Guides / 视频转图文攻略
Jev Playground 实测攻略：热狗课程、criteria 校准与四平台 token 账单
Caffeinated Software 用 9 分钟走完 TypeSafe 控制台 Playground：热狗三明治 Noul 课程从 61% 校准到 76%，按立方体食物规则搭出 Choice 问题并全量排序，再把同一份提示词分别丢给 GPT-5.6 Luna、Sonnet 5 与 Gemini 3.7 Flash，逐家对 token 账单。
速览结论
一段录屏跑通整个 Playground。TypeSafe 控制台的热狗三明治 Noul 课程首答 61% true；补上两句 true/false 判据后到 76%；推倒重做的 Choice 问题——一个热狗 State 加八条立方体规则——把 Taco 排到 94%（Sushi 5%，confidence 93%），全程约 95 毫秒、543 个输入 token 加 84 个分文不收的输出 token。同一份提示词丢进三家对手的 Playground：GPT-5.6 Luna 用了 4.1 秒、为 132 个输出 token 付费（445 进）；Sonnet 5 判 taco、confidence 88，674 进 → 173 出约合 $0.0031 一跑；Gemini 3.7 Flash 烧掉 495 进 / 100 出，还给了个 confidence 100。对手全都要为输出 token 付费、置信度全靠自报——这个差距就是 Jev 的整个卖点。
分步图文攻略
- 1
进控制台：三种原语、三节入门课
先解决入场券。录制时 Jev 还是邀请制：在 Join Our Waitlist 表单留邮箱、做一份「我这辈子填过最长的问卷」，等几个小时邀请才到（等待期间可以去项目 Discord 蹲着）。视频引用的官方说法：ChatGPT 联合发明者造了个新模型，快 20–200 倍、便宜 40–400 倍——因为输出 token 免费。进了控制台，Playground 的「Select primitive type」面板就是全部词汇表：Noul 判断一件事有多真（0 到 1）、Score 设评分规则、Choice 出多选题，各自带 Docs 链接。Learn to TypeSafe 面板把同样的东西打包成入门课——Is hotdog a sandwich?（Noul）、What color is the sky?（Choice）、Can monkeys create art?（Score）——下面还有真实用例：简历筛选、客服对话审计、工单分诊。左下角的模型选择器写着 jev-latest。
控制台即课堂：三种原语、三节入门课。跳转至 1:25 - 2
跑第一课：模型诚实地说 61%
热狗课打开一个双栏编辑器。State 里是占位符 { "example_state": "Add context for TypeSafe to evaluate" }，Questions 里是一个 Noul 问题：{ "is_sandwich": { "type": "noul", "instructions": "Is hotdog a sandwich?" } }。按 Run request（Ctrl+Enter），Response 面板回答「61% true」，落款 jev-latest 100ms · 118ms。课程的引导气泡把教学点挑明：「Hmm, the model’s rather unsure. Let’s clarify what a sandwich is in our question.」光秃秃的问题只会换来一个耸肩——不确定性不是缺陷，是下一步的引子。
首跑 61% true——连课程自己都承认模型不确定。跳转至 2:12 - 3
加 criteria：61% 变 76%
criteria 就是挂在问题上的定义——主讲人的说法是「basically a definition」。课程加了两条：true = 「A sandwich is a food dish where a filling, such as meat, cheese, vegetables, or spread, is placed between structural starch」，false = 「The food has no bread enclosing a filling or uses only a single slice of bread, or uses a non-bread wrapper such as a tortilla, wafer, or cookie.」原样重跑，答案变成 76% true（jev-latest 135ms · 124ms）。State 没动、问题文本没动，只多了定义，判定就被重新校准。整个校准循环就一句话：Jev 不确定时，把边界描述给它。
两句定义，把判定拉到 76%。跳转至 2:26 - 4
出正式题：一个 State、一道 Choice、八条立方体规则
主讲人把 76% 的三明治截图发给朋友，对方不服：「这是塔可。」于是他推倒重来。State 里先定义主体：{ "hotdog": "A food with a starch on 3 sides and a cylindrical meat filling." }（他还提醒这里也能塞随机场景）。问题换成 Choice，instructions 是「What is a hotdog?」，criteria 把立方体食物图里的八个选项全部写清：Cake（淀粉做结构、横向分层）、Calzone（六面全包）、Quiche（五面、开口容器）、Taco（三面——底部加两侧墙，顶部和两端开口）、Salad（零面）、Toast（一面、开放式）、Sandwhich（相对两面）、Sushi（四面卷成筒）。把每个选项描述清楚，答案才可核。
State 定义热狗，criteria 编码立方体规则。跳转至 3:24 - 5
出分：八个选项全排序，附整体置信度
响应面板把八个选项排成一列，而不是甩一段散文：Taco 94%、Sushi 5%、Sandwhich 1%，Cake、Toast、Salad、Calzone、Quiche 全是 0%，底部一行「Confidence: 93%」（这一跑落款 jev-latest 95ms + 186ms）。主讲人的原话：「这就是它和 LLM 不一样的地方——它给你一个扎实的格式。」重跑会有一两个点的抖动：他后面对比跑引的就是 96% taco。排序列表才是重点——你可以拿任何一条门槛做分支，不只看冠军。
八个选项全排序，附一个整体置信度。跳转至 4:12 - 6
打开 JSON：输入 543、输出 84，输出免费
切到 JSON 视图，一次运行被拆得干干净净："choice": "Taco"、"confidence": 0.93、八个选项的 "probabilities" 对象，然后是 "usage": { "input_tokens": 543, "output_tokens": 84 }、"request_id": "playground_…"、"evaluation_time_ms": 95.42。主讲人指出 token 数每次跑都一样——而账单结构才是卖点：「Jev 不收输出 token 的钱，这里也就是那 84 个。」整个判定约 95 毫秒。
进 543 个 token，出 84 个——出的免费。跳转至 4:20 - 7
同一份提示词，抄进三家对手的 Playground
测速环节他把四个 Playground 铺在一屏——TypeSafe 左上、OpenAI 右上、Claude Console 左下、Google AI Studio 右下——把一模一样的提示词逐字粘进每家（他特别叮嘱「不能多一个空格」，还把提示词留在屏幕上供暂停抄写）。OpenAI 的 Configure 面板能看到提示词骨架：对每个选项的 criteria 逐一评估，所有选项概率之和必须等于 100，再报出最可能的单个选项和一个独立的 confidence（0–100）。模型选的是「默认、近乎免费」那档：GPT-5.6 Luna、Sonnet 5（claude-sonnet-5 下拉）、Gemini 3.7 Flash——后者还配了句 system instruction：「You are a classification engine, not a chatbot」。Jev 先跑：「我们都知道它多快——96% taco。」
一份提示词、四个控制台、一个多余空格都不能有。跳转至 5:52 - 8
宣判：同一个决策在别家花多少钱
GPT-5.6 Luna 拉着思维链想了 4.1 秒，花掉约 577 个 token（445 进 + 132 出）——那 132 个输出 token 要收钱，而且照主讲人的说法，它给的概率是编的。Claude Console 里的 Sonnet 5 也判 Taco、confidence 88——工作台页脚写着 ≈ $0.0031，对应 674 进 → 173 出，约合三分之一美分，挂钟停在 6.1s。Gemini 3.7 Flash 是三家里最快的（按他的读数约 3 秒），烧了 495 进 + 100 出（共 595），还给出一个完美得可疑的 confidence 100。Jev 的同题成绩：543 进、84 出、输出分文不收，判定加全量排序约 95 毫秒。他的算盘：一天做几百万次这种决策的公司，每一个输出 token 都记在账上。
Sonnet 5 的塔可判决：约三分之一美分。跳转至 7:00
常见问题（FAQ）
不会写代码也能用 Jev Playground 吗?
可以——这正是这支视频的意义。TypeSafe 控制台的 Playground 全程靠面板操作：选一个原语（Noul、Score、Choice），改 State 和 Questions 的 JSON，点 Run request（Ctrl+Enter），读带置信度的排序答案。不用 SDK、不用 curl——主讲人不打开任何代码编辑器就跑完了整个热狗三明治练习，连 JSON 用量视图都看了。
怎么拿到 TypeSafe 控制台的访问权?
录制时 Jev 是邀请制：在 Join Our Waitlist 表单提交邮箱，做一份很长的问卷，然后等——主讲人的邀请几小时后就到了。他还推荐等待期间去项目 Discord 蹲着。进来之后，Playground 区就是本攻略用到的入门课程和自由编辑器所在地。
Noul、Choice、Score 有什么区别?
这是 Playground 暴露的三种问题原语。Noul 判断一件事有多真，0 到 1（热狗三明治课）；Choice 从你定义的列表里挑（八选一的热狗分类）；Score 按你给的评分规则打分（第三课 Can monkeys create art? 用的就是它）。选哪种类型，答案的形状就定成哪种。
做分类，Jev 真的比 ChatGPT 或 Claude 便宜吗?
就视频里这道题，账单是肯定的。Jev：543 输入 token、84 输出 token——输出免费。GPT-5.6 Luna：445 进 + 132 出（要付费），4.1 秒。Claude Console 里的 Sonnet 5：674 进 → 173 出，一跑约 $0.0031（三分之一美分）。Gemini 3.7 Flash：495 进 + 100 出。单次差距是几美分；按主讲人的算法，一天几百万次决策时它就是预算科目。
热狗答案为什么从 61% 变 76%，又从 94% 变 96%?
两回事。61% → 76% 是校准：补上 true/false 判据等于给了模型可对照的定义。94% 与 96% 的抖动是运行间方差——主讲人把同一问题重跑了几次，看着最高概率挪动一两个点才稳定，所以他的建议是看排序列表和 confidence，别只盯着冠军。
相关推荐
Jev Playground（在线实测）
在本站直接跑同一套 state + questions 工作流，无需注册控制台。
阅读Jev 新手入门攻略
SDK 路线：Playground 验证完决策，就该接进代码了。
阅读Jev Schema Builder
打开控制台前先设计 MECE 选项与行为化判据——本攻略的立方体 criteria 就是范本。
阅读Jev API 参考
每次 Playground 运行背后的 evaluate 端点与类型化载荷。
阅读什么时候该用 Jev
决策模型什么时候胜过 LLM，什么时候不值得用。
阅读更多视频攻略
- Jev 极速分类实战：从 API 调用到 Choice/Score/Noul 三大原子类型
- 7 分钟透析 Jev 架构：为什么 70ms 决策模型颠覆了 LLM 自动化工作流？
- Jev 赋能极速浏览器 Agent：178ms DOM 决策循环与双模型协作实战
- OpenJevs 开源 Jev 模型全景：Semif、Nimble、Decider、DiffusionGemma 与 Laya 实测
- Jev 会取代 LLM 吗？Krish Naik 白板图解 Jev vs LLM 与混合架构
- Jev Trader 教程：在 Monad 上搭建亚秒级 AI 交易机器人
- Jev Model Router 实战:用 Jev 搭建带隐私门控的本地模型路由器
- Jev 入门教程:State、三类问题与 TypeScript SDK 实操
- 本地跑 Jev:Kev、SemIf 与 Von,自己的 GPU 就够了
- Jev RAG Reranker 实战:用可执行 criteria 打造策略化检索重排
- Jev 什么时候该用:工程视角核实宣传口径、守门与失败模式
- LangChain + Jev 集成实战:路由、护栏与评测
- Jev MCP Server 接入指南:把 Jev 决策层接进 Claude Code 与 Cursor
- Jev vs Luna 独立基准实测：「更快更准更便宜」是真是假？
- Jev Agent Harness 实战:决策闸门该装在 LLM 循环的哪个位置
- Jev 文本分类 API 实战：用 classifier.dev 打通零样本 CLI 与 REST 调用
- Jev API 实战示例：第一条 curl、载荷结构与三种问题类型