即使响应的类型完全正确，Jev 的限制仍然重要。官方 Jev 1.13 说明记录了数值精度、日期比较、间接推理和对抗输入方面的弱点。这些结论针对特定版本，不能永久套用到所有未来模型。
“类型安全”到底保证了什么？
结构化答案更方便代码消费，但不保证选择在事实上正确。如果选项只有账单和销售，技术故障仍然需要出口；应提供合适选项并评估结果。输入、输出和权限都需要独立于模型进行验证。
Jev 能写回复或看图片吗？
Jev 不是文本生成模型。解释、邮件和摘要需要生成式模型。当前模型接受文本，可以是字符串、对象或数组中的文本值。图片、音频、视频和二进制必须先用其他工具预处理，转换误差也可能传递到后续判断。
能精确计数、计算或比较日期吗？
官方不建议依赖 Jev 做精确计数、算术和日期排序。例如，比较哪张发票日期更早，应由日期解析和比较代码完成。遇到含糊输入，模型可以辅助选候选值或标记不确定性，最终验证与计算仍在代码中完成。
为什么上下文更长，结果反而可能更差？
即使没有超出窗口，无关 state 也可能分散模型注意力。先检索所需内容，再移除重复记录。64k 总输入和 32k 的 state 加最长问题预算只是请求限制，不保证整个窗口内始终保持同等准确率。
如何看待提示注入和模糊条件？
恶意文本可能影响判断。应把 state 当作不可信数据，精确描述条件，测试注入指令和边界案例，避免 instructions 与 criteria 相互矛盾。审核或安全判断只是应用中的一道措施，不能保证恶意输入永远无效。
置信度等于正确率吗？
不等于。Choice 的 confidence 反映选项概率的集中程度，并与选项数量有关，不能直接当作被选中选项的概率。Score 有自己的置信度语义，Noul 返回“是”的概率。应根据自己的标注样本校准人工复核规则，不要把一个阈值照搬到所有问题类型。
六种语言的效果一样吗？
网站提供六种语言，不代表已做模型多语言评测。TypeSafe 表示英语是主要训练语言，目前表现最好。需要测试真实的非英语文本、混合语言、否定、俚语和专业词汇。本站尚未发布实测中英文或六语言比较。
投入使用前应该测试什么？
准备含正常、模糊、恶意和超范围输入的小型标注集，记录精确版本、问题、预期标签和错误案例。决定哪些错误必须交给人工，设置超时和服务不可用时的兜底，并在模型或 criteria 变化后重复评估。