Jev 不能做什么？开发前必须理解的五个限制

Jev 是专用模型，不是万能模型

Jev 不能生成自由文本，也不能直接读取图片、音频或视频。结构化答案仍可能判断错误，非英语任务需要单独评估，开放式规划需要其他系统。适合交给它的是边界明确的判断，重要操作应由业务代码控制。

2026 年 9 月 27 日对照 TypeSafe 的模型文档、Jev 1.13 已知问题和置信度说明核实。下面的工作流和验收步骤是本站的接入建议，不是实测性能报告。

不生成自由文本

Jev 返回预先定义的选择、有序评分和类似概率的判断。它不会撰写解释、文章、代码或客服回复。

例如客服流程可以让 Jev 在账单、技术支持、人工复核之间选择，再交给 LLM 或模板生成回复。给超出支持范围的请求预留复核选项。输出一个有效类别也不代表可以执行退款：业务代码仍需检查账户并单独验证操作权限。

目前只支持文本

图片、音频和视频需要先转换成文字或结构化字段，Jev 才能进行判断。

场景控制器可以发送物体名称和允许的动作，再由游戏引擎执行选择；图片分类则需要单独的描述或 OCR 步骤。如果前处理遗漏了警告文字或识别错数字，Jev 无法找回缺失证据。实时决策案例展示的是这样的组合工作流，并不代表 Jev 原生接受视频输入。

Jev 最多能读取多少上下文？

当前模型文档列出的限制为状态与全部问题合计 64k token，同时状态与最长的单个问题合计不能超过 32k。这是请求上限，不代表填满窗口会提高准确率。应先过滤无关内容，升级模型时再次确认上限。

类型安全不等于事实正确

Jev 可以保证回答符合请求结构，但仍然可能选错类别，或者给出不合适的评分。

TypeSafe 的已知问题说明提到：计数和日期比较不可靠，无关上下文会干扰判断，恶意输入可能影响结果。求和与截止日期比较应交给代码；判断只提供必要证据，并测试试图修改分类规则的输入。

Choice 和 Score 的置信度反映输出分布，不能证明答案正确。Noul 返回肯定判断的概率，没有单独的 confidence 字段。用自己业务的标注样本确定复核阈值，同时检查低置信度回答和高置信度错误。

英语效果最好

TypeSafe 表示模型可以处理包括中日韩文字在内的其他语言，但准确率并不相同。中文和多语言任务应该单独评测。

分别准备英文、中文和中英混合样本，覆盖缩写、否定句与本地产品名称。如果先翻译再判断，需要评估完整链路；英文译文上的好结果不能单独证明原始中文输入的处理质量。

需要明确的判断边界

Jev 最适合输出范围已知、控制流由代码掌握的任务。开放式规划和创作仍然需要 LLM、规则系统或人工判断。

例如文档审核应分别判断相关性、证据是否缺失、是否需要复核，再由代码组合结果；不要用一个模糊问题决定整份文档是否通过。Jev 与 LLM 的区别可以帮助你分配各环节。

上线前可以照着做的验收检查

1. 列出允许输出的类别，以及没有适合类别时的处理方式。
2. 标注有代表性的样本，包括模糊输入和恶意输入；另留一组样本用于最终评估。
3. 按类别和语言统计错误。例如漏掉紧急工单与不必要的人工复核，后果不同，应分别统计。
4. 同时观察自动处理的错误率与人工复核占比。如果提高准确率的代价是几乎全部转人工，可能仍不满足运营目标。
5. 记录模型版本、规则和阈值；修改任何一项之前，重新运行同一组评估。

这些是建议的验收方法，不代表本站已经实测你的业务。官方模型版本说明解释了为什么版本别名更新可能改变行为。用Jev API 成本计算器估算评测和持续复核所需的调用费用，再参考接入指南搭建流程。