最近很紅的 Jev 是什麼 我們拿網站導覽員實測哪些決定該交給它

訪客在官網右下角問小浪：「你們有做 CRM 嗎？」接下來是五到十秒的「思考中」，回答跳出來，頁面還自己換走了。這是我們的網站導覽員在九月下旬的樣子，自己測的時候最受不了的就是這一點：導覽員的本分是帶路，卻把最多的時間花在想。

九月底，我們把「要不要換頁、換去哪一頁」這個決定，從負責寫回答的 AI 手上拿走，交給 TypeSafe 剛推出的 Jev。Jev 不寫文章、不聊天，只做決定，一次判斷大約 0.3 到 0.5 秒。需要換頁的時候，訪客到達正確頁面的時間從九到十秒縮短到四秒左右，190 題測試裡沒有帶錯過一次。不過「等回答」的那幾秒它幫不上忙，最後是靠讓回答邊寫邊顯示才解決。下面用白話把 Jev 是什麼、我們怎麼用、實際測出來的數字，還有它做不到的事，一次說清楚。

本文關於 Jev 的規格、價格與版本資訊查證於 2026 年 9 月 27 日。Jev 推出還不到一個月，價格和使用方式都變得很快，實際請以 TypeSafe 官網為準。

Jev 是什麼 一個不寫字只做決定的 AI

Jev 是美國新創 TypeSafe AI 在 2026 年 9 月 15 日推出的 AI 模型，公司同一天宣布拿到 4,000 萬美元的第一輪投資。官方把這類模型叫做「System One」，名字來自心理學家 Kahneman 在《快思慢想》裡講的「系統一」，也就是人腦裡不用想太久、憑直覺就能快速判斷的那種思考（官方說明）。目前的正式版本叫 jev-1.13。

一般聊天用的 AI 回答的是問答題：你問一句，它一個字一個字寫出一整段。Jev 只做是非題和選擇題，所以快得多。用的時候，先描述情境，再列出想問的題目，它會同時把每一題答完。題型只有三種：

• 是非題：回一個 0 到 1 之間的數字，代表有幾成把握。例如「這位訪客是不是想換頁」回 0.93，就是九成三的把握。
• 選擇題：從最多 255 個選項裡挑一個，同時告訴你它對每個選項各有幾成把握。
• 評分題：在 2 到 10 個等級之間打分數。

因為不用一個字一個字寫，它又快又便宜。依照官方公布的價格，Jev 按讀進去的文字量收費，每一百萬個 token（AI 計算文字量的單位）只收 0.042 美元，給出答案的部分不收錢；從送出問題到拿到答案，官方說大約 0.07 到 0.5 秒。代價是：一般 AI 會的事它大多不會，也不打算會。官方文件寫得很直接，Jev 不能拿來聊天或寫程式，也不是計算機。

為什麼最近這麼多人在討論

熱度有數字可以看。知名的網站部署平台 Vercel 在官方部落格說，Jev 在他們的 AI 服務上線 24 小時內，就有將近 13% 的付費客戶在用，是他們平台有史以來最快被採用的模型。工程師最常逛的科技討論區 Hacker News，發布當天的討論串累積了 1,984 分、520 則留言（9 月 27 日查看）。中文圈也已經有人寫了詳細的介紹。

討論最熱烈的有兩件事。一件是速度和價格：TypeSafe 官網寫著比其他頂尖 AI 快 193.6 倍、便宜 444.6 倍，但官方部落格自己也補充，這些數字比較接近最理想的情況，公開的標準測驗成績也還沒發表。另一件是「不會亂編答案」：官方的意思是它的回答格式一定正確，不會生出不存在的選項；Hacker News 上很多人反駁，就算格式正確，信心滿滿地選錯答案，一樣是錯。我們同意這個批評，所以後面用到的每一個標準，都是拿自己網站的資料測出來的，不是直接照抄官方建議。

原本的問題 導覽員把最多時間花在想

小浪是浪花官網右下角的 AI 導覽員，訪客可以打字或用說的，它會回答問題，也會把人帶到適合的頁面。原本的做法很直覺：由同一個 AI 一次決定「怎麼回答」和「帶去哪一頁」，網頁收到頁面就倒數跳過去。

用了幾天，問題很明顯。AI 幾乎每一則回答都會附一個頁面，訪客每問一句就被帶走一次；而且要等整段回答寫完，才知道要帶去哪裡。我們回頭量了導入前的 25 則提問，回答平均要 7 秒，最久 13 秒。導覽員最該快的是帶路，偏偏帶路卡在最慢的那一步後面。

一開始我們先試著讓回答變輕，拿掉 AI 回答前另外去查資料的步驟，每次從 5.1 秒降到 3.6 秒。快是快了一點，訪客還是得等整段回答寫完才會被帶走。問題不在回答寫得慢，而是「帶路」和「寫回答」被綁成了同一件事。

我們怎麼用 帶路交給 Jev 回答交給另一個 AI

拆開之後，訪客送出一句話，網站先交給 Jev，一次問三個問題：這位訪客是不是明確想去某個地方、哪一頁最能回答他、他聽起來像不像潛在客戶。Jev 大約 0.4 秒就回覆，網站依照結果決定要不要倒數帶路。同一時間，負責寫回答的 AI 在背後開始寫；如果訪客已經被帶到新頁面，回答就在新頁面接著出現。

以「你們有做 CRM 嗎？想看看你們怎麼做」這句話為例，Jev 的判斷是這樣：

這一次判斷花了大約 0.00002 美元。

{
  "model": "typesafe/jev-1.13",
  "state": {
    "visitor_message": "你們有做 CRM 嗎？想看看你們怎麼做",
    "current_page": "/"
  },
  "questions": {
    "go":   { "type": "noul",
              "instructions": "Is the visitor explicitly asking to be taken to a specific page?" },
    "dest": { "type": "choice",
              "instructions": "Which page best shows what the visitor is asking about?",
              "criteria": {
                "custom":    "Custom system development: CRM, web app, member platform",
                "agent":     "AI Agent development",
                "portfolio": "Case studies",
                "contact":   "Contact form",
                "none":      "No page fits"
              } },
    "lead": { "type": "noul",
              "instructions": "Does the visitor sound like a potential customer?" }
  }
}

{
  "answers": {
    "go":   { "type": "noul", "noul": 0.19 },
    "dest": { "type": "choice", "choice": "custom", "confidence": 0.94,
              "probabilities": { "custom": 0.95, "portfolio": 0.04, "none": 0.01,
                                 "contact": 0, "agent": 0 } },
    "lead": { "type": "noul", "noul": 0.75 }
  },
  "usage": { "input_tokens": 457, "output_tokens": 85, "cost": 0.0000192 }
}

選項一多 相近的頁面會互相分票

正式上線時，給 Jev 挑的選項有二十多個頁面，加上從全站六百多篇文章裡先挑出最相關的 6 篇，再加上「這一頁就有答案」和「都不適合」兩個選項。文章沒有全部放進去，一來選擇題最多只能放 255 個選項，二來選項越多，要讀的字越多、費用就越高。新文章上線後會自動加入挑選範圍，不用人工維護。

同一句「你們有做 CRM 嗎」，放進正式的選項清單之後，把握掉到只剩 0.2。原因是「客製化系統開發」「CRM 與 HubSpot 整合」和幾篇講 CRM 的文章彼此太像，Jev 的把握被分散掉了。我們一開始以為是程式出錯，後來決定把它當成好事：Jev 沒把握，小浪就不亂帶路，改在回答下面附一個建議連結。導覽員帶錯頁，比不帶還糟。

什麼情況會自動帶路

最後定下兩個規則。訪客明確說要去，例如「帶我去看案例」，而且 Jev 對「他想換頁」和「要去哪一頁」都有五成以上把握，小浪就倒數約 2.6 秒後換頁，想留下來可以按「留在這頁」。訪客沒說要去哪，但有一個服務頁明顯對得上，Jev 也有五成以上把握，就會主動帶過去，回答寫好之後在那一頁出現。

主動帶路刻意避開兩種地方：文章，以及首頁、關於我們、文章列表這種比較籠統的頁面。第一版在測試時出現 3 次「不該換頁卻換頁」、8 次「帶錯地方」，那 8 次全都是文章，標題看起來相關，內容卻答非所問。改成只帶去服務頁之後，就沒有再帶錯。另外有幾種話，我們會在問 Jev 之前先攔下來，直接不換頁：明說「不要換頁」「留在這裡」的、問小浪自己是誰的、問公司地址統編營業時間的。這幾條都是看到測試結果之後才補上的，訪客親口說的話，不該被 AI 的判斷蓋過去。

如果 Jev 超過 1.2 秒沒回應或出了錯，網站就改用我們原本寫好的關鍵字比對，例如句子裡同時出現「帶我去」和「案例」，就去案例頁，而且只有訪客明確要求才換頁。實際測下來，大約每一百次會有一次超過 1.2 秒，訪客不會察覺差別。

實測數字 準不準 快不快 花多少

正式換成 Jev 之前，我們讓它和原本的關鍵字比對考同一份題目。上線條件是答對的題數不能比較少、「不該換頁卻換頁」的次數不能變多，Jev 出狀況時，原本的關鍵字比對也要真的接得住。

第一列打平，不代表關鍵字比對一樣好。那套關鍵字本來就是照著這 134 題調出來的，換成沒看過的說法，差距馬上出現。速度方面，Jev 平均 0.37 秒回覆，一百次裡有九十五次在 0.45 秒內。

費用幾乎可以忽略。正式版本每判斷一次大約 0.00005 美元，判斷一萬次大約 0.5 美元。從測試、驗證到上線後的真實使用，到目前一共只花了 0.16 美元。

體感沒變快 因為時間不在判斷上

上線當天我們自己試了幾題，第一個反應是「好像沒有比較快」。把紀錄調出來比對，導入前回答平均 7 秒，導入後那幾題平均 6 秒，而且那幾題剛好都不需要換頁。Jev 加快的是「決定帶路」這一步：需要換頁的題目，訪客大約 4 秒就到對的頁面；不需要換頁的題目，時間都花在 AI 寫回答，Jev 幫不上忙。

後來我們又做了兩件事。主動帶路的標準從七成把握降到五成，190 題重新測一次，依然沒有亂換頁，會主動帶路的題目從 18 題增加到 29 題。另一件是讓回答邊寫邊顯示：小浪縮小的時候，上方會跳出一張卡片，一個字一個字打出回答，第一個字大約 2 秒內就出現；以前要等 5 到 7 秒，整段寫完才一次跳出來。

做這個功能的時候還發現一件事：負責寫回答的 AI，每次開始寫之前會先「想」1 到 3 秒。把它的思考時間調短之後，同樣三題的第一個字從最慢 4.3 秒提早到 1.9 秒內，回答品質沒有變差。這一段跟 Jev 無關，但訪客感覺到的「變快」，有一半來自這裡。

順手多問一題 誰像潛在客戶

既然每一句話都會問 Jev，我們就順便多問一題：這個人聽起來像不像潛在客戶。多問這一題，花的時間幾乎量不出差別。「我們是補習班，想讓 AI 回家長訊息，大概多少錢」拿到 0.96，單純一句「哈囉」只有 0.07。

這個分數拿來決定什麼時候開口請訪客留聯絡方式。對話進行到第三句，或是 Jev 判斷對方像潛在客戶、而且已經問到第二句，小浪會跳出一張通知，問要不要留 LINE、電話或 Email。點下去會打開聯絡表單，剛剛聊過的內容已經自動整理好填進去。一段對話只會問一次，按「先不用」就不會再出現。這個功能剛上線，效果如何還要再觀察幾週。

導入 Jev 之前要知道的限制

第一個限制是只能連網使用。TypeSafe 沒有提供可以下載到自己主機上跑的版本，官方文件也沒提到這件事，服務架在美國。官方原本要排候補名單，9 月 20 日起開放所有人直接使用，到 TypeSafe 官網註冊就可以開始；我們是透過 OpenRouter（一個把各家 AI 模型集中起來、統一收費的平台）使用，功能和官方一樣。如果公司規定資料不能離開台灣，這一點要先確認。

中文也不是它最強的語言。官方的說法是英文最準，中文、日文、韓文「能處理，但沒有那麼好」，建議先用自己的內容測過。我們用 190 題繁體中文提問測網站導覽，答對 187 題、沒有亂換頁；不過導覽是選項很清楚的工作，換成別的用途，就要重新測一次。

「把握多少才動手」要自己訂，而且不會只有一個標準。官方建議依照出錯的後果來分級：把握不夠的時候不要自動執行，改成交給人處理、請對方補充說明，或改用其他方法。導覽帶錯頁，訪客點一下就能回來，所以我們用五成當標準；如果是扣款、刪資料、寄信給客戶這類動作，標準要高得多，最後一步也應該留給人確認。

還有，它不會算數。官方列出的弱點包括計算、比較日期先後、要繞好幾層才找得到答案的問題，建議把需要計算的部分交給程式，Jev 只負責判斷。

浪花接下來想用 Jev 做什麼

先說不會拿它做的事。像博山科技的計量模型那種要算出投資配置比例和風險範圍的工作，我們不會交給 Jev，數字一律由固定的程式計算，官方自己都說它不是計算機。

會先試的，是讓 AI 助理接到一件事的時候，先判斷「這是哪一種事」。元智大學終身教育部的排課助理每天收到承辦人各種說法：加一個老師不能上課的日子、問這週有沒有撞課、要公布課表。先讓 Jev 判斷這句話屬於哪一種動作、把握夠不夠，再交給助理處理；日期的比對，還是留給程式。

客服和業務信件的第一關分類也很適合。詢價、客訴、售後、閒聊，先分類、再判斷急不急，把握不夠就轉給真人。我們在客服信箱自動分類的實戰裡用的是一般的 AI，換成 Jev 之後，每封信的費用和等待時間預期都能再少一大截。

另外兩個方向還在評估。一個是 AI 助理在修改系統資料之前，先讓 Jev 快速檢查這個動作合不合規則，當作安全關卡的第一道。另一個是企業知識庫：AI 回答前會先去查公司資料，這時讓 Jev 先幫查到的資料打分數，只把真正相關的交給 AI 讀，這是企業知識庫問答最常浪費費用的地方。表單送進來的需求要先交給哪位同事、哪些該優先回覆，也可以用同樣的方式分級，跟我們寫過的潛在客戶自動派單是同一類問題。

這些例子有一個共同點：原本讓 AI 花好幾秒寫一段話，其實只是為了「選一個選項」。如果你的公司也有這種每次都要等 AI 想半天的判斷，可以先把它拆出來看看。我們的 AI Agent 開發，做的就是把這類判斷和動作接進你現有的系統。想先了解 AI 助理該開放哪些權限，可以看讓 AI Agent 接上工作工具的權限指南；想算清楚哪些工作值得用比較貴的 AI，AI 帳單怎麼省那篇有完整的拆解。

資料來源與查證日期

以下資料查證於 2026 年 9 月 27 日。小浪的測試數字來自我們自己的測試與系統紀錄。

• TypeSafe：Introducing System One Models and Jev（發布說明、價格、回應時間、速度倍數的補充說明）
• TypeSafe 官網
• TypeSafe Docs：System One
• TypeSafe Docs：Models（版本名稱與語言支援）
• TypeSafe Docs：Choice（255 個選項上限）
• TypeSafe Docs：Confidence（依風險分級的把握標準）
• TypeSafe Docs：jev-1.13 的弱點
• OpenRouter：TypeSafe SDK 相容介面說明
• OpenRouter：Jev 1.13 模型頁
• Vercel：Jev is the fastest-adopted model in AI Gateway history
• Hacker News：Introducing System One Models and Jev 討論串
• Business Wire（Yahoo Finance 轉載）：TypeSafe AI Emerges From Stealth With $40M in Funding
• Frank Chiu：Jev 中文介紹

延伸閱讀

• 2026 台灣企業 AI Agent 導入指南，從試用走到真正上線的五條路。
• AI 帳單越用越貴怎麼救，大 AI、小 AI 和只做決定的 AI 怎麼分工。
• 企業官網接上 WebMCP 會怎樣，另一種讓官網和 AI 打交道的方式。
• AI 客服一夜送出數十張退款券，把判斷交給 AI 之前，安全關卡要先設好。