运行时真正需要的，也许只是一项决定
很多 Agent 节点并不需要一篇写得漂亮的回答。它们只需要回答：把任务交给 search 还是 code，这条结果能否进入下一步，当前状态是否需要人工复核。生成式模型当然能完成这些判断，但它还要逐 token 生成文本，再由程序解析和校验。Jev 把接口反过来：程序先定义有限的问题与答案空间，模型直接返回类型化选择和概率。TypeSafe 将它描述为“非结构化状态输入，类型化概率决策输出”，并把首个公开模型 Jev 置于 early access。官方介绍
这值得研究，不等于它已经值得接入生产。我们关心的是：当业务只消费最后一个分支时，生成式文本究竟是必要计算，还是昂贵的通信格式？如果去掉文本，延迟和成本可能下降；但如果文本同时承担模型的中间工作区，正确率也可能下降。
一个不能被营销口号替代的问题
“不输出文本”至少有两种完全不同的含义：不向调用方返回解释，或模型内部根本没有足够的计算过程。外部接口只能直接证明前者，不能自动证明后者。Jev 的模型结构没有完整公开，因此本专题不会把一个 API 现象扩写成内部机制结论。
我们的核心顾虑是：长文本不只是写给人看的，也可能让生成式模型把复杂任务拆开、保留中间状态和检查冲突。Jev 若在一个有限答案空间里直接给出概率，究竟保留了多少任务所需的计算？它在原子判断上是否占优，在需要长程规划时是否迅速失效？这些都要靠任务级实验回答。
当前判断
当前的暂时判断是：Jev 更像一个可嵌入工作流的决策组件，而不是 Agent 或通用 LLM 的替代品。 它可能适合路由、评分、门禁和分类；它不负责撰写内容、开放式规划、调用工具形成长链路，也不应该单独批准不可逆的高风险动作。
类型化输出可以消除一类工程故障，例如返回值无法解析或不在预定义枚举内；它不能证明模型理解正确，更不能把概率自动变成业务许可。阈值、拒答、回退和人工复核仍属于应用代码。
我们怎样标记证据
本专题不使用一个模糊的“可信度”。每项关键结论会区分七种状态：
- 官方事实：官方文档、API 或 SDK 可直接确认；
- 厂商声明：TypeSafe 已公开陈述，但尚未独立验证；
- 第三方观察：外部测试存在，但条件和复现范围有限；
- 本地复现：固定代码、数据和版本在我们的实验台得到结果；
- 暂时判断：基于当前材料形成、可被更新的解释；
- 未解决：公开材料或实验不足；
- 已推翻：新证据否定了先前假设。
第一版还没有“本地复现”。这是研究进度，不是页面缺陷。与其填入看似完整的结论，不如保留清楚的未知。
六章阅读路线
接下来先用《Jev 是什么，不是什么》建立技术边界，再在《没有文本，它还在“思考”吗》中拆开上下文、内部计算、可见思维链和最终输出。《审计 193.6×、444.6× 与 67.8%》专门复核传播最广的数字。《从零开始调用 Jev》把接口变成可以亲手运行的程序，最后由《我们准备怎样验证它》规定对照实验。
开放问题包括：RLCD 的公开信息能否支撑训练层解释；概率在不同领域是否仍然校准；复杂问题拆成多个原子问题后，误差如何累积；换模型版本是否会改变既有阈值；没有可见推理轨迹时如何诊断失败。后续文章和实验会增加答案，也可能推翻本页的暂时判断。