OpenRouter 平台数据：Jev 占分类请求 27%，接近此前居首的 DeepSeek V4 Flash 两倍

于北京时间 9 月 27 日凌晨 2 时 30 分在公布平台数据：在其分类（classification）类请求中，TypeSafe 的决策模型 Jev 占到周请求量的 27%，接近此前位居第一的 DeepSeek V4 Flash 份额的两倍，帖子随附一张数据截图。按这一比例推算，让出第一的 DeepSeek V4 Flash 份额约在 13.5%～14% 之间。

更替发生得很快：Jev 1.13 于 9 月 18 日才在 OpenRouter 上架，OpenRouter 发帖时距其上架刚过一周。需要说明的是，这组数字只覆盖 OpenRouter 一家平台的口径，绝对请求量未披露。

一条官方帖给出的座次

OpenRouter 在帖子中写道：「Jev 正迅速成为 OpenRouter 上分类请求的首选。它拿下了该类别 27% 的周请求量，接近此前占据第一的 DeepSeek V4 Flash 份额的两倍。」截至北京时间 9 月 28 日查询，这条帖子获得约 3.2 万次浏览、425 个点赞和 30 条回复。

按对 Jev 适用场景的描述，分类属于「快速、可预测的答案比生成文字更重要」的那类决策点：路由、分类，以及应用内部的其他判断环节。

Jev 是什么：返回选项而非文本的「System One」模型

按模型页的介绍，Jev 是 TypeSafe 的结构化决策模型，也是该公司「System One」系列的第一款：输入一段应用状态和若干带类型的问题，它从预先定义的选项中返回一个选择，同时给出每个选项的概率和总体置信度，而不是生成自由文本。系列名字取自丹尼尔·卡尼曼《思考，快与慢》中的「系统一」，即快而模式化的判断。OpenRouter 的演示了它三类问题原语中的两类：Choice 从固定选项里挑一个，Score 按描述好的有序等级打分；输入只接受文本。

规格与计费在模型页写明：输入 token（词元）0.042 美元/百万，输出免费，上下文 32K，最优供应商的 P50（中位数）延迟 0.27 秒，调用通过 OpenRouter 的 Decisions API（决策接口）完成。

平台自己的对比测试：快 13 倍、便宜 22 倍，准确率差 3.3 个百分点

分类负载为什么会整体换模型，OpenRouter 在 9 月 22 日署名 Kenny Rogers 的里给过一组对照数字。它把 Banking77 测试集的 3,080 条银行客服语句、77 个意图，分别交给 Jev 1.13 和 Claude Opus 5——按博客引用的 rankings（排行）页口径，截至 9 月 22 日，后者是用户在分类任务上开支最高的模型。结果：Jev 准确率 81.0%，Opus 84.4%，差 3.3 个百分点（95% 置信区间 2.3～4.4 个点）；中位往返延迟 175 毫秒对 2,266 毫秒；每千次请求成本 0.11 美元对 2.42 美元。两个模型都没有返回过格式错误的响应。这次测试比较的是准确率、速度和成本；而官方帖里的 27% 按请求量计——开支榜与请求量榜并不是同一条口径。

博客还测了按置信度级联的用法：把置信度低于 0.9 的请求升级给 Opus，约 76% 的流量不再经过 Opus，整体准确率 84.0%，与只用 Opus 相差不超过 0.4 个百分点，每千次成本降到 0.69 美元。置信度作为排序信号有效——不低于 0.99 的请求准确率 96.3%，低于 0.5 的只有 29.6%——但博客同时指出，Jev 在置信度中段高估了自己。

测试边界也写在博客里：一个数据集、一个领域、一套提示词、一个 15 分钟窗口；判据只按标签名编写，两个模型在 get_physical_card 这个意图上都得了 0 分（满分 40）。按博客转述的 TypeSafe 说法，用 Jev 这样的小型判断模型替代前沿聊天模型，能在分类任务上同时大幅降低成本与延迟。

回帖里的追问：涨的是份额，还是类别本身

回复不全是叫好。认为份额只是表层数字：「它底下的问题是这个类别本身有没有增长。便宜的决策会解锁以前没人会做的调用，从抽样变成对每个动作做预筛。总量持平而份额上升，只是迁移；总量增长，才是新的原语。」问的是同一件事的另一面：27% 里有几成，原本是聊天模型在做同样的活。

给出了分类负载先易主的机制解释：「分类是唯一不用改写周围任何东西就能换模型的工作。同样的输入进去，一个标签出来，没有别的要修，所以份额在这里动得这么快。凡是还要调用工具的负载，都做不到这个速度。」

已在测试 Jev 的研究者 Maziyar Panahi（其 X 简介显示从事设备端临床 AI 工作，参与 OpenMed 与 Arcee）在中提醒：「27% 已经很惊人了。但我测试 Jev 时发现过一些错误，显然难免。我们需要超越 F1 的扎实基准来评估这类 System One 决策模型，才能放心用。」还有人注意到了旧第一名的处境，写道：「Jev 一周拿下 27%。DeepSeek 是从一张图表上知道自己丢了第一的。」

数据到哪里为止

OpenRouter 的帖子回答了「分类类别里谁最大」，没有回答的至少有三件事：绝对请求量有多少、分类类别如何界定、以及这份份额里多少来自从聊天模型的迁移、多少来自新增调用。此次随帖公布的只有一段文字和一张截图，这些问题目前都停在回帖的追问里。