Jev vs DeepSeek V4.1 Flash: Tám xu một nghìn không phải là con hào

Phép so sánh quyết định câu hỏi về Jev không phải là với một mô hình tiên phong. Mà là với DeepSeek V4.1 Flash, phát hành ngày 10 tháng 9 năm 2026 — năm ngày trước khi TypeSafe AI ra mắt Jev — bởi vì DeepSeek V4.1 Flash là một mô hình tạo sinh thực sự rẻ, và nó là thứ rẻ nhất trong phòng có thể làm gần như mọi thứ Jev có thể làm. Một bài kiểm tra độc lập công bố vào tháng 9 năm 2026 đã chạy 77 ví dụ từ BANKING77, bộ phân loại ý định tiêu chuẩn, qua cả hai: Jev cho kết quả 7 xu cho mỗi 1.000 lần phân loại với độ chính xác 75%. DeepSeek V4.1 Flash cho kết quả 8 xu cho mỗi 1.000 lần với độ chính xác 79%. Cùng bài kiểm tra đó đặt GPT-5.6 Luna ở 12 xu và 83%. Một mô hình tạo sinh với cửa sổ ngữ cảnh một triệu token, khả năng gọi công cụ gốc và đầu vào hình ảnh chỉ kém một xu cho mỗi nghìn lần phân loại so với một mô hình quyết định được thiết kế chuyên dụng — và hơn bốn điểm về độ chính xác. Đó là sự thật khó chịu ở trung tâm của cuộc đối đầu này, và nó định hình lại điều mà Jev thực sự đang bán.

Mỗi mô hình làm gì

Jev là một mô hình quyết định System One: nó không trả về văn bản nào cả. Bạn gửi một trạng thái cùng các câu hỏi có kiểu — Choice từ một danh sách bạn cung cấp, Score trên một thang đánh giá có thứ tự, hoặc Noul (một khẳng định có/không với xác suất đã hiệu chỉnh) — và nó trả về các câu trả lời có kiểu kèm giá trị độ tin cậy. Tất cả câu hỏi được đánh giá song song dựa trên một lần đọc trạng thái dùng chung, đó là lý do vì sao thêm câu hỏi hầu như không thay đổi thời gian phản hồi, và vì sao đầu ra không tốn phí: không có token đầu ra nào để tính. Đầu vào là 0,042 USD mỗi triệu token, đầu ra miễn phí, và ngân sách yêu cầu khoảng 32.000 token. Nó ra mắt ngày 15 tháng 9 năm 2026, từ TypeSafe AI, do Diogo Almeida thành lập với vòng hạt giống 40 triệu USD do DCVC dẫn dắt.

DeepSeek V4.1 Flash là một mô hình tạo sinh thông thường và không giả vờ điều ngược lại. Nó được phát hành ngày 10 tháng 9 năm 2026 với API id là deepseek-flash, được xây dựng dưới dạng hỗn hợp chuyên gia 552 tỷ tham số với kích hoạt bất đối xứng ở 8B/16B, cửa sổ ngữ cảnh 1M token, và đầu vào văn bản cùng hình ảnh. Nó tạo văn bản từng token một, và đó chính xác là đặc tính khiến nó tốn kém hơn mỗi lần gọi và có năng lực hơn mỗi lần gọi. Nó chạy ở tốc độ 208,3 token mỗi giây với thời gian đến token đầu tiên là 1,13 giây, và có giá $0,30/$1,20 mỗi triệu token vào giờ cao điểm và $0,15/$0,60 ngoài giờ cao điểm. Trên Artificial Analysis, nó nằm ở Chỉ số 40 — tầm trung, không phải tiên phong.

Vì sao phép toán theo từng phân loại lại cho ra kết quả như vậy

Khoảng cách một xu không phải là chuyện ngẫu nhiên và nó cũng không ổn định. Nó xuất phát từ cách mỗi mô hình tính phí.

• Chi phí trên mỗi quyết định của Jev gần như cố định — bạn trả cho một lượt xử lý đầu vào, với $0,042 mỗi triệu token, và số câu hỏi bạn đặt hầu như không làm thay đổi con số đó. Một phân loại cần một nhãn và một phân loại cần hai mươi nhãn tốn gần như bằng nhau.

• Chi phí cho mỗi quyết định của DeepSeek V4.1 Flash tỷ lệ thuận với lượng đầu ra. Phân loại thành một nhãn ngắn thì rẻ; cùng một tác vụ mà bạn yêu cầu giải thích lý do, độ tin cậy và một gói JSON có cấu trúc thì số token đầu ra gấp nhiều lần và do đó giá cũng gấp nhiều lần.

• Giờ cao điểm so với giờ thấp điểm khiến giá đầu vào của DeepSeek tăng gấp đôi và giá đầu ra cũng tăng gấp đôi. Nếu chạy theo lô một tác vụ phân loại vào sai giờ, khoảng chênh lệch một xu sẽ trở thành một con số hoàn toàn khác.

Đó là lý do các ước tính độc lập về mức chênh lệch này bất đồng rộng đến vậy. Bài kiểm tra BANKING77 gồm 77 mẫu cho thấy 7¢ so với 8¢. Một bộ đánh giá tổng hợp riêng, JevBench, đặt Jev ở mức $0.041 trên 1.000 và DeepSeek V4.1 Flash ở mức $0.579 trên 1.000 — chênh lệch gấp mười bốn lần. Một bài kiểm tra thứ ba trên 83 liên hệ bán hàng cho thấy DeepSeek V4.1 Flash ở mức $0.183 mỗi lần chạy so với $0.0055 của Jev, chênh lệch gấp 33 lần. Lý do những con số đó trải rộng hai bậc độ lớn là mỗi con số giả định một prompt khác, một dạng đầu ra khác và một thời điểm khác trong ngày. Bất cứ ai trích dẫn một con số duy nhất cho mỗi phân loại như thể đó là thuộc tính của mô hình chứ không phải của hệ thống đánh giá thì đang cố bán cho bạn một thứ gì đó.

Cấu trúc của Jev mang đến cho bạn điều mà một mô hình tạo sinh không thể

Điểm khác biệt không phải giá. Mà là hợp đồng. Đầu ra của Jev được khóa theo schema: vì mọi câu trả lời có thể có đều được liệt kê trước khi mô hình chạy — bạn đã cung cấp danh sách lựa chọn, rubric, hoặc khẳng định đúng/sai — nên không có chỗ để phát ra một giá trị nằm ngoài kiểu đã khai báo. Một phản hồi sai định dạng là điều Jev không thể tạo ra. DeepSeek V4.1 Flash có thể bị ràng buộc vào đầu ra có cấu trúc với một schema, và trên thực tế phần lớn đều tuân thủ, nhưng sự bảo đảm đó là một prior mạnh chứ không phải một thuộc tính cấu trúc. Nếu pipeline của bạn chạy mười triệu lượt phân loại mỗi tháng, "phần lớn" và "luôn luôn" là những mục khác nhau trên một báo cáo sự cố.

Thuộc tính thứ hai là hiệu chuẩn. Jev được huấn luyện bằng một phương pháp mà TypeSafe gọi là RLCD — Học tăng cường cho các Quyết định được Hiệu chuẩn — và mọi câu trả lời đều mang theo một phân phối xác suất, nên mã của bạn có thể đặt các ngưỡng: tự động chấp nhận ở mức trên, gắn cờ ở mức giữa, chuyển cấp ở mức dưới. DeepSeek V4.1 Flash sẽ tạo ra một con số độ tin cậy nếu bạn yêu cầu, nhưng đó là một token được sinh ra, không phải một đầu ra đã được hiệu chuẩn, và độ tin cậy được sinh ra là một lời khẳng định về chính nó chứ không phải một phép đo. Sự khác biệt đó chính là toàn bộ lý do để trả tiền cho một mô hình ra quyết định, và đó là điều duy nhất mà một mô hình sinh rẻ tiền về mặt cấu trúc không thể sánh được.

Thứ ba là hình dạng độ trễ. Độ trễ đầu-cuối được ghi nhận của Jev là 70–500ms bất kể có bao nhiêu câu hỏi được đính kèm, so với 3–329 giây cho các lệnh gọi LLM tiên tiến trong so sánh của chính TypeSafe. TTFT 1,13 giây và thông lượng 208 token/giây của DeepSeek V4.1 Flash là rất xuất sắc đối với một mô hình sinh, và đó là tiêu chuẩn mà nó nên được đánh giá dựa theo — nhưng với vài trăm mili giây đầu ra được sinh ra cộng với độ trễ token đầu tiên, thì nó là vài giây mỗi quyết định, chứ không phải chỉ một phần nhỏ của một giây. Trên bảng điều khiển quy trình làm việc nội bộ của TypeSafe, Jev thắng ở các cột chi phí và độ trễ, thua ở cột độ chính xác, với 61,8% so với 79,1% trong xử lý hóa đơn và 76,0% so với 78,3% trong dịch vụ khách hàng. Các câu trả lời tham chiếu của bảng điều khiển là đánh giá mô hình được lấy trung bình chứ không phải đáp án chuẩn, và chính bảng điều khiển có cảnh báo về khả năng thiên lệch của khung đánh giá.

Khoảng cách ngữ cảnh là có thật và chỉ theo một chiều.

Một khía cạnh ở đây không hề gần nhau và không phải là vấn đề đóng khung. DeepSeek V4.1 Flash mang cửa sổ ngữ cảnh một triệu token; ngân sách yêu cầu của Jev vào khoảng 32.000 token. Nếu việc phân loại của bạn phụ thuộc vào việc đọc toàn bộ một hợp đồng, một luồng hỗ trợ dài hay một tệp mã lớn, DeepSeek V4.1 Flash có thể thấy nó còn Jev thì không — dù rẻ đến đâu trên từng quyết định cũng không sửa được một trạng thái không vừa. Jev cũng không nhận đầu vào hình ảnh hay âm thanh khi ra mắt, trong khi DeepSeek V4.1 Flash chấp nhận hình ảnh.

Mặt trái là cửa sổ hẹp của Jev được định giá như thể nó là một gánh nặng thay vì một ràng buộc, và mẫu hai giai đoạn trong tài liệu của chính TypeSafe là cách khắc phục: với các trường Choice vượt quá giới hạn 255 tùy chọn, hãy chấm điểm các ứng viên theo lô rồi chọn dựa trên các điểm số. Cách đó hiệu quả khi trạng thái nhỏ và tập tùy chọn lớn. Nó không hiệu quả khi trạng thái lớn.

Nơi mỗi thứ thuộc về

Hãy dùng Jev khi quyết định thực sự ở dạng đóng, trạng thái nằm gọn trong 32K token, khối lượng đủ lớn đến mức vài giây mỗi lần gọi là một chi phí thực sự, và pipeline cần một giá trị độ tin cậy để có thể phân nhánh dựa vào. Kiểm tra guardrail, xác minh theo từng lượt bên trong vòng lặp agent, định tuyến khối lượng lớn, và chấm điểm song song các tập tài liệu lớn là những trường hợp phù hợp đã được ghi nhận.

Hãy chọn DeepSeek V4.1 Flash khi tác vụ cần đọc một thứ gì đó dài, khi cần tạo lý giải kèm theo nhãn, khi cần xem một hình ảnh, hoặc khi việc phân loại chỉ là một bước trong một quy trình tạo sinh dài hơn và việc tách nó ra cho nhà cung cấp thứ hai sẽ thêm một chặng để tiết kiệm một xu mà một prompt tồi có thể xóa sạch. Và hãy lưu ý rằng "một mô hình tạo sinh cũng có thể làm được điều đó" là mô tả đúng về tác vụ, không phải là thất bại của Jev — câu hỏi thú vị là liệu bạn có cần giá trị độ tin cậy hay không, vì đó là mục duy nhất trên bảng so sánh mà một mô hình tạo sinh không thể cung cấp với bất kỳ mức giá nào.

Chạy lớp quyết định và lớp tạo sinh trên cùng một khóa

DeepSeek V4.1 Flash là một trong những mô hình mà OrcaRouter định tuyến, ở mức giá niêm yết của nhà cung cấp được chuyển nguyên qua với mức cộng thêm 0% — vì vậy mức giảm giờ thấp điểm sẽ có hiệu lực ở phía chúng tôi ngay cùng ngày DeepSeek phát hành nó, và bạn không phải theo dõi hai bảng giá. Bản thân Jev thì chúng tôi không cung cấp: mô hình của TypeSafe đang ở giai đoạn truy cập sớm và dùng cấu trúc yêu cầu riêng. Kiến trúc mà so sánh này hướng tới là kiến trúc hai mô hình — Jev quyết định, DeepSeek V4.1 Flash tạo sinh — và OrcaRouter bao phủ nửa tạo sinh phía sau một endpoint tương thích OpenAI duy nhất, với chuyển đổi dự phòng tự động để một thành phần quyết định chưa được kiểm chứng không bao giờ trở thành điểm lỗi duy nhất.200+ mô hình, một key, một hóa đơn.

Phán quyết

Nếu bạn đến đây với kỳ vọng Jev sẽ rẻ hơn một cách đáng kể so với một mô hình tạo sinh, thì câu trả lời trung thực là khi so với DeepSeek V4.1 Flash, thường thì không phải vậy, và trong bài kiểm tra 77 ví dụ cụ thể này, nó rẻ hơn một xu và kém chính xác hơn bốn điểm. Thứ Jev bán không phải là giá trên mỗi lần phân loại. Đó là một bảo đảm mang tính cấu trúc rằng đầu ra không thể bị sai định dạng, một giá trị độ tin cậy đã được hiệu chỉnh mà mã của bạn có thể rẽ nhánh dựa trên đó, và một mức sàn độ trễ được đo bằng mili giây thay vì giây. Ba thứ đó đáng để trả tiền trong một pipeline chạy đủ thường xuyên để ta phải bận tâm — và chúng chẳng đáng giá gì cả nếu nhiệm vụ của bạn là đọc một tài liệu 400 trang rồi viết bản tóm tắt cho nó, đó là việc của DeepSeek V4.1 Flash và chưa bao giờ là việc của Jev.