企业官网建设流程全解析

一个纯文本、无视觉的商业 API，正在被人接进控制回路。它凭什么接上、接在哪一层、错了会怎样——这三个问题恰好落在计算、信息、误差三种结构上。而机器人界已经提前三年把答案的草稿写好了，写在 VLA（Vision-Language-Action）的论文、蒸馏实验和一次次真机事故里。本文以"接入硬件的三问"为轴，Jev 是线索，VLA 是第二主角。

开篇：一周之内长出身体

2026 年 9 月 15 日，TypeSafe AI 发布了 Jev：一个不提供权重下载、只暴露托管 API 的"System One 模型"。它不收图像、不收音频，输入文本或结构化程序状态，输出三种类型化的判断——Choice（在最多 255 个候选中选一个）、Score（打分）、Noul（是/否概率）。它不生成任何字符串。官方在发布材料中说明：类型错误率为 0% 源于结构保证而非实测——答案空间由调用方声明，非法取值在结构上不存在。（官方另有实测数据的是速度与成本，口径下文另述。）

这不是一个为机器人准备的产品。但发布后的十天之内（按各项目仓库创建时间核验：9 月 16–22 日），社区自己干了这件事：

一架 Skydio X2 四旋翼（MuJoCo Menagerie 里的真机模型）在仿真里仅靠机载相机飞完五站障碍赛道，一个"判断模型"以约 2.5Hz 的频率坐在战术层上，决定当前局面的含义——爬过去、等转门、穿缝隙——而所有时间敏感的控制留在普通代码里。一条 Franka 机械臂在 ManiSkill 仿真里听懂零样本英文指令（"pick up the red cube"），靠同一个 API 在约 30 个硬编码基元之间选路。一个智能体在《我的世界》原版服务器上打完了末影龙，全程 131 次 Jev 决策、35 次大模型规划调用。另一个项目在 PyBoy 模拟器里用真卡带打《宝可梦 红》，每个战斗回合让模型对"本回合是否会濒死"给出 Noul 概率，再用 Brier 分数对着模拟器 RAM 里实际发生的事校验——作者特意没有发布校准结论，因为标注样本只有 5 个，"一个基于这种样本的 Brier 分数只是装饰"。

这些项目没有一个等待官方做具身功能。一个为软件路由设计的判断模型，被社区自行接进了物理回路。这个抽象比它的设计目标更通用。

提示：下文引用的所有社区项目数字均为作者自报，且全部运行在仿真或模拟器内，没有真实硬件闭环；厂商（TypeSafe）数字只在对照的语境中出现，并标注口径；凡属本文的架构推断，一律明确标注"推断"。

第一幕：计算结构——云端回路的频率预算

一个被迫穿 JSON 外壳的分类器

先看一个被忽视的事实：当你让一个普通的自回归大语言模型做分类——比如"这个工单该进哪个队列"——它被迫生成一段 JSON 或一个单词来交出答案。它的延迟结构是：

T= prefill + n_decode × step

prefill 是输入的一次前向；n_decode 是解码步数，每步以序列方式依赖上一步。对于"输出一个枚举值"这种任务，n_decode 通常在 10–30 步之间，且步数取决于答案内容——模型要输出{"queue": "refund"}还是更长的结构、中途是否啰嗦、是否要复核，都会改变延迟。更糟的是 JSON 外壳本身：解析可能失败，校验可能拒绝，重试加倍方差。

这里值得给"内容方差"一个具象的量级。发布博客的对照表里，前沿模型的端到端响应被写成 3 到 329 秒（厂商整理的口径，涵盖不同推理档位）——同一个问题，模型"想多说几句"和"直接给答案"之间，隔着两个数量级。即使用结构化输出约束、函数调用模式把长尾砍掉，解码步数仍由答案的措辞而非答案的语义决定。对软件集成来说，一个延迟有方差的组件是不可签约的——你无法围绕它设计时序保证，就像你无法围绕一个"有时三秒有时三分钟"的函数设计实时系统。

这就是"LLM 慢"这句话真正应该有的精确形式：问题不在均值，而在延迟是答案内容的函数。

Jev 的算法本质（此处有厂商口径与推断的混合）：官方博客描述为"parallel sampler，所有输出在单次查询内并行算出"；第三方与社区普遍认为（推断）其实现是一个骨干网络加声明空间上的小 softmax——答案空间由调用方在请求时声明，模型对声明集合内的每个候选算一次前向得分。无论内部细节如何（TypeSafe 尚未发布架构论文），其延迟结构清晰：一次前向，答案长短不影响步数，方差坍缩。

这不是"把 LLM 优化得更快"，而是把串行依赖从延迟公式里删掉——删掉的是答案内容对延迟的依赖，网络依赖原封不动，抖动仍在账上。这个区别是下一节频率预算的存在理由：

图①：两条路径的延迟结构对比。

频率预算：能闭合的回路上限是个位数 Hz

现在算硬件回路这笔账。Jev 是云端 API。把一个云端 API 放进控制回路，延迟预算是：

T_loop = T_api +T_network(往返)+ T_jitter

厂商宣称的端到端响应是 70–500ms（厂商口径：官方博客自述其评测"一般跑在我们西海岸的笔记本上"，即不含跨洲公网）；Laya 发布方 Convai 的对比表测得 Jev 单题 p50 为 236–276ms（竞争方口径）；宝可梦项目经 Vercel AI Gateway 自报中位 621ms（n=6）。加上网络往返与尾延迟，一个云端判断回路能稳定闭合的频率上限，是个位数 Hz。

由此推出一个比"快不快"重要得多的结论：split-rate 是唯一合法架构。jev-drone 的分工是教科书式的——HUD 上写着control 500Hz jev 3Hz（README 口径约 2.5Hz）：判断模型坐 2–5Hz 的战术层，负责"这个局面意味着什么"；姿态、避障的硬约束留在数百 Hz 的确定性代码里。jev-drone 的 2.5Hz 不是随意选择的风格，而是上面那笔频率预算的产物。换个 API、换个网络，这个数会变；预算公式不会。

这笔预算在 jev-drone 的消融实验里能看到全部含义（自报仿真）。同一套系统关掉 Jev、退化为"朝宽敞一侧飞"的贪心启发式：永远不撞，也永远过不了第二关——因为"从障碍上方爬过去"不在它能表达的语义里，三次运行全部停在 17.7 米处。接入判断之后：全程 77.5 米约 47 秒飞完，极速 3.6 m/s，目标保持视野率从约 19% 升到 82%，被反射逻辑钉死的时长从 65–71% 降到 9%，碰撞为零。注意这组数字的结构：判断模型贡献的是语义（"这个情况意味着该爬过去"），代码贡献的是可靠（爬的执行、不翻机的姿态）。频率预算决定了两者不能合并成一层。

仿真还逼作者写下了两条控制器教训，值得单独引用。四旋翼无法向下推、硬指令下降时控制器会忠实地命令一个倒置姿态，修法是钳制期望加速度的 z 分量；侧向控制需要位置回路而非速度保持，否则飞机会一本正经地横穿走廊撞进对面墙。这两条教训里没有任何 AI——它们说明物理层面的正确性永远属于代码，判断模型无论多聪明，都坐在一个"先把 a_des[2] 钳正"的世界里。

还要补一刀：无线链路下抖动失控，云端回路在真实飞行硬件上基本出局——jev-drone 自己也承认这是仿真。仿真与有线工作站，是云端判断回路的合法疆域；出了这个疆域，结构就变了。

与 VLA 同构：用结构换串行

机器人界早就面对同一个问题。VLA 的两代关键工作，本质都是"用结构换串行"：

• RT-2（2023）把机器人动作离散化成 256 个 token，嫁接在 PaLI-X / PaLM-E 的视觉语言骨干上——动作空间被压进词表，才谈得上用预训练模型直接出动作；
• OpenVLA（2024，7B）沿用动作 token 化，并用投机解码把 wall-clock 吞吐拉高数倍——用一个小草稿模型预测动作 token、大模型并行验证，用架构技巧绕开解码串行性；
• 更新的FAST动作分词器、π0的 flow-matching 解码器，则是在另一侧做同样的事：把连续动作的表达改写到推理更便宜的坐标系里。

Jev 把这条路推到极端：不只动作 token 化，而是答案空间整体由调用方声明。VLA 界换的是串行的步数，Jev 换的是串行的存在性。

把三件事并排看，结构就清楚了：

最后一行是那个真正的范式转移：历史上是模型方决定"答案能长什么样"，Jev 把这份权力上交回代码。这也是它与 VLA 天然互补而非竞争的根因——第三幕会回来讲这个分工。

第二幕：信息结构——没有眼睛的感知

硬事实：Jev 无视觉

Jev 无视觉、无音频，输入只收文本与结构化状态。官方发布博客在 Doom 演示的脚注里留了一句 "not on images (yet…)"——截至发稿（2026 年 9 月 23 日），这个省略号没有产品化下文：无图像模型、无接口、无时间表。CEO 在市政厅会议中提到过图像模型，但早期访问的公开 API 仍然是文本进、类型化判断出。

这不是小遗憾，而是信息结构上的根本定位：Jev 只负责判断，不负责感知。

社区的标准解：VLM 做前端，Jev 做判断，代码做动作

社区给出的模板高度一致，而且和 VLA 界的分层不谋而合：

像素 → VLM/CV 压成结构化状态 → Jev 判断 → 代码执行动作

两个代表性项目：

• 皇室战争（clashroyale-jev，自报仿真）：Qwen 看战场画面给出局势描述，本地 OpenCV 读手牌与圣水数值，二者压成结构化状态后交给 Jev 选牌与落点。VLM 与 Jev 是上下游，不是替代关系。
• OmniJev（自报仿真）：双相机图像加文本直接喂给一个自托管的多模态模型，以 Jev 式有限选择接口输出下一个预设技能，驱动 MuJoCo 机械臂完成搬运、堆叠、越障任务。它最有趣的数字不是成功率，而是拒答：对不可观测的输入，系统返回 "insufficient evidence" 而不是猜——发布方报告 208/208 个非音频探测请求回答正确，并在四个公开基准试点上保持准确率不降、决策延迟降 6.8–13.6 倍、总 token 降 51–86%。

这个"拒答"的分量值得单独掂量。一个会说自己"证据不足"的回路组件，比一个永远给出答案的组件，在安全结构上的价值高得多——这是第三幕的伏笔，也是校准问题的前奏。

更激进的路线：原生多模态复现

还有一条更激进的路线已经开花：决策模型的"视觉版"率先出现在开源侧，而不是 TypeSafe 官方。三个项目值得记住：

• Visual-JEV：基于 Qwen3.5-4B 的原生多模态 Jev，图像直接进，不需要模态转换；
• Dohnuts：Qwen3.5-0.8B，图文单前向，发布权重、训练代码与评测（权重限非商业研究）；
• Qwen3.5-OneForward这类接口实验：不做训练，直接从 Qwen3.5-2B 的 logits 读出 Jev 式类型化选择，一次前向、零解码、零微调——同时坦承候选概率"未经校准"。

这个分叉本身值得一段分析。官方产品选择"先校准后多模态"（闭源 API 要卖的是概率可信度），开源社区选择"先多模态后校准"（复现者先证明形态可行，校准是后补的工程）。谁对谁错没有答案，但它说明："判断"与"感知"的解耦是市场的选择，不是某家公司的设计。

这个解耦还有一层更深的含义：感知压缩这一层，恰好是整个系统里误差最容易失控的地方。Qwen 看战场会漏看一条炮线，OpenCV 读圣水会读错一位数，而 Jev 拿到的是已经定型的状态——它甚至不知道自己不知道。判断层的校准做得再好，也只是"给定输入下的诚实"；输入本身错了，诚实的概率照样通向错误的动作。这正是三前提定理把"感知已压缩"列为第一条的原因，也是 OmniJev 把"证据不足就拒答"看得比准确率数字更重的原因——拒答是信息结构里唯一能对感知失效做出反应的机制。

顺带澄清一个流行的误读：Jev 不是 YOLO 式的固定标签分类器——答案空间不是训练时写死的类别表，而是调用方在每次请求里动态声明的候选集合，"动态标签空间"才是准确的说法。它与"抽掉语言模态的 VLA 模型"反而共享更深的结构：RT-2 与 OpenVLA 的骨架本来就是"视觉 → 离散动作 token"，把语言部分拿掉，剩下的正是"感知压缩状态 → 声明空间内的类型化单选"。Visual-JEV 与 Dohnuts 实际上就长在这条缝里——这个类比点到为止，展开是另一篇文章的事。

概率合约的拷问：softmax 的三种语义

现在进入本幕最硬的部分。当 Jev 卖出"带校准概率的类型化判断"，它卖的到底是什么？

softmax 输出的概率有三种常被混用的语义：

1. 策略似然：在模仿学习坐标系下，概率是"专家这么做的相对可能性"；
2. 置信感：模型内部几何给出的锐度，是隐空间的副产品，没有外部含义；
3. 校准概率：频率主义含义——模型说 70%，长期看在可比情形下就应命中约 70%。

三者的差别不是学术洁癖。策略似然适合行为克隆，置信感适合排序检索，只有校准概率能进阈值逻辑："p > 0.85 就自动执行"这个 if 语句，只有当 0.85 是第三种语义时才成立。Jev 宣称卖的就是第三种，训练方法 RLCD（Reinforcement Learning for Calibrated Decisions）的名字就是承诺。但反方证据同样公开：

• Laya 的自测表给出 ECE（期望校准误差）0.081 对 0.246（Laya 是 Jev 的开源竞争者，整表是竞争方口径，不可当作中立评测）。逐数字拆开看测量方与对象：0.246 是 Laya 一方测 Jev 的原始口径；0.081 是 Laya 自测、经按问题类型×选项数温度重拟合之后的数字——两者并非同一测量条件下的对比。第三方综述给出同口径的原始数字：Laya 基础检查点原始 ECE 0.213，Jev 原始 ECE 0.144，结论反转。同一组数据，两种口径，结论反转——这就是"校准"这个词在商品页上的实际处境。
• 一个独立项目在合成锦标赛任务上实测jev-1.13.0（31 场比赛，自报）：ECE 0.197，且明确标注"过度自信（gap +0.174）"，Brier 还输给了 Elo 基线。作者的态度是：测出错误校准"是这个项目的意义所在，不是 bug"。

竞争格局里还有两组数字，把"校准战争"的全貌补完。准确率战场上，竞争方口径下 Laya 在 typed-decisions（0.766 对 0.727）、AG News（0.950 对 0.910）、情绪分类（0.595 对 0.480）上领先，而 Jev 在高基数任务 Banking77 上以 0.870 对 0.425 碾压——选项一多，encoder 式架构的打分头就力不从心。能力边界上，Laya 官方坦承其基础检查点零样本"接近随机"（0.362，低于多数类基线 0.461），能力来自微调而非底座。这些互有胜负的数字提醒读者：所有对比表都是某一方在自己选的地形上打的仗。

最精巧的技术回应来自 Verdict 2.0（作者自报，未获任何独立验证，此处仅作方向性参考）：它把概率拆成两个通道——分布头去拟合人类专家面板的软标签（Brier 0.0636），另训一个置信头专门预测"这次对不对"（ECE 0.0144，AUROC 0.7664）。这实际上承认了"软分布匹配"和"二值正确率校准"在数学上互相冲突：一个模型没法同时最优地服务两种语义。把两种语义拆开卖，大概率是这类产品下一步的标准做法——Jev 的单通道置信度届时会显得简陋。

更深一层的问题：校准是分布内性质。ECE 在"和校准集同分布的数据"上测量才有意义；业务一漂移，softmax 的几何被拉伸，昨天的 0.85 阈值今天可能意味着 0.6 的实际命中率。这不是 Jev 的缺陷，是所有判别式模型的数学宿命。

放进学术坐标系，这里有两棵老树。

Selective prediction（El-Yaniv 一脉，2010 年起）研究的核心对象就是"拒判率—风险"曲线：分类器可以拒答，换取被接受样本上的错误率下降，曲线之下的面积刻画的是一个模型的"可自动化程度"。这条线的现代含义是：一个永远给出答案的模型，和一个知道自己何时该闭嘴的模型，在自动化坐标系里是两种东西——Jev 的置信度加代码阈值，本质就是把这条曲线做成了 API，官方博客里"always communicates confidence and uncertainty with every output"翻译成学术语言，就是"暴露了选择性预测的接口"。但它给出的是曲线，不是证明：阈值调到多少、曲线在你的分布上长什么样，是调用方的责任，不是 API 的承诺。

Conformal prediction是另一条路：不假设模型校准，只在"数据可交换"的弱假设下，用校准集的分位数构造预测集合，给出 coverage 的有限样本保证。机器人界的KnowNo（Ren et al., CoRL 2023）是这条路在 embodied 场景的范本：LLM planner 对候选动作给分，conformal 量化出一个预测集合，集合不唯一就向人求助，在保证任务成功率的前提下把人工求助量降低了 10–24%，并上了真 UR5 机械臂。对照之下，KnowNo 与 Jev 的对应关系有多整齐：多选帧对应声明的答案空间，预测集对应"证据不足"的拒答，人工求助对应代码兜底——只是 KnowNo 多了一样东西：一个关于成功率的定理。

这就是判断模型类产品与学术传统之间真实的距离：刻度盘已经有了，保证书还差一层共形预测包装。

一句话收束本幕：Jev 把"何时该说不知道"这个学术老问题工程化了，但工程化不等于解决——它给了你刻度盘，没给你保证书。

图②：校准的分布内性质与漂移失效。

第三幕：误差结构——错了会怎样

误差的可消费性，取决于是否复合

现在回答最尖锐的一问：判断模型错了会怎样？答案不在模型里，在回路结构里。先算一笔复合账：

一条每步成功率 99% 的回路，以 20Hz 跑十秒，即 200 步，累计成功率是 0.99 的 200 次方——约 13%。要让十秒后还剩 87%，单步成功率得达到 0.9993。这就是复合误差的铁律：局部的高可靠，在串行回路里指数蒸发。

而 Jev 的用例恰好是误差不复合的那类：每一次判断都有状态反馈兜底——选错技能，下一步的状态会不同，判断可以重来；选错分支，宝可梦的战斗回合会给出新的 RAM 事实。误差被吸收在回路的反馈里，而不是沿着轨迹累积。这是用例筛选的结果，不是普适能力。

这里要堵住一个容易混淆的追问：jev-drone 的贪心基线也运行在同样的状态反馈里，为什么它的失败像复合误差，而判断层的误差不像？区别在于错误的性质。复合公式管的是高频回路上的单点失败沿着物理轨迹累积；判断层的错误是低频的决策错误，且每帧都能重选，单点错误至多损失一拍。基线的失败不是随机误差的累积，而是系统性语义盲区——它没有"重新选择"这个机制，每一帧都在忠实地重复同一个错误策略，三次运行整齐地停在同一坐标。换言之：是否可恢复，取决于错误进入的是一条只能前向执行的物理链，还是一个每帧重新开盘的决策点。

图③：柱 = 单步 99% 且逐步复合的回路（200 步即十秒时只剩约 13%）；线 = 单发判断、误差不复合（每次判断独立接受状态反馈校验）。横轴为步数。

三前提定理

为什么这些项目的误差不复合？拆开看，它们全部满足三个前提：

1. 感知已被压缩成结构化状态——Jev 收到的是 xyz 坐标、布尔量、候选清单，不是原始像素；感知误差在进入判断之前已被代码或 VLM 定型；
2. 技能库已硬编码——候选集合是 10–30 个互斥、可验证、可由确定性代码执行的原语；模型选择的后果有界；
3. 安全回路在确定性代码里——姿态稳定、力矩限制、急停，全部不经网络、不经模型。

"缺一不进回路"是修辞，准确的说法是：缺一，回路的风险结构质变。这条"定理"不是数学定理，是工程排他律：缺了第一条，判断在噪声上拍脑袋；缺了第二条，错误选项本身不可执行或不可控；缺了第三条，任何单点错误直接变成物理事件。三条齐备时误差只是可恢复的判断错误；缺一条，它就变成需要自己背书的系统风险。

这里必须明确排除一个常被混淆的对象：PID。PID 有稳定性保证、跑在 kHz、不依赖网络——它是 Jev 下方的层，不是被 Jev 替代的层。判断模型坐在它上面，像飞行员坐在飞控上面：自动驾驶仪不取消飞控，判断模型也不取消 PID。

图④：四层下放框架。越往上，频率越低、抽象越高、误差越不直接变成物理后果。

生态实证，与一段冷水

生态项目几乎按图索骥：

• jev-askable-arm（自报仿真）：ManiSkill 里的 Franka Panda，约 30 个互斥基元，Jev 每步选一个、PD 执行器驱动pd_ee_delta_pos执行，约 1 秒一次选择。README 里那句"Jev never outputs torques or a trajectory"是三前提定理的白话版。
• quackd（自报）：一个给真实机器人用的 CLI，LLM 当飞行员，Jev 是可选购步器（--jev off为默认，shadow 模式只记录不干预）——它只回答"在机器人已声明技能中选择"这一类轮次，README 里的比喻（意译）：它写出关节角的可能性，不会比一支温度计更高。它的仓库创建于 8 月 28 日，比 Jev 发布早九天——这个机器人 CLI 本来就存在，Jev 上线后一周内，作者主动给它装上了可选的判断步器。
• 《我的世界》智能体（自报仿真）：前沿模型负责规划，Jev 负责选择每一个玩家动作，131 次 Jev 决策对 35 次规划调用——约 3.7:1 的配比是层级架构优于单体模型的直接证据：便宜的判断做高频选择，贵的推理做低频规划。
• RoboJEV（自报仿真）：Franka Panda 抓取/推/堆叠，每次决策重发整个场景 JSON，完成一个任务花了 244 次请求——这个数字本身就是云端路线的隐性成本：状态不缓存、轨迹不复用，调用量随任务长度线性膨胀。
• EmbodiedJev（自报仿真，实测评测）：MuJoCo 工作台把每个机器人步骤做成可见的 Jev 决策，有第三方评测记录到一次 gate 中途触发——两个选项停在 0.54 和 0.44，机械臂停下等人，而不是猜。评测者把这列为"无人值守需要刻意调阈值"的注意事项，但从误差结构看，这正是设计目标：回路的最后一道闸在代码里，由概率驱动。
• jev-libero（自报仿真）：每个候选动作先在物理引擎的可逆分支里预演，再问 Jev 选——"先预览、后选择"把技能的执行后果也变成了确定性知识，是三前提定理的强化版：不只候选被硬编码，连候选的物理后果都被代码穷举过。

泼冷水段落，集中交代一次：以上项目全部自报、全部仿真、无真实硬件闭环；部分项目的"成功率"是单次种子运行而非统计结论；quackd 面对的甚至是真实机器人，但 Jev 路径尚未见其真实硬件评测。把仿真成绩外推到物理世界，中间隔着本幕说的那堵墙。

VLA 的旧地图

机器人界趟过同一条路，而且留下了更完整的记录。对照着看，Jev 社区现在经历的每个阶段都有草稿：

差异只有一处，但决定一切：误差代价。VLA 的错误物理复合——抓错一次，杯子碎了；抖动失控，飞机撞了——而且机器人没有"转人工"的退路，求助本身就是任务失败的一种。Jev 的用例误差被反馈吸收、被拒答拦截、被代码兜底，所以它能先卖概率、后补证明；机器人界必须先有证明，才允许概率进入回路。同一张地图，不同的行军纪律。

这张地图对从业者还有一个反直觉的启示：VLA 界花最大力气攻的问题——端到端、单模型、全频带——恰好是判断模型路线不需要攻的问题。层级、解耦、慢思考骑在快控制上，这些被某些人讥为"不够端到端"的结构，正是判断模型一周内被接进物理回路的原因。架构之争里没有洁癖的位置，只有误差结构的账。

第四幕：路线之争——云端接入与边缘复现

独立成幕，因为这是一条岔路，而且是所有从业者真正要站队的岔路。

云端接入硬件：现状与上限

云端路线的可行域，由第一幕的频率预算严格划定：仿真 + 有线低延迟链路 + 个位数 Hz 战术层。它的优点是结构性的：按次计费、零运维、模型静默升级（jev-latest别名会自动指向新版本——这既是便利也是校准噩梦：阈值是按旧版本调的），是概念验证的最短路径。一个周末就能让四旋翼飞起来，这是云端路线真正的竞争力。

它的上限同样结构性。第一是连接：无线真实硬件出局。第二是校准的不可复现性：你测的是服务方的权重，不是你能固定的权重——而jev-latest这个别名会在代码不变的情况下悄悄指向新版本，你在旧版本上调好的 0.85 阈值，可能在新版本上意味着完全不同的实际命中率；官方自己的文档建议"阈值已校准就钉死版本号（如jev-1.13.0）"，这句话等于承认版本漂移与校准承诺之间存在张力。第三是成本随调用量线性增长：jev-drone 类项目每小时数百次决策是零花钱，宝可梦项目自报约每小时 0.14 美元（约 725 token/次、每秒 1.3 次决策的口径），Doom 演示那种每秒 10 次查询就是每小时约 7 美元（厂商演示口径）——再往上一个数量级，账单本身就是架构约束，RoboJEV 那一个任务 244 次请求的形状在这种负载下会迅速变得难看。

边缘复现：门槛不是大小，是校准与可审计

Jev 闭源、不能上机（没有机载算力会为一个每次往返数百毫秒的云端依赖买单）。但它的形态足够小，小到一个周末就能复现——复现者们已经达标：

• Laya（421M，ModernBERT-large 骨干，Apache-2.0）：T4 单题 32.8ms，支持本地与离线环境；但出厂检查点过自信，须按问题类型×选项数做温度重拟合后才达到其宣称的 ECE 0.081；且官方坦承基础检查点零样本能力"接近随机"（0.362，低于多数类基线 0.461），能力来自微调；
• NanoJev（0.6B）：本地决策头，发布训练代码与游戏 demo，面向教学与验证；
• Verdict（151M）：encoder 架构，CPU 35ms、浏览器 WebGPU 89ms，带显式__insufficient_evidence__拒答槽；作者同样诚实地公布短板——337 例 TypeSafe 公开基准上 Verdict 只有 48.1%，远低于 Jev 的 90.8%，原因是 151M 的 encoder 没有世界知识，"对流水线里给昂贵模型看门的廉价模型，这个边界仍然可用"；
• Dohnuts（0.8B）：原生多模态，图文单前向，权重限非商业研究。

一个反复出现的模式：上机的门槛不是模型大小，是校准质量与可审计性。Laya 与 Jev 互指对方 ECE 难看（0.246 对 0.081 的竞争方口径，原始口径又是 0.144 对 0.213 的反转）——这个互相矛盾的打分数本身就是分水岭所在：没有哪一方握有可信的第三方校准审计，而机载部署恰恰最需要这个。延迟早已不是瓶颈，31 字节的答案和 30 微秒的推理都不是问题；问题是"系统说它 92% 确定时，我该不该信，我拿什么审计"。

Verdict 的浏览器 WebGPU 演示在这个语境下意味深长：推理直接跑在你自己的浏览器里，输入、候选、原始概率全部可见，还能导出可验证的 JSON 推理回执。这未必是性能上的最优解，却是可审计性的一个极端形态——审计的第一步是让每个决策可回放、可复算。开源复现们在这一点上对闭源 API 构成的不对称优势，比任何延迟对比表都致命。

也别把边缘路线浪漫化。它的隐形成本在校准之外：Laya 要按问题类型×选项数做温度重拟合才有可信概率；基础检查点零样本接近随机，垂直场景必须自己微调（官方 Kaggle notebook 一轮约 4–5 小时，看着不贵，但数据标注与评测集建设才是大头）；Dohnuts 的权重限非商用；Visual-JEV 们还没有任何公开校准证据。云端路线卖的是即插即用的可信度，边缘路线买的是自己负责的可信度——选哪条，取决于你的团队里有没有人对校准负责。

由此，第四幕真正的分界线可以比"云端 vs 边缘"再往下挖一层：校准优先，还是形态优先。TypeSafe 的排序是先有可卖钱的概率可信度、再谈多模态（闭源 API 的估值锚在校准上）；开源社区的排序是先证明"单前向 + 图文输入"的形态成立、再把校准当后补工程（Dohnuts 放训练代码、Verdict 做拒答槽，都是补票动作）。这不是工程约束之争，是安全策略之争：先校准意味着"不证明不进回路"，先形态意味着"先进回路再补证明"。两条排序各自有商业逻辑，但请注意它们在 VLA 史上的对照组是谁——机器人界当年整体选择了前者，代价是三年；判断模型界正在同时跑两条路线，谁对谁错，会是这个品类三年内最值钱的答案。

至此，全文的三层二分可以摆齐了：误差是否复合（第三幕）取决于用例，部署路线云端还是边缘（本幕）取决于频率预算与所有权衡，而校准优先还是形态优先是比这两者都更底层的一层二分——它左右你选哪条部署路线，更决定你愿意为"证明"付出多少前置成本。标题说的是路，账本的根子在排序上。

镜像 VLA 史

把 VLA 史叠上来，两条线的重合度高得惊人：OpenVLA 7B 走云端/工作站，蒸馏小模型上机——就是 Jev 与 Laya/NanoJev/Dohnuts 的关系；RT-2 当年也只能在机房推理，两年后才轮到 π0、Octo 这一批讨论机载与边缘。历史给出的预判是：概念验证走云端，生产闭环归边缘，中间隔着一道"安全案例"的墙——对机器人，安全案例是功能安全论证与事故责任；对判断模型，是校准审计与版本冻结。两界谁都没翻过去。

图⑤：云端—边缘谱系图。两条平行线，同一堵墙。

对比表

五行收束本幕：云验证概念，边缘拿生产，分水岭是校准不是延迟。

浮出

回到最初的三问，现在可以给答案了。

凭什么接上？因为判断模型的延迟结构里删掉了串行依赖——快不是本体，是副产品。真正被卖掉的是可签约性：延迟方差坍缩、输出结构保证，代码第一次能围绕一个 AI 组件设计时序。而这条路的尽头站着频率预算：云端 API 只能闭合个位数 Hz 的回路，所以它只配坐战术层，姿态与安全永远留在代码里。

接在哪一层？接在感知与动作之间、被三前提夹住的那一层：状态已被压成结构化文本，技能已被硬编码成候选集合，下面有 kHz 级的确定性回路兜底。这不是 Jev 的设计，是所有"判断即服务"进入物理回路时的共同坐标——VLA 界用三年把它画成了地图。

错了会怎样？在它的合法用例里，误差不复合：反馈吸收它、拒答拦截它、代码兜底它。所以单发 99% 的朴素可靠度足够消费。出了这个域——进了误差物理复合、没有转人工退路的场景——同一组数字立刻变得不可消费。Jev 敢卖概率，是因为它的用例筛过了；这是筛选的结果，不是普适能力。

第四幕补第四句：接入硬件的路有两条。云端验证概念，边缘拿生产，中间隔着校准审计与版本冻结这堵谁都没翻过去的墙。

给从业者的两个意见：

1. 云端试回路的频率预算公式——T_loop = T_api + T_network + T_jitter，能闭合的频率上限取预算的倒数再打折；先算这笔账，再决定判断模型坐哪一层。
2. 边缘选型的校准验收清单——在自己的业务分布上测 ECE 与拒判率—风险曲线，而不是引用任何人的对比表（包括本文）；按（问题类型 × 选项数）分层拟合温度；冻结版本号，拒绝漂移别名；把"证据不足"的拒答路径当成功能而不是瑕疵来测。

给研究者的三个开放问题：

1. 分布偏移下校准的半衰期是多少——业务漂移多快会让出厂校准失效？这决定了"校准即服务"的续费周期；
2. 决策 API 的 conformal 化——能否在判断模型输出之上包一层轻量 conformal，给出有条件的 coverage 保证，而不牺牲单前向的延迟结构？
3. 机载决策模型的安全案例归谁做——模型方、集成方，还是第三方审计？VLA 界三年没答完，判断模型界还没有人开始答。

最后一个镜头。9 月 15 日发布的是一个"frontier-intelligence function call"：无身体的判断。十天之内，社区替它接上了四旋翼、机械臂、卡带与龙。Jev 未必是赢家——校准争议、闭源形态、竞争方口径互撕，都还是进行时——但"判断即服务"这个品类已经站进了物理回路。值得记住的不是它走得多快，而是它走的每一步，都落在机器人界二十年画好的那张地图上。地图上最后一堵墙还立在那里，而墙两面的人，现在是同行。

附：本文引用与口径说明

• 厂商事实均出自 TypeSafe 官方发布博客（2026-09-15）及公开 SDK 文档；厂商性能数字（70–500ms、20–200× 等）为官方自述口径，官方自认评测跑在其西海岸笔记本上，跨洲网络不计入。
• 生态项目（jev-drone、jev-askable-arm、quackd、jev-plays-pokemon-red、clashroyale-jev、OmniJev、rmalde/minecraft-agent 等）数字均为作者自报，全部位于仿真/模拟器环境，引用时已随文标注。
• 项目时间线经 GitHub API 核验仓库创建时间：jev-drone 9 月 16 日、jev-askable-arm 9 月 17 日、jev-plays-pokemon-red 9 月 18 日、clashroyale-jev 与 minecraft-agent 9 月 20 日，均在 Jev 发布（9 月 15 日）之后十天内；quackd 仓库创建于 8 月 28 日，早于 Jev 发布，属既有项目接入，正文已如实区分。
• Laya 对比数字出自 Convai Innovations 发布的对比表（竞争方口径），Jev 侧数字引用自第三方基准；原始口径与拟合口径的差异已随文说明。
• 学术引用：KnowNo（Ren et al., CoRL 2023, arXiv:2307.01928）；RT-2（Brohan et al., 2023）；OpenVLA（Kim et al., 2024）；Octo / π0 / FAST 等见正文。selective prediction 与 conformal prediction 为标准术语，未特指单一文献。
• 文中"单前向 + 声明空间小 softmax"等为社区共识与本文推断，TypeSafe 尚未发布架构论文，已随文标注"推断"。
• 文中图片分别为 jev-drone、MakerMods 机械臂、双调用搬运项目的公开归档截图，版权归原作者所有，仅作评论引用。