TypeSafe AI「Jev」登場：不會聊天的決策模型，能否改寫企業自動化成本？

TypeSafe AI 近日推出首款「System One Model」Jev。模型不會生成自然語言，而是為軟件系統輸出預先定義的結構化決策及機率分數。由前 OpenAI 研究員 Diogo Almeida 創立的 TypeSafe AI，瞄準 AI Agent 在指令審核、工作流程路由、資料分類及風險判斷等應用場景。

TypeSafe AI 表示，Jev 可將大量重複決策由逐字生成改為直接判斷，延遲低至 70 至 500 毫秒，輸入價格為每 100 萬 tokens 0.042 美元（約港幣 HK$0.33）。Jev 要解決的問題，不是 AI 能否寫得更像人，而是企業能否以較低成本，讓軟件更快作出決定。

Jev 的出現反映企業應用 AI 的方向，正由聊天介面逐步轉向可執行多步流程的 AI Agent。這類模型的價值，在於減少每次簡單判斷都要調用大型語言模型的成本；但實際效益仍取決於準確性、權限設計，以及系統能否保留完整審計紀錄。

企業可將高頻判斷移出昂貴的大模型工作流程

大型語言模型通常以逐個 token 生成答案，適合撰文、問答、摘要及複雜推理；但面對大量重複、答案範圍有限的程式任務，成本與延遲未必划算。Jev 則要求開發者先設定可接受的輸出選項，例如「批准、拒絕、轉交人工」、「使用哪種工具」或「哪類工單優先處理」，再由模型回傳結構化答案及機率分數。

這種設計讓 AI Agent 不必每次閱讀長篇文字回覆，再把內容轉換為程式指令。客服分流、內容標籤、程式指令安全檢查、檔案分類、風險提示及模型路由等工作，企業或可透過更短回應時間完成初步判斷。TypeSafe AI 已公布 4,000 萬美元（約港幣 3.12 億元）種子融資，並以早期存取形式提供 Jev，反映投資市場正關注「機器原生」模型能否成為通用 LLM 以外的新基礎組件。

成本與速度具吸引力，準確性仍須獨立驗證

TypeSafe AI 的測試資料顯示，Jev 在部分決策基準中可較前沿模型快 193 倍，成本低 444 倍。不過，這些數據主要來自公司及早期採用者測試，尚未涵蓋跨行業、長時間運作及獨立第三方驗證。開發平台 Vercel 的早期測試則顯示，Jev 在指令安全分類工作中可提升約 5 至 18 倍速度，同時維持具競爭力的準確性。

企業採用 Jev 類模型時，不應將「更快」直接等同「可全面自動化」。模型不輸出自由文字，的確可減少虛構資料、錯誤引文及回答失控等常見問題；但錯誤輸入資料、不完整規則、過窄答案範圍或不合理信心門檻，仍可能導致錯誤決策。較穩健的做法，是按模型機率劃分不同處理層級：高信心結果可自動執行，中等信心結果交由人員覆核，低信心結果則必須由人手判斷。

香港部署 AI Agent，治理應先於全面自動化

Jev 對香港企業的實際意義，在於提供一種較適合內部自動化的模型選項。金融、保險、零售、物流及專業服務機構，可考慮先將其用於工單分類、內部檔案標記、可疑行為初步排序，以及系統操作權限檢查；涉及客戶權益、信貸、招聘、醫療或法律建議的決策，則不宜直接交由模型作最終處理。

香港政府在 2026 年《施政報告》提出，AI Agent 可提升標準化及重複性工作的效率，但高風險情境應設人類監督。機構亦須處理資料保護、權限管理、操作追蹤及責任歸屬等問題。政府正於內部試行 AI Agent，並計劃發布相關安全管理指引。企業日後採用 Jev 或同類產品時，不能只比較 token 價格與回應時間，亦須建立資料最少化、角色權限、人工覆核、異常中止及事後審計機制。