# 哪些事該丟給 Jev：二十個日常判斷題對照、案例原始數字、TypeSafe 沒說的

來源：@be.ai.curator ｜ 對應文章：https://be-ai-curator.com/blog/jev-system-one-decision-model ｜ 資料截至 2026-09-21 的 TypeSafe 部落格與文件、Vercel AI Gateway 頁、社群當事人貼文與 GitHub 專案

**怎麼用這一頁**：想知道自己的事該不該丟給它，看第一節；想知道別人做到什麼程度，看第二節；不確定的，把第五節那段貼給你的 ChatGPT 或 Claude，它會先問你三題；要自己接上，看第六節六步。

## 一、二十個日常判斷題：該丟 Jev、該丟 ChatGPT、還是不該全交給 AI

判準三題：答案是不是固定選項／需不需要它解釋為什麼／錯了誰負責。

| 事 | 丟給誰 | 為什麼 |
|---|---|---|
| 客服信分給帳務、物流還是技術 | Jev | 固定選項、不用解釋、分錯了人會再轉 |
| 這則留言是問問題、要資源、閒聊還是廣告 | Jev | 同上；中文先用 50 筆自己的資料試 |
| 這封信是不是釣魚信 | Jev（低信心交人） | 是非題；信心低的那幾封要人看 |
| 客人火氣 1 到 5 | Jev | 打分數；拿來排優先序 |
| 這份履歷先看還是後看 | Jev 排序、人決定 | 排序可以，錄不錄用不能 |
| 這筆銀行明細是餐飲、交通還是訂閱 | Jev | 固定選項；一筆一筆便宜 |
| 這張發票的號碼、日期、金額 | Jev 抓、程式核 | TypeSafe 文件建議抓欄位當選擇題做，缺的填「沒寫」 |
| 這支影片哪一段是業配 | Jev | 有人做了，77% |
| 這則新聞跟我的主題有沒有關 | Jev | 幾千條也便宜 |
| 這支廣告的鉤子是哪一型 | Jev | 固定分類 |
| 這個網頁元素是不是廣告／雜訊 | Jev | 有人做了擋廣告器，作者自己說會漏 |
| 幫我回這封客服信 | ChatGPT／Claude | 要寫字 |
| 幫我摘要這份會議紀錄 | ChatGPT／Claude | 要寫字 |
| 解釋為什麼這封信該退款 | ChatGPT／Claude | Jev 不解釋 |
| 這份合約哪一條有風險 | ChatGPT／Claude 找、人判 | 要理由、要人看 |
| 這個病人該不該轉診 | 不該全交給 AI | 錯了直接影響人 |
| 這個員工該不該續約 | 不該全交給 AI | 同上；Jev 可以排資料、不能拍板 |
| 要不要把這筆錢匯出去 | 不該全交給 AI | 同上 |
| 這個門鎖要不要開 | 不該全交給 AI | HA-Jev 作者自己寫「不拿來做安全決策」 |
| 這件任務該叫便宜模型還是貴模型 | Jev | 社群路由器案例；錯了只是多花一點錢 |

## 二、案例原始數字表（誰說的、日期、連結）

| 誰 | 做了什麼 | 他說的數字 | 日期 | 連結 |
|---|---|---|---|---|
| @user.today15（Threads） | 高難度中文留言、emoji、顏文字分類 | 百筆「通通分類正確」，約 90K tokens，不到 USD$0.01 | 2026-09-18 | https://www.threads.com/@user.today15/post/DdYfNVgGKSz |
| Jeroen Erne（jev-cookbook） | 15 個日常範例：客服分隊、Gmail 貼標、銀行明細、發票、檔案整理 | 客服 34/34；Gmail 30/30、釣魚 3/3 零誤判；銀行 35/36；發票 40/40；13 個範例 425 次呼叫 $0.015；單次中位 0.34–0.45 秒 | 2026-09 | https://github.com/nexibeo/jev-cookbook |
| bitnovus（jev-spam-eval） | 5,733 封信分正常／垃圾／釣魚 | 98.64%；傳統分類器 98.87%；新釣魚信 95.31% vs 75.26%；9,886 封約 252 秒、約 $1.35 | 2026-09 | https://github.com/bitnovus/jev-spam-eval |
| valentynkit（jev-skip） | YouTube 自動跳業配 | 77% 業配秒數、每小時誤跳 34 秒、一支 $0.0008、0.9 秒 | 2026-09-18 | https://github.com/valentynkit/jev-skip |
| TypeSafe（智慧家庭 demo） | 一句話 12 個判斷 | 185 ms；問答題交給 LLM 1,113 ms | 2026-04-28 上片 | https://docs.typesafe.ai/demos/smart-home |
| AboveColin（HA-Jev） | Home Assistant 整合 | 一條指令 $0.0001（20 裝置）到 $0.0007（150 裝置）；歐洲較慢 | 2026-09 | https://github.com/AboveColin/HA-Jev |
| @x_yyyole（Threads） | 篩 7 天 AI 新聞 | 約 2,700 條、約 2 分鐘、$0.21 | 2026-09-20 | https://www.threads.com/@x_yyyole/post/DddSO9ZnIIC |
| Matthew Berman（X） | 拆 37 品牌 724 支廣告 | 40 秒、9 美分 | 2026-09-19 | https://x.com/TheMattBerman/status/2100654891756589230 |
| gtaras7（cv-screen） | 履歷資料夾打分 | 改權重重算約 20 ms、零成本 | 2026-09 | https://github.com/gtaras7/typesafe-jev |
| rmalde（minecraft-agent） | Astra 規劃＋Jev 操作打終界龍 | 8:43.300、約 $0.97 | 2026-09 | https://github.com/rmalde/minecraft-agent |
| Codex 路由器（@curiosity___ashes 轉述） | 先判難度再選模型 | 237 個真實 turn 回放、成本降約 60% | 2026-09-19 | https://www.threads.com/@curiosity___ashes/post/DdZ8vkWkz57 |
| @yinn__nkai（Threads） | Jev 操作瀏覽器、大模型給目標 | 省 50–80% token | 2026-09-18 | https://www.threads.com/@yinn__nkai/post/DdYKWk7Exln |
| scienthoon（jev-ood-calibration） | 獨立校準測試 | 公開題庫 86–94%；900 張沒看過的工單「confidently wrong」；4,621 次零格式錯、約 $0.06 | 2026-09-19 | https://github.com/scienthoon/jev-ood-calibration |
| xiaohuaxi（jev-study） | 中文表現實測（經 OpenRouter） | 約 1,430 次、約 $0.15；作者：「得不出準確率」 | 2026-09 | https://github.com/xiaohuaxi/jev-study |

## 三、TypeSafe 自己說的數字（都是它自己測的）

- 0.07 到 0.5 秒回；一般模型 3 到 329 秒（部落格）
- 輸入每百萬 token 0.042 美元（每十億 42 美元）；輸出免費（部落格、models 頁）
- 額度：每秒 250,000 tokens、每分鐘 1,200 次；每次最多 64k tokens、內容 32k（models 頁）
- 只吃文字：不吃圖片、聲音、影片（models 頁）
- 不用客戶資料微調，所有帳號同一組權重（models 頁）；隱私政策承諾不拿使用者資料訓練（legal 頁）
- DOOM 示範每秒 10 次判斷（部落格）；約 7 美元一小時（The Register、動區轉述）

## 四、TypeSafe 沒說的（2026-09-21）

1. **中文準確度的數字。** 只寫「handled but not equally well」，沒有任何百分比。
2. **早期存取什麼時候全開。** 部落格只寫「bringing developers off the waitlist as quickly as we can」。
3. **價格是不是補貼。** MarkTechPost 寫 TypeSafe 自己說「cannot prove the price is unsubsidized」；Vercel 頁的 Free 寫明 9 月 25 日結束。
4. **模型多大、架構是什麼。** 沒公開參數量、沒公開權重、沒有自架選項。
5. **「快 100 倍、便宜 100 倍」（發表片）與「193.6x faster、444.6x cheaper」（MarkTechPost 轉述 TypeSafe 的 workflow evals）的對照條件。** 都是 TypeSafe 自己測的；Hacker News 最多人回的留言就是在講這個比較有誤導。

## 五、貼給你的 AI 的一段

```
我想把一件工作交給 AI，先問我三題，一次問完：(1) 這件事的答案是不是固定幾個選項（例如分類、打分、是或不是）？
(2) 我需不需要 AI 解釋它為什麼這樣選？(3) 它選錯了會怎樣，是程式接得住、還是會直接影響到人？
只用下面的事實回答，這裡沒寫的答「沒提到」：
- Jev 只做三種題：哪一個、幾分、是不是；回答案跟機率，不寫字、不解釋
- 它自己說 0.07 到 0.5 秒回、輸入每百萬 token 0.042 美元、輸出免費；數字是 TypeSafe 自己測的
- 格式一定對，答案不一定對；沒看過的規則會很有把握地答錯；信心分數要拿來設「低於多少交給人」
- TypeSafe 寫英文最準，中文「handled but not equally well」
- 只吃文字，一次最多 32k token；不是計算機
根據我的三個答案，只回兩件事：(a) 這件事是「判斷題（適合 Jev 這類）」「寫作題（適合 ChatGPT／Claude）」還是「不該全交給 AI」，一句理由；
(b) 如果是判斷題，幫我把它寫成一題「哪一個／幾分／是不是」，選項列出來，20 字內。
```

## 六、怎麼申請、怎麼裝（2026-09-21 主理人自己走一遍）

1. 到 https://console.typesafe.ai 註冊（現在不用排候補名單）。
2. 進去先做一個小 onboarding，會問「Jev 會不會跟你聊天？」，選「不會」。
3. 左側 API Keys 頁申請一把金鑰，存好，不要貼在對話或截圖裡。
4. 打開 Claude 桌面版 → Settings → Plugins → Discover 搜「Typesafe」（TypeSafe AI 出的，Agent skills for building with the TypeSafe System One API）→ Add。
5. 金鑰照 TypeSafe 文件的做法存成環境變數 `TYPESAFE_API_KEY` 給 Claude 讀；然後跟 Claude 說你要做的判斷（例：把這 300 則留言分成問問題／要資源／閒聊／廣告，機率低於 0.7 的另外列），問題它會幫你起草，先跟它確認每一類的定義再跑。主理人 9/21 用金鑰直接打過一次：一則客訴問三題，562 毫秒回、549 個輸入 token、照標價估 0.000023 美元，一毛沒儲值也打得通；外掛那條路還沒走。
6. 用量看 console 的 Usage 頁：估價寫「$0.042/MTok input · Free output」；主理人 9/21 帳號未儲值、Usage 顯示 $0.00。

## 七、主理人判斷

- **先找自己每天重複的判斷，不要先找 Jev 能塞哪。** 一位讀者說得好：該問的是「它加進去之後，有沒有讓我原本想要的結果變好」。
- **信心分數是門檻，不是答案。** 設「低於 0.7 交給人」，讓它把難的挑出來，比讓它全包安全。
- **中文先跑 50 筆自己的資料。** 有人百筆全對是他的體感，你的資料不一定。
- **對用大模型的人，它最實際的價值是省 token。** 路由、上下文回收、瀏覽器手腳，這三種社群都有人做了。

## 八、怎麼知道這頁過期了

1. TypeSafe 模型頁的語言支援那段還是「not equally well」嗎？→ https://docs.typesafe.ai/models
2. Vercel 頁的 Free 還在嗎（9/25 後）？→ https://vercel.com/ai-gateway/models/jev
3. 部落格的價格還是 $0.042 / MTok、輸出 FREE 嗎？→ https://typesafe.ai/blog/introducing-system-one-models-and-jev
4. awesome-jev 的專案數還在漲嗎？→ https://github.com/yibie/awesome-jev

## 九、出處

- TypeSafe AI Blog，Introducing System One Models & Jev（2026-09-15）：https://typesafe.ai/blog/introducing-system-one-models-and-jev
- TypeSafe Docs：Primitives https://docs.typesafe.ai/primitives ／ Models https://docs.typesafe.ai/models ／ Model jaggedness https://docs.typesafe.ai/model-jaggedness/jev-1.13 ／ Agent skill https://docs.typesafe.ai/agent-skill ／ Use case map https://docs.typesafe.ai/concepts/use-case-map ／ Smart home demo https://docs.typesafe.ai/demos/smart-home ／ Legal https://docs.typesafe.ai/legal
- Vercel AI Gateway，Jev：https://vercel.com/ai-gateway/models/jev
- The Register，TypeSafe AI debuts model for machines that plays Doom（2026-09-16）：https://www.theregister.com/ai-and-ml/2026/09/16/typesafe-ai-debuts-model-for-machines-that-plays-doom/5296711
- MarkTechPost（2026-09-19）：https://www.marktechpost.com/2026/09/19/typesafe-ai-releases-jev/
- Hacker News 發表串：https://news.ycombinator.com/item?id=49717558
- 社群案例連結見第二節。

查核日 2026-09-21（Asia/Taipei）。

AI 主理人 · @be.ai.curator