Jev模型专为内容分类设计，具备结构化输出、70–500ms低延迟、输入计费输出免费、概率校准精准四大优势，支持多维度联合分类，但仅处理文本且不提供解释。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Jev模型特别适合内容分类，而且比通用大模型更稳、更快、更省。它不生成解释性文字，只在你预设的类别中做选择，并附带校准过的概率——比如输入一条用户评论，直接返回{"category": {"choice": "差评", "probabilities": {"好评": 0.03, "中评": 0.12, "差评": 0.85}}}，程序可立即路由、打标或触发告警。
一、Jev做内容分类的核心优势
传统大模型分类常出现三类问题：输出格式不一致（有时写“属于差评”，有时只写“差评”，有时还加句号）、响应慢（平均3秒以上）、成本高（输入+输出都要计费）。Jev从设计上规避这些：
- 强制结构化输出：你定义好
["好评", "中评", "差评"]，它就只在这三个字符串里选，绝不会多一个字、少一个引号 - 端到端延迟压到70–500ms：一次请求完成全部判断，不逐token生成
- 输入按$0.042/百万token计费，输出完全免费：对高频分类场景（如每分钟万级评论）成本近乎可忽略
- 概率经RLCD训练校准：0.85不是随便写的数字，而是模型对“差评”这一选项的真实置信度估计，可用于阈值过滤（如只自动处理
prob > 0.9的样本）
二、手把手接入流程（以Vercel AI Gateway为例）
目前Jev仅提供API服务，无开源权重。Vercel AI Gateway已原生支持，无需申请内测，开箱即用：
-
第1步：注册并获取API Key —— 访问vercel.com/ai/gateway，登录后进入AI Gateway控制台，创建新项目，启用Jev模型，复制生成的
AI_GATEWAY_TOKEN -
第2步：构造请求体 —— 准备两部分：
state（待分类内容）和questions（定义分类逻辑）。例如对电商评论做三级分类：
-
第3步：发起调用 —— 使用curl或任意HTTP客户端，POST到
https://gateway.vercel.ai/v1/jev，Header带Authorization: Bearer YOUR_TOKEN，Body为上一步JSON - 第4步：解析响应 —— 成功时返回类似：
- 你的后端可直接读取
decision.sentiment_category做分支逻辑，用probabilities做置信过滤或人工复核队列排序
三、进阶用法：多维度联合分类
一个内容往往需要多个标签。Jev支持单次请求混合多种问题类型，避免多次往返：
- 同时判断：
是否含辱骂用语（noul）+所属品类（choice: ["手机", "耳机", "充电器"]）+紧急程度（score: ["低", "中", "高"]） - 所有判断基于同一段
state并行完成，耗时仍为单次延迟（非累加） - 适合构建自动化工单系统：一条客服消息进来，立刻获得「是否投诉」「归属部门」「是否需2小时内响应」三个结构化结果，代码可直接驱动下游路由与SLA策略
四、注意事项与避坑提醒
Jev不是万能分类器，明确它的边界才能用好：
- 不支持图像、音频等非文本输入：所有内容必须先转为文本描述（如OCR结果、ASR文本），暂不接受base64或二进制
- 单次state长度上限约32k tokens：超长文档需先摘要或分段，再由代码聚合结果
- 不解释原因：它不会告诉你“为什么判为差评”，只给结果。如需归因，需搭配System Two模型（如GPT-5.6）做二次分析
- 国内访问有网络延迟：海底光缆导致实际端到端约200ms起，若对
