我们为何已在用真实企业决策测试 Jev

我们已经开始用每一次 Maven 对话中的各类判断来测试 TypeSafe 新推出的决策模型，包括工单分类、Intelligent Fields 和质量检查。在我们的早期测试中，它在分类任务上比我们现有方案快约 12 倍，而且在同一请求中增加更多分类时，速度并未下降。

一个客户请求包含不止一个决策

设想一位客户写道：“我们的账单翻了一倍，团队一半的人登录不了，我需要在明天续约前解决这个问题。”

解决这个请求涉及多种工作：智能体需要识别账单和访问问题、理解紧迫程度、查看客户账户，并遵循相应的策略。如果需要人工介入，对话必须带着足够的上下文流转到正确的团队，以便后续跟进。

其中有些工作需要推理和解释，有些需要直接查询，还有些归结为一个聚焦的判断：存在哪些问题、紧迫程度如何，或者客户是否要求转人工。

Jev 的价值正体现在最后这一类。

Jev 一结束早期访问，我们就开始用为语音模型建立的同一套评估规范来测试它，因为这样的宣称值得放到客户真实工作流程中去检验，而不只是看供应商的基准测试。

Jev 类似分类器，但有所不同：给它上下文和有限定范围的问题，它会返回选项、分数或概率。TypeSafe AI 的这款新模型旨在返回软件可直接使用的结构化决策。对于 Maven 这样的企业平台而言，这为优化从客户请求到问题解决之间的众多判断创造了机会。

Jev 与 LLM 有何不同

TypeSafe 将 Jev 称为“System One”模型。开发者提供上下文、问题和可能的答案，Jev 返回选项、分数和概率。针对同一上下文的多个独立问题可以并行评估。它不会像 LLM 那样生成自由文本。

以上面的请求为例，系统可以询问其中是否包含账单问题、访问是否受阻、客户是否提出了截止时间。每个答案都会成为工作流程下一步的输入。

传统 LLM 已经能够生成符合 schema 约束的输出。Jev 的主张是专为此类工作打造一个模型，具备并行输出生成能力，并采用 TypeSafe 称为“校准决策强化学习”（Reinforcement Learning for Calibrated Decisions）的训练方法。其目标是让不确定性对软件有用，同时降低延迟和成本。

早期用户也报告了在特定任务上的显著提速。在我们自己的测试中，Jev 的响应速度比我们现有方案快约 12 倍。这只是早期原型验证，并非基准测试，也尚未在我们客户的生产环境中运行。其他团队在各自任务上也报告了类似的数据：Vercel 的 Guillermo Rauch 测得，在其智能体运行的命令安全审查中，第 95 百分位的速度最高提升 18 倍，且准确率高于被替换的 GPT-5.6-Luna 审查器。

Intelligent Fields 是评估它的理想场景

Maven 于 2026 年春季推出了 Intelligent Fields。团队可以定义希望从对话中了解的信息，例如产品领域、情绪、退款意向或升级信号，生成的字段将用于报表、路由和智能体配置。

它如今之所以好用，在于对您的要求极少。您只需用平实的语言写下想了解什么，Maven 就会据此评估每一次对话。无需标注训练集，无需为每个标签维护模型，也无需分析师在一周后手动给工单打标签。每个值都附带置信度分数及其依据，可通过 API 和分析视图获取。这意味着人工可以审核某次对话为何被标记为流失风险，而不必对标签盲目信任。

按照设计，每个字段都是独立评估的。正是这种分离，让每个值都有各自的置信度分数和依据，而不是对整段对话给出一个无人能审核的笼统结论。

像 Jev 这样的决策模型能与这一结构完美对应。针对同一上下文的独立问题可以并行评估，因此一组字段评估可以合并为单个请求，返回的仍是彼此独立、分别评分的答案。输出的形式不变，变化的是可以同时处理的问题数量。

因此，我们并不认为 Intelligent Fields 在 Jev 之下会有不同的工作方式，但我们预计能提升效率、降低成本。

‍

关于对话的问题	决策模型如何处理	带来的能力
这涉及哪个产品领域？	从预定义类别中选择	对需求进行分类并选择相关指引
所报告的问题有多严重？	依据明确的评分标准打分	按实际影响确定工作优先级
客户是否要求转人工？	估计该陈述是否成立	为升级处理提供依据
这个请求中出现了哪些问题？	分别评估每个候选问题	在同一对话中保留多个意图

‍

以上是有待评估的候选映射。Jev 需要保留每个字段的含义，以及依赖这些字段的工作流程的行为。它更窄的输出范围也很关键：开放式摘要和书面解释仍需要生成式模型或其他来源。

当团队希望从每次交互中获取更多细节时，这一机会尤为重要。更低的单次评估成本，可以让追踪更多产品问题、取消原因和升级信号变得切实可行，而不必让每个新增字段都成为一次昂贵的模型调用。

我们不会把刚发布一周的模型推给企业客户

以上内容都属于测试和设计构想。Jev 目前没有在任何客户工作流程中运行。一个几天前才发布的模型，在经过我们对所有新模型执行的同一套评估规范之前，绝不会接近客户的工作流程。您可以看看我们是如何测试 GPT-Live-1 及其他语音模型的。我们会在具有代表性的案例上，将其决策质量与现有方案进行对比，包括含义模糊的案例和缺少关键上下文的案例，然后再比较延迟、每个有效结果的成本以及客户成果，之后才会让它接触实时路由。

企业级工作的模型选择更加丰富

Jev 扩展了构建企业 AI 智能体的选项。对话、推理、分类和验证，各自可能有不同的模型需求。

对 Maven 而言，机会在于评估 Jev 能否让 Intelligent Fields 等功能更加高效，同时保留解决客户请求所需的上下文与管控。

如果您的某个工作流程因反复决策而拖慢了体验，欢迎带给 Maven：比如一个不断在队列间流转的工单、一个评估成本高昂的字段，或一项执行得太晚的质量检查。新模型正是在这些地方证明自身价值。

之所以能快速实现，是因为 Charters、Segments 和 Intelligent Fields 已经定义了这里的关键决策。在其下方替换一个更快的判断层，只是一项几天内就能测试的配置变更，而不是耗时数个季度的重建。