意图分类是客服自动化场景中的核心任务，模型在准确率之外的表现同样影响落地选择。OpenRouter 近日以 Banking77 测试集为基准，对 Jev 1.13 与 Claude Opus 5 两款模型展开横向评测，评测样本为 3,080 条客服语料。

结果显示，Claude Opus 5 在分类准确率上保持领先，达到 84.4%；Jev 1.13 的准确率为 81.0%，两者相差 3.3 个百分点。这意味着在意图识别的正确性维度，Opus 5 仍占据一定优势。

但在响应速度与成本两个维度，Jev 1.13 呈现出明显反差。其中位延迟为 175 ms，而 Claude Opus 5 为 2,266 ms，前者约为后者的十三分之一。成本方面，在启用提示词缓存的条件下，Jev 1.13 每千次请求花费 $0.11，Claude Opus 5 则为 $2.42。

对于需要处理高频客服请求的业务而言，这一组数据提供了准确率之外的另一重权衡依据：Jev 1.13 以约 3.3 个百分点的准确率差距，换取了数量级更低的延迟与成本。