Jev 是什么？TypeSafe AI 官网、申请方式与使用教程

文章目录

TypeSafe AI 于 2026 年 9 月 15 日开放 Jev early access。这款定位为“System One Model”的 AI 模型，主要用途不是生成文章，而是针对大量数据快速做出判断。

根据 SEO 从业者 Borja Obeso 在 X 分享的案例，Jev 在 45.1 秒内处理 586 个网页，放置 584 条内部链接，总成本约 0.21 美元。按该次页数与成本换算，约为每千页 0.36 美元。这让 Jev 在 SEO 内容处理上的用途变得具体：把内链工作拆成一连串明确的判断。

Jev 是什么？

Jev 是 TypeSafe AI 推出的 AI 模型，官方称它为第一个公开的 System One Model。推出 Jev 的 TypeSafe AI 是一家位于旧金山的 AI 实验室。2026 年 9 月 15 日对外亮相时，宣布获得 DCVC 领投的 4,000 万美元种子轮；之后又在 2026 年 10 月 9 日于官方博客公布 A 轮融资，金额 8.7 亿美元、估值 75 亿美元，由 Andreessen Horowitz 领投，Sequoia Capital 与 DCVC 参与。使用方式是先提供数据与预先定义好的问题，Jev 再返回分类、评分或概率等结构化结果。

“System One”取自心理学家 Daniel Kahneman 对思考模式的区分：System 1 指快速、直觉的判断，System 2 则是较慢、较审慎的推理。TypeSafe 将 Jev 定位在前者，适合把大问题拆成许多小判断，再由程序组合结果。“Jev”则取自经济学家 William Stanley Jevons；TypeSafe 借用杰文斯悖论的含义，说明单次判断成本下降后，使用需求也会扩大。

它的设计重点是回答大量明确的小问题。例如一段内容该归到哪个类别、某个主张是否成立、两个页面是否适合互相链接。对软件来说，这类输出可以直接接到后续流程，不必先从一大段生成文字里找答案。

Jev 和一般 LLM 的工作方式差在哪里？

一般用途 LLM 擅长产出文章、摘要或代码。当它用在内容盘点时，常见流程是先生成一段自然语言回复，再由人阅读、解读，最后转成更新、链接或保留等决策。Jev 把问题换了一种问法：先定义可接受的答案，再让模型逐条返回分类、分数或概率。

一般 LLM 从提示词、生成回复、人工解读到执行工作的五步流程 — **一般 LLM 的运作路径**模型先返回自然语言，人再把内容转成可执行决策。

Jev 从输入数据、定义问题、模型判断、结构化输出到系统执行的五步流程 — **Jev 的运作路径**问题与答案格式先被定义，分类、分数或概率可以直接交给后续系统。

两张图拉开的差异，是答案如何进入下一个步骤。一般 LLM 也能通过 structured output 返回 JSON；Jev 则把 Choice、Score 与 Noul 设计成基本问题类型，直接返回固定分类、尺度评分与 yes／no 概率。

Jev 与 DeepSeek 的 500 条评论分类演示视频用同一批 500 条餐饮评论进行情绪分类。画面显示 Jev 用时 63.1 秒、准确率 88.8%、估算成本 0.1892 美元；DeepSeek 用时 494.2 秒、准确率 85.2%、估算成本 0.4534 美元。

视频拿 DeepSeek 来比，Jev 的定位就更清楚了：在这批 500 条评论分类中，Jev 更快、估算成本更低，准确率也略高。面对大量、重复的分类判断，专门处理这类任务的模型，展现出另一种效率优势。

Jev 的优势：让判断直接进入工作流程

Jev 的答案格式从一开始就固定。Choice 指定分类选项，Score 定义评分尺度，Noul 返回 yes／no 命题的概率。程序拿到结果后，就能依分类分流、按分数排序，或按预先设定的条件安排下一步。

另一个特点是把同一份数据拆成多个明确问题，并在一次请求中取得各自的答案。放到 SEO 工作里，网站页面可以分别判断搜索意图、内容主题与内链相关性，再把结果整理成盘点表。

成本方面，TypeSafe 官网列出的定价为每百万输入 token 0.042 美元，输出不计费。对需要逐页判断的 SEO 工作，这提供了一个按输入量估算的成本基准。

AI 的角色不只写出文章，也能处理文章背后反复出现的分类工作。

Jev 如何应用在 SEO 自动化？

SEO 自动化的难点，常常不在抓数据或算数字，而在中间需要理解内容的那一段。爬虫可以列出网站所有页面，工具也能统计关键词和链接；但两篇文章是否重叠、某个页面是否符合搜索意图、内链是否真的相关，仍常要人工逐一看过。

按照 Jev 的分类与评分设计，SEO 团队可以把它放进内容盘点、搜索意图分类、内链候选整理与重叠页面识别。每项工作先定义判断问题与答案格式，再让结果进入盘点表，交由编辑安排更新、合并或链接。另一种做法是把数据和分析都交给外部服务，例如〈OpenSEO 开源 SEO 工具〉的关键词与排名数据来自 DataForSEO，再通过 MCP 接上 AI 智能体整理报告。

Borja Obeso 分享的 586 页案例，就是把内链工作拆成大量小判断：两个页面有没有链接理由？现有段落里有没有可用的锚文本？最后形成一份内链结果。

想先决定哪些页面该让 AI 爬虫读取，可以参考〈robots.txt 该不该拦 AI？〉。

586 页网站的 Jev 内链案例视频与数字来自 Borja Obeso 的 X 原始帖文。

Jev 怎么申请、怎么使用？

使用 Jev 只需要一组 API key。按照 TypeSafe 官方 Quick start，流程如下：

注册并创建 API key
到 TypeSafe 控制台注册账号，在 API Keys 页面创建密钥。密钥请存放在环境变量或密钥管理工具中，不要直接写进代码或公开的文件。
2
选择使用方式
官方提供四种方式。
- Python 或 JavaScript SDK：写代码集成时最方便。
- 直接调用 API：适合已有自己后端的团队。
- Agent Skill：让 Codex、Claude Code 等编程智能体工具替你写集成代码。
- 浏览器 Playground：不写代码也能先试问题与答案格式。
3
使用 Agent Skill 时，先安装 TypeSafe 官方 skill
在目标项目的终端运行：
```
npx skills add typesafe-ai/skills --skill typesafe-ai
```
如果使用 Claude Code，也可以改用官方 plugin。这个 skill 默认安装到当前项目。
4
说明要判断的任务
说明要判断什么、可选答案有哪些。例如：
```
Use the TypeSafe skill to classify this content inventory by search intent and return a structured table.
```
取得结果后，再接入内容盘点流程。

每次调用 Jev，都是送出一份数据（官方称为 state）和一组问题。问题分三种：Choice 从选项中选一个，Score 按评分尺度打分，Noul 返回是非题为“是”的概率。三种可以放在同一次请求里，Choice 和 Score 还会附上置信度。

Jev 的价格与限制

按 TypeSafe 官方发布文章，Jev 输入每百万 token 收 0.042 美元（每十亿 token 42 美元），输出不另收费。1.13 和 1.14 价格相同（官方 Models 文档）。官方也坦承，目前无法证明这个价格没有补贴，要靠长期运营证明。

Jev 不生成文字，所以不能用来写文章或摘要。它适合答案可以事先定义的工作：分类、评分、是非判断、从数据中挑出指定项目。单一 Choice 题目最多支持 255 个选项；需要长篇推理的问题，官方建议拆成多个小问题，再用程序组合结果。

Jev 常见问题

Jev AI 的官网在哪里？

TypeSafe AI 的官网是 typesafe.ai，技术文档在 docs.typesafe.ai，创建 API key 则在 console.typesafe.ai。官方域名只有 typesafe.ai 和 docs、console、help 这几个子域名；jev-ai.org 标题很像官网，但不是 typesafe.ai 域名，注册或输入 API key 前请先确认网址。

Jev 怎么申请？需要加入候补名单吗？

不需要。TypeSafe 在 2026 年 9 月 20 日宣布取消候补名单，官方帮助中心也写明可直接在控制台注册。到 TypeSafe 控制台注册账号，在 API Keys 页面创建密钥后，就能通过 SDK、API、Agent Skill 或 Playground 使用。

Jev 收费多少？

按官方公布的价格，输入每百万 token 0.042 美元，输出不另收费。实际账单请以控制台显示为准。

Jev 和 ChatGPT 这类 LLM 有什么不同？能写文章吗？

不能。一般 LLM 生成文字；Jev 返回事先定义好的分类、分数或概率，让程序直接使用。它适合大量、重复的判断工作，不适合写作或对话。

Jev 可以怎么用在 SEO？

常见用法包括内容盘点时判断每页的搜索意图与主题、找出内容重叠的页面，以及评估两个页面是否适合互相加上内部链接。判断结果仍建议由编辑确认后再修改网站。