Jett 1.0

给一段情况和一组问题，Jett 一次调用把它们全部答完。回来的是选项与把握程度，以及需要的那个数 ——精确值，带单位，可以逐位核对。

候选里没有正确答案时，它返回的是「没有对的」，而不是从错的里面挑一个最像的。

看 19 个场景跑起来看接口

输出

选项 · 是否 · 档位 · 数值

延迟

P50 42.1 / P95 272.6 ms

计算题全量准确率

191 / 191

坏题检出

19 / 19 · 误报 0

口径：191 道题（好题 172 + 坏题 19）· 串行测量 —— 并发会把延迟污染 25 倍

01 — 能力

类型化的输出

问题分三类：从一组候选里选一个、回答是或否、在有序的档位上打一档。每一类的返回都是结构化的 —— 值加上完整的概率分布，而不是一段还需要再解析的文字。

调用方因此不需要写解析器，也不需要为「这次它多说了一句」准备容错。

数值是精确的

凡是需要跟阈值比大小的数，Jett 给出的都是精确值，并且带单位。不是四舍五入到看起来合理，是可以逐位核对的精确。

部署口径下的 191 道计算题全部正确。这一条不随题目复杂度退化：指数衰减、单位换算、不同单位之间的比值，和一次减法同样精确。

它会说「这里面没有对的」

给它一道候选全错的题，Jett 返回「无匹配」，而不是从错的里面挑一个最像的。实测 19 道坏题检出 19 道，误报 0；同一批题上判断类模型检出 0 道。

这是能被用在自动流程里的前提 —— 一个永远会给出答案的接口，没有办法把「这件事该转人工」表达出来。

同样的输入给同样的答案

调换候选的顺序，分数逐比特相同；同一个请求重复发，结果一致。实测重复调用不一致 0 次，作为对照，判断类模型在 160 次里出现 4 次。

对接入方来说这意味着：回归测试可以写死期望值，线上的异常一定来自输入变化，不来自模型抖动。

此刻正在跑

右边是一次真实请求

页面加载时发出，一跳一跳地落。这是一条四跳的流水线：后一跳问什么由前一跳的结果决定，所以它们必须串行，单跳延迟会被跳数乘起来。

每跳的耗时是服务端自报的，不含网络往返。刷新一次会重跑。

跑完了· 一条退货工单，四跳

—

每一跳都是一次真实调用，时间是这一次量出来的 —— 打开控制台能看到那条流。

02 — 接口

同一道题的所有问题合并成一次请求。实测：问 1 个问题 13.8 ms、问 8 个问题 21.9 ms —— 成本主要来自往返次数，而非问题数量。

请求

POST /v1/systemone

{
  "model": "jett-1.0",
  "state": "电量 38%，还能飞 18 分钟。
            距返航点 2.1 km，顶风地速 24 km/h。",
  "questions": {
    "action": {
      "type": "choice",
      "instructions": "现在应当怎么做？",
      "criteria": {
        "continue":   "继续完成航点",
        "return_now": "立刻返航",
        "land_here":  "就近降落",
        "other":      "以上都不合适"
      }
    },
    "margin_ok": {
      "type": "noul",
      "instructions": "电量余量够吗？"
    },
    "risk": {
      "type": "score",
      "criteria": ["低", "需要留意", "高"]
    },
    "eta": {
      "type": "number",
      "instructions": "飞回返航点要多久？",
      "unit": "min"
    }
  }
}

响应

{
  "answers": {
    "action": {
      "value": "return_now",
      "probs": { "continue":   0.122,
                 "return_now": 0.798,
                 "land_here":  0.040,
                 "other":      0.040 }
    },
    "margin_ok": { "value": "no",  "p_yes": 0.269 },
    "risk":      { "value": "高",  "p": 0.811 },
    "eta":       { "value": "5.25",
                   "unit":  "min",
                   "exact": true }
  },
  "usage": {
    "output_tokens": 0,
    "server_ms": 42
  }
}

exact: true 表示这个值是精确的，不是近似 —— 可以直接拿去跟阈值比大小。

output_tokens = 0 —— 模型不生成任何 token，所以延迟与「要说多少话」无关。

候选里没有正确答案时，value 返回 no_match。

03 — 基准

下表中对照一列是我们自己的实测结果，不是其公开宣称值。两次评测的坏题样本量不同（15 与 19），因为题库版本不同。

维度	判断类模型（实测）	Jett 1.0
候选里没有正确答案时能否说出来	0 / 15	19 / 19
调换候选顺序后结论翻转	7.5%　p=0.0047	0
同输入重复调用不一致	4 / 160	0
计算题全量准确率（191 道）	——	191 / 191
P50 / P95 延迟	——	42.1 / 272.6 ms