Jev 真係平 444.6 倍嗎？

這是 TypeSafe 特定工作流評估的官方宣稱，不能直接推算到你的任務、地區和覆核成本。

Jev 現價是多少？

截至 2026-09-21，模型卡列輸入 US$0.042／百萬 tokens、輸出免費；實際使用前需再核對。

該工作流評估使用大型模型回答平均作參考標籤，不能等同人手真值。

Jev 的低價與高速值得測試，但首頁倍數不能直接代入你的業務。TypeSafe 將 193.6 倍速度、444.6 倍成本優勢連結至自家工作流評估；本篇把測試方法、模型卡價格與自己的估算分開，讓你能設計公平的概念驗證。

資料核對：2026 年 9 月 21 日。本文依官方文件研究；原創情境、門檻及計算例子均有標明。本站未以 Jev API 執行性能或廣東話準確率測試。模型、價格與 early access 狀態可能更新。

這幅圖適合用來提出下一輪測試問題，不適合直接宣布通用模型排名。相同點在不同任務組合或不同推理設定下可能移動。讀圖時先記下來源、核對日期和模型配置，再查看它真正比較的是完整工作流、單一 prompt，還是純粹一次模型回應。

項目	官方披露	對解讀的影響
任務	安全事件、agent trace、發票處理、客服四個工作流	不代表所有行業、語言或生成任務。
彙總	四個工作流等權平均	你的流量比例不同，整體收益也可能不同。
參考標籤	GPT-6 Astra 與 Claude Fable 5.1 高 thinking 回答的平均	測量與模型共識的吻合，不是人手真值。
執行條件	比較模型採供應端預設 reasoning 設定	不能當作每個模型都已調到相同延遲或成本預算。
輸出介面	LLM adapter 要求相容的結構化決策與機率	需同時看這種介面的開銷及你的實際需求。

官方也承認發布倍數可能接近真實收益的較高端。因此，本篇不把 193.6 或 444.6 當作保證節省比例，也不把圖中的型別錯誤率解讀成語意錯誤率。對香港讀者，網絡路徑和現有系統的排隊時間仍是未量度的變數。

影片導讀：官方並排 API 示範（Vimeo）
觀察同一段資料如何轉成多個結構化判斷。這是供應商示範，輸入刻意短而密集，不能代表香港網絡延遲或所有任務。
影片及示範由 TypeSafe 製作；原文與方法限制。

截至 2026-09-21，Jev 1.13 模型卡列出輸入 US$0.042／百萬 tokens，輸出免費。下面只計模型輸入費，用假設每個工作流的總輸入 token 用量作算術示例，並非實測帳單。

模型輸入費 = 工作流數 × 每個工作流總 input_tokens ÷ 1,000,000 × 0.042

「每個工作流總輸入」必須包括所有成功呼叫、重試及分階段請求的實際用量。多題共用 state 可減少重送資料，但多次呼叫仍可能重複計入上下文。更完整的預算還包括 OCR、LLM 草稿、資料庫、佇列、監察及人工覆核；模型單價低，不代表整個服務成本接近零。

欄位	2026-09-21 模型卡所列	實作提醒
模型 ID	jev-1.13.0	保存實際回應版本，別名可更新。
請求速率	1,200 requests／minute	屬 early access 可調整限制，不是固定合約承諾。
token 速率	250,000 tokens／second	請求數未達上限，也可能先撞 token 限制。
整個請求預算	state＋所有問題合計 64k tokens	大量問題不是無限制。
單題上下文預算	state＋最長單題 32k tokens	不能用「64k」推論單一長問題也可用 64k。