 15 秒，重试 0 次。

1. 中文，重复扣费，请今天退款：refund；路由置信度 1.00；明确退款概率 0.99；紧迫度 1.99；总耗时 1962.02ms。

2. 英文，重复扣费，请今天退款：refund；路由置信度 1.00；明确退款概率 0.99；紧迫度 2.00；总耗时 782.15ms。

3. 中文，不要退款，只问发票：support；路由置信度 1.00；明确退款概率 0.03；紧迫度 0.08；总耗时 822.18ms。

4. 英文，不要退款，需要密码帮助：support；路由置信度 1.00；明确退款概率 0.03；紧迫度 0.43；总耗时 744.75ms。

5. 中文，昨天那件事，能否帮忙处理：other；路由置信度 0.54；明确退款概率 0.02；紧迫度 0.06；总耗时 823.44ms。

6. 英文，讲一个企鹅学飞的故事：other；路由置信度 1.00；明确退款概率 0.01；紧迫度 0.00；总耗时 756.66ms。

我最在意的是两条边界输入。“不要退款，只想知道发票在哪里下载”虽然出现了多次“退款”，明确退款概率仍只有 0.03。模糊的“昨天那个事”被选为 other，但路由置信度只有 0.54；示例代码遇到低于 0.8 的结果就转人工复核。这个 0.8 只是演示阈值，不是用真实客服数据调出来的。

第一条耗时接近 2 秒，后面 5 条在 745–823 毫秒左右。这是包含网络往返和 SDK 解析的墙钟耗时，不是纯模型推理时间。我没有重复跑多轮，也没有做通用模型对照，所以这 6 条只能证明接口跑通了，不能算准确率评测。

价格不贵，但也别先算省了多少

我在 2026 年 11 月 3 日重新查了官方 Models 文档。Jev 1.14 和 1.13 的标价都是每百万输入 token 0.042 美元，输出 token 免费。默认上下文上限为每个请求 64k、每个问题 32k。它只读文本或文本结构，不接收音频或视频。Models 官方文档

这个价格确实适合小规模试验，但我没有用生产请求量去跑费用对账，也没有独立复现官方工作流评测。实际要省多少，得拿自己的请求量、问题数量和通用模型方案同口径计算。

我实验时请求的是 jev-latest，6 次响应都是 jev-1.13.0；现在官方文档里的 jev-latest 已经指向 2026 年 10 月 14 日发布的 jev-1.14.0。我还没用 1.14 重跑这 6 条，所以不会把旧结果写成新版本实测。如果代码中的阈值已经针对 1.13 调过，先固定版本会更稳妥。

我会买单的场景

第一类是工单分流、文章分类、检索结果排序和 AI 输出检查。这些任务通常已经有明确选项，判断次数多，而且结果很容易接到代码里。

第二类是需要把“不确定”传给程序的场景。Jev 会直接返回概率和 Choice、Score 分布，我接“低于阈值就转人工”的分支会更方便。阈值仍然要用自己的带标签数据调，不能把置信度当正确率保证。

不会买单的场景也很明确。要写客服回复、生成长文、做多步复杂推理，Jev 不是这个用途。只有少量分类任务，普通规则已经能稳定解决，也没必要为了追新多接一家 API。它的 Agent skill 只是一套接入说明，不会把模型权重下载到本机，离线部署不是它当前提供的路线。

手里真有高频、固定选项的判断任务，就准备一组人工标注过的小数据，先跑通，再调阈值。

本文 6 次 API 调用的完整快照、问题定义和可运行代码见 原文与实验包。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～