Jev

Jev 是什么

Jev 是 TypeSafe AI 于 2026 年 9 月推出的一款旗舰级决策模型，被称为全球首个 System One（系统一）模型， 由前 OpenAI 研究员 Diogo Almeida 团队研发，口号为 Decisions, not strings。Jev 不聊天、不写作、不生成代码，主打 “输出决策而非文本”，专门解决软件自动化中的快速结构化决策问题，在接收文本与自定义判断任务后，它能并行返回带置信度的结构化结果，支持多选判定、打分、概率评估三类任务。

Jev 模型借鉴卡尼曼《思考，快与慢》的系统 1 概念，主打低延迟判断，响应速度仅 70–500ms。目前 Vercel、LangChain 等平台已接入 Jev，在开发者圈快速走红，定位为 AI 智能体工作流里轻量化的语义判断组件，非常适合 AI Agent、工单分类、风险识别、日志过滤、任务校验等自动化场景。

Jev 功能特点

✅ 多问题并行评估
一次调用可混合 Choice、Score 和 Noul 等多个问题模块，对相同状态独立判断，增加问题对延迟影响很小。

✅ 多选项语义选择
Choice 模块支持预设最多 255 个选项，Jev 依据语义选出最合适答案，可批量并行处理，适合工单分类、路由判断类任务。

✅ 自定义标准打分
Score 模块可根据业务方预先定义的等级与标准，对对象进行连续评分，可用于风险预估、质量评估或客户情绪评级等。

✅ 概率置信度评估
Noul 模块用于判断结论成立的概率值，直接返回 0—1 之间的数值，适合“是否退款”“是否存在风险”等问题。

✅ 辅助Agent决策
可根据当前任务状态判断工具选择、模型路由或风险控制，与通用大模型配合使用，实现 AI 工作流自动分支跳转。

✅ 结构化程序接口
Jev 不生成自然语言，只返回程序可直接使用的结果，无需解析文本或处理 JSON 格式错误。

✅ 大模型安全校验
低成本检测模型幻觉、越狱提示与违规内容，充当 AI 应用的轻量语义安全护栏。

✅ 大批量文本过滤支持
批量筛选日志、文档，剔除无效冗余信息，压缩上下文，减少下游大模型 token 消耗。

✅ 高并发实时决策
毫秒级响应，官方称典型响应时间为 70—500 毫秒，支持大规模并发判断。

Jev 应用场景

Jev 如何使用

Jev 已在 TypeSafe AI 平台正式上线，全面开放给所有用户使用，可以通过浏览器访问Jev官网，注册登录后即可在线使用。

• Jev官网地址：https://typesafe.ai/
• Jev官网控制台入口：https://console.typesafe.ai/
• Jev官网介绍：https://typesafe.ai/blog/introducing-system-one-models-and-jev

🎁 限时福利：

• 新注册用户可以免费获赠1.2亿Token（约5美元额度）

🎮 Jev 使用流程

Jev 采用统一入口 POST /v1/systemone，通过 state 提交待判断内容、用 questions 定义各类问题。官方文档指出，Jev 不支持图片、音频、视频输入，仅支持文本、JSON 对象或文本数组。

1. 申请权限：前往 TypeSafe AI 官网注册账户，登录后在控制台创建 API Key。
2. 配置密钥：将 API Key写入本地环境变量 TYPESAFE_API_KEY，避免直接写入源代码，注意版本管理与权限隔离。
3. 选择调用：可直接发送 HTTP 请求，也可安装 Python 或 JavaScript 官方 SDK；Python 需 3.10 及以上版本。
4. 整理状态：将工单、订单或检索结果整理成文本或 JSON，只保留判断所需字段，减少无关信息和成本。
5. 设计问题：把判断拆成独立问题，分别使用 Choice、Score 或 Noul 三种类型，并写清 instructions 与 criteria。
6. 发起请求：向接口发送 model、state 和 questions，建议先用 jev-latest，同一请求中的多个问题会并行判断。
7. 读取结果：从 answers 中取出选项、分数、概率或置信度，在代码里执行阈值判断、路由、排序和后续动作。
8. 验证上线：先用历史数据做影子测试，观察不同阈值下的准确率与覆盖率；确认后固定模型版本并记录日志。