Jev

TypeSafe AI

wiki Jev

API decyzyjne do ustrukturyzowanej oceny

Modele System One podejmują szybkie, ustrukturyzowane decyzje, które oprogramowanie może wykorzystać bezpośrednio. Model tej klasy ocenia stan i zwraca odpowiedzi o określonych typach wraz z prawdopodobieństwami. Jev to flagowy model TypeSafe i pierwszy publiczny model System One. Podobnie jak LLM rozumie dane wejściowe w języku naturalnym. W przeciwieństwie do LLM nie pisze odpowiedzi, nie tworzy kodu ani nie generuje wyjaśnień swojego rozumowania. Możliwe odpowiedzi definiujesz za pomocą Choice, Score i Noul.

Demonstracje Czym jest Jev
Jev request loop: state and typed questions in, Choice Score or Noul out
Na wejściu stan i pytania określonych typów; na wyjściu Choice, Score lub Noul.

Eksploruj

Czytaj dalej

Doom na podstawie ustrukturyzowanego tekstu

W demonstracji Doom z wpisu premierowego model otrzymuje tekstowy opis stanu gry. Jev nie widzi bufora klatek. Przy około 10 zapytaniach na sekundę koszt wynosi mniej więcej $7 na godzinę według opublikowanej ceny wejścia, a tokeny wyjściowe są bezpłatne. To wartość demonstracyjna, a nie wymagana częstotliwość QPS w środowisku produkcyjnym. Pokazuje ona, że model decyzyjny 70ms-500ms może działać w pętli, która wcześniej czekała na powolne wywołanie generatywne.

Czytaj dalej
URL

Wikiracing przy dużej liczbie opcji

Wikiracing wybiera kolejny link w Wikipedii, który prowadzi do strony docelowej. Liczba dostępnych linków sięga od setek do tysięcy. Pojedynczy Choice przyjmuje tylko 255 opcji, dlatego demonstracja najpierw je ocenia, a następnie wybiera z krótkiej listy. Ten dwuetapowy schemat jest praktycznym rozwiązaniem zawsze, gdy katalog przekracza limit Choice.

Czytaj dalej
URL

fan-out inteligentnego domu i miejsce działania Jev

Oficjalne demo asystenta inteligentnego domu porównuje każde żądanie użytkownika z długą listą pytań, z których wiele nie ma znaczenia dla większości wypowiedzi. Polecenie „Wyłącz wszystkie światła w domu” nadal sprawdza kategorię, domenę, urządzenie i czynność w jednym wywołaniu. Pytanie o czynność jest spekulacyjne: zakłada światła, zanim zostanie to ustalone. Kod zachowuje pasujące odpowiedzi, a resztę ignoruje. Sekwencyjne wywołania API czekałyby z pytaniem o czynność do rozpoznania urządzenia, tracąc przewagę opóźnienia.

Czytaj dalej
URL

Przykładowe decyzje z mapy zastosowań

Wzorce

Gry

Moderuj czat, oceniaj frustrację i kieruj sprawy do obsługi graczy.

URL

Czym jest Jev

Model System One powstał z myślą o oprogramowaniu, które musi podejmować działania. Jev odczytuje stan opisany językiem naturalnym — ciąg znaków, obiekt JSON lub tablicę tekstów — i odpowiada na mapę pytań w jednym żądaniu POST do /v1/systemone. Nie pisze odpowiedzi, nie tworzy kodu ani nie wyjaśnia toku rozumowania. Obrazy, dźwięk i wideo nie mogą znaleźć się w żądaniu; w razie potrzeby najpierw przetwórz je na tekst.

Dostępne są trzy typy pytań: Choice (jedna opcja spośród maksymalnie 255), Score (uporządkowana skala od 2 do 10 poziomów, z możliwością wyniku pomiędzy dwoma poziomami) oraz Noul (P(tak) w [0, 1], bez osobnego pola pewności). Pytania w jednym wywołaniu korzystają ze wspólnego stanu, są przetwarzane równolegle, a dodawanie kolejnych niemal nie wpływa na opóźnienie. Identyfikatory pytań służą kodowi i nie są wysyłane do modelu bazowego.

Nazwa Jev pochodzi od ekonomisty William Stanley Jevons. System One korzysta z szybkiego Systemu 1 Kahnemana: najpierw błyskawiczna ocena, potem kod wykonuje wolniejszą pracę. TypeSafe jest trenowany przez Reinforcement Learning for Calibrated Decisions (RLCD), a nie dostrajanie czatowe RLHF. Zgodność ze schematem jest gwarantowana, więc odpowiedź nie może zwrócić błędu typu w swobodnym formacie.

TypeSafe AI i premiera

TypeSafe AI powstaje w San Francisco. Diogo Almeida jest założycielem, dyrektorem generalnym i współtwórcą RLHF. LinkedIn podaje, że to prywatna firma zatrudniająca 11-50 osób. Jev udostępniono we wczesnym dostępie 15 September 2026 po około dwóch latach niejawnych prac. Wpis premierowy opisuje nową architekturę, równoległy sampler i RLCD jako metodę trenowania.

Żądania i odpowiedzi klientów nie służą do trenowania Jev. Każde konto korzysta z tych samych wag; odpowiedzi kształtuje się stanem, instrukcjami i kryteriami, a nie przez LoRA. Wyższe limity są dostępne w planach niestandardowych i korporacyjnych za pośrednictwem sales@typesafe.ai. Playground i klucze API są dostępne po zalogowaniu na console.typesafe.ai.

Katalog społeczności i publikacje

Awesome Jev kataloguje stworzone przez społeczność klienty, integracje, gry i artykuły, lecz nie jest powiązane z TypeSafe AI. Traktuj te pakiety jako projekty społeczności, chyba że README wskazuje github.com/typesafe-ai. Oficjalne Python to typesafe-sdk, a oficjalne JavaScript to @typesafe-ai/sdk.

Cloudflare Workers AI wymienia model jako typesafe/jev. Wyszukiwanie Jev TypeSafe w sklepie Steam nie zwróciło żadnych aplikacji: Jev jest API HTTP, a nie tytułem sklepowym. Discord to discord.gg/typesafe. Organizacja GitHub typesafe-ai publikuje SDK JS i powiązane umiejętności. Kanał YouTube należący do TypeSafe istnieje jako strona marki bez filmów, dlatego ta wiki korzysta z oficjalnego filmu ze strony głównej zamiast zastępczego odtwarzacza YouTube.

Pierwsze żądanie, potem bramka

Najkrótsza droga do Jev prowadzi przez playground na console.typesafe.ai/playground: wklej zgłoszenie, dodaj Noul określające pilność, a następnie Choice wskazujące odpowiedzialny zespół. To samo mapowanie można przekształcić w żądanie curl do POST /v1/systemone lub wywołanie TypeSafeClient.system_one. Gdy odpowiedzi będą satysfakcjonujące, przypnij jev-1.13.0; korzystaj z jev-latest tylko wtedy, gdy akceptujesz zmiany aliasu.

Przed każdym automatycznym działaniem wywołującym skutki odczytaj poziom pewności dla Choice i Score, a wartość Noul bliską 0.5 traktuj jako niepewność. Sprawdź dziewięć trybów jaggedness pod kątem właśnie napisanego pytania. Jeśli zlecono Jev liczenie, porównywanie dat lub układanie zdania, przenieś to zadanie poza model. Strona o elementach podstawowych zawiera porównanie, strona API — polecenia instalacji, a jaggedness to filtr uruchamiany przed wdrożeniem.

Koszt pętli obliczaj według stawki $0.042 za milion tokenów wejściowych, przy bezpłatnym wyjściu. Około $7 za godzinę dla dema Doom przy 10 zapytaniach na sekundę to publiczny przykład zwartej pętli, a nie wymagany poziom wydatków. Limity 250,000 tokenów na sekundę i 1,200 żądań na minutę mogą zmieniać się bez uprzedzenia wraz ze skalowaniem wczesnego dostępu. Dział sprzedaży może je podnieść w planach niestandardowych.

Traktuj tę stronę główną jako zwięzły indeks: najpierw bieżące dane, potem opis Jev, informacje o twórcach i oficjalny film. Następne odnośniki to Primitives z porównaniem, Modele z kartą, Jaggedness z dziewięcioma trybami błędów oraz API z poleceniami instalacji. Nieoficjalne klienty znajdziesz przez Discord i GitHub w sekcji społeczności.

Jev udostępniono we wczesnym dostępie 15 September 2026. Dane na tej stronie — kontekst 64k, $0.042 za milion tokenów wejściowych, bezpłatne wyjście, 70ms-500ms, jev-1.13.0 — pochodzą z aktualnej karty TypeSafe opublikowanej przy premierze. Gdy ukaże się nowszy identyfikator wersji, powinna go wskazywać strona modelu; strona główna powinna nadal odsyłać do bieżącej karty, a nie do nieaktualnego zrzutu ekranu.

Jeśli z tej strony głównej zapamiętasz tylko trzy odnośniki, wybierz Primitives, Jaggedness i API. To właśnie przepływ opisany przez TypeSafe: wybierz typ pytania, unikaj znanych trybów błędów, a następnie wywołaj POST /v1/systemone z jev-1.13.0 lub jev-latest.

TypeSafe powstaje w San Francisco, a Diogo Almeida jest dyrektorem generalnym. Te informacje o firmie znajdują się pod nagłówkiem premiery, nie w zestawieniu bieżących danych.

Modele

Jev to flagowy model TypeSafe AI i pierwszy model System One. Wysyłasz stan wraz z pytaniami określonych typów, a w odpowiedzi otrzymujesz Choice, Score lub Noul z prawdopodobieństwami zamiast zapisu rozmowy. Aktualna wersja to Jev 1.13 (jev-1.13.0). Wejście kosztuje $0.042 za milion tokenów, tokeny wyjściowe są bezpłatne, a TypeSafe podaje opóźnienie 70ms-500ms od początku do końca, przy czym większość zapytań trwa około 100ms. Najlepiej obsługiwanym językiem jest angielski. Przed utworzeniem żądania otwórz Primitives albo sprawdź kartę Jev 1.13, aby poznać aliasy, rozmiar kontekstu i limity częstotliwości. W okresie wczesnego dostępu limity mogą ulec zmianie bez uprzedzenia. Jeśli progi są już dostrojone, przypnij jev-1.13.0.

Model
Jev 1.13
Identyfikator Model
jev-1.13.0
Kontekst
64k tokenów
Cena wejścia
$0.042 / milion
Tokeny wyjściowe
free
Opóźnienie
70ms-500ms
Przepustowość
250 000 tokenów/s
Limit żądań
1,200 / min

Limity mogą się zmienić bez uprzedzenia.

Homepage race claim: Jev 0.114s versus 8.566s, 193.6x faster and 444.6x cheaper
Opublikowany przez TypeSafe wyścig przepływów pracy z System One: 0.114s wobec 8.566s.
Jev returns typed decisions and never generates strings
Jev zwraca decyzje określonych typów i nigdy nie generuje ciągów znaków.
URL

Źródła