Pochopit stav
Model interpretuje přirozený nebo strukturovaný text: tiket, stopu Agenta, záznam produktu či stav hry.
Jev AI Dev · průvodce pro vývojáře
Co je model AI System One? Průvodce Jev pro vývojáře.
System One je třída modelů AI od TypeSafe, která mění nestrukturovaný stav aplikace na typované odpovědi a pravděpodobnosti. Jev je první implementace: omezená rozhodovací komponenta pro kód aplikace.
- Vstup
- Text, JSON nebo seznamy textů
- Výstup
- Choice, Score nebo Noul
- Řízení toku
- Zůstává ve vašem kódu
Toto je nezávislý průvodce pro vývojáře. Informace o produktu a výkonu vycházejí z materiálů TypeSafe. Před produkčním nasazením ověřte Jev na vlastních datech.
System One
state → decisionsstate
„Platba mi byla stržena dvakrát. Potřebuji to vyřešit dnes.“
choicefakturace0.96
noulnaléhavé0.88
scorenespokojenost1.7 / 2
if (confidence < threshold) → reviewTřída modelu
Model System One je rozhodovací primitivum pro kód aplikace.
System One rozumí významu vstupu, ale nepokračuje v konverzaci ani nepíše odpověď. Nejprve určíte otázku a povolený tvar odpovědi; model vrátí omezený úsudek, který program může zkontrolovat.
Dodržet kontrakt
Aplikace před voláním určí prostor odpovědí. Model zvolí možnost, ohodnotí na škále nebo posoudí tvrzení ano/ne.
Ukázat nejistotu
Každá odpověď obsahuje pravděpodobnost. Choice a Score navíc shrnují rozdělení jako confidence.
Skládat s kódem
Prahy, pravidla, akce, opakování, záložní cesty a lidská kontrola zůstávají v běžném kódu.
Jev v pracovním toku
Jak vývojáři zapojují Jev do kódu aplikace.
Jev mění jedno volání modelu na sadu rozhodovacích signálů. Užitečnou jednotkou není tah konverzace, ale malý typovaný kontrakt mezi modelem a aplikací.
1. Sestavte stav
Pošlete informace potřebné pro rozhodnutí. Jev aktuálně přijímá textové vstupy: řetězce, objekty JSON a seznamy textů.
Zpráva zákazníka + údaje účtu2. Definujte otázky
Otázku pojmenujte, vyberte primitive a popište možnosti nebo škálu. Několik nezávislých otázek může být v jednom požadavku.
oddělení · naléhavost · nespokojenost3. Jev vyhodnotí
Pro každou otázku vrátí typovanou odpověď a pravděpodobnost. Choice a Score obsahují také confidence.
fakturace · 0,93 · vysoká confidence4. Kód uplatní pravidla
Výstup spojte s deterministickými kontrolami. Jasné případy s nízkým rizikem proveďte, nejasné nebo významné předejte člověku či reasoning modelu.
směrovat · doptat se · ověřit · zastavitTři tvary odpovědi
Choice
billingKterý tým má případ řešit?
Zvolí jednu možnost z předem dané sady a vrátí pravděpodobnost každé možnosti.
Score
1.43 / 2Jak závažný je problém?
Umístí vstup na popsanou uspořádanou škálu; výsledek může být mezi úrovněmi.
Noul
0.95Žádá zpráva o vrácení peněz?
Posoudí tvrzení ano/ne a vrátí pravděpodobnost „ano“.
Důvod
Proč TypeSafe vytvořil modelové rozhraní pro software.
Generativní modely tvoří flexibilní řetězce pro lidi. TypeSafe tvrdí, že software potřebuje užší inteligenci: vložitelnou do kódu, opakovatelnou, ukazující nejistotu a zachovávající viditelný tok řízení.
Řetězce jsou pružné, ale otevřené
Výstup může být text, kód, JSON, odmítnutí nebo špatný formát. Aplikace často musí před akcí parsovat, ověřovat a řešit chyby.
Automatizace potřebuje hranice
Když model běží na pozadí, program musí předem znát možné výsledky a akce, které každý z nich povolí.
Nejistota má měnit tok
Rozdělení pravděpodobnosti umožní automatizovat jasné případy a nejasné poslat bezpečnější cestou.
Malá rozhodnutí se mají skládat
Složitý tok lze rozdělit na cílené sémantické úsudky a spojit deterministickou logikou namísto skrytí v jednom velkém promptu.
Kde se hodí
Kde System One AI zapadá do vývojových toků.
Nejlepší úlohy se často opakují, vyžadují pochopení neuspořádaného vstupu a vedou k několika akcím, které aplikace již umí provést.
Zákaznická podpora
Třiďte tikety, určujte záměr a naléhavost, odhadujte sentiment a nejasné případy posílejte ke kontrole.
Fakturace, technika, účet, nebo něco jiného?
Řízení Agenta
Volte model nebo nástroj, určujte potřebu vyhledávání, úplnost výsledku nebo kontrolujte navržené volání nástroje.
Má Agent pokračovat, opakovat, nebo eskalovat?
Pořadí a relevance
Ohodnoťte shodu kandidáta s dotazem, profilem, politikou či kontextem a spojte signál s obchodními pravidly.
Jak relevantní je kandidát pro požadavek?
Bezpečnost a ověření
Hodnoťte zprávy, výstupy, stopy nebo změny kódu podle jasných kritérií; vysoké riziko držte za deterministickými branami.
Porušuje to uvedené pravidlo?
Interakce v reálném čase
Vybírejte povolené akce pro hry, simulace, rozhraní či zařízení bez dlouhé generované odpovědi.
Která povolená akce nejlépe odpovídá stavu?
Datové operace
Převádějte velké objemy záznamů na kategorie, skóre, příznaky a vlastnosti pro další systémy.
Jaká kategorie a úroveň rizika platí pro záznam?
Dobrá volba
Možnosti jsou známé, vstup je sémanticky složitý, rozhodnutí se opakuje, záleží na latenci a kód zná akci nebo záložní cestu pro každý výsledek.
Špatná volba
Je potřeba originální text či kód, hluboké vícekrokové uvažování, široký výzkum, vysvětlení, multimodální vstup nebo výsledky nelze určit předem.
System One a generativní LLM
System One a generativní LLM mají v AI stacku různé role.
Oba přístupy rozumějí jazyku a LLM lze omezit strukturovaným výstupem. Hlubší rozdíl je v tom, co má model přirozeně vracet a jak jej okolní software používá.
| Aspekt | Jev / System One | Běžný generativní LLM |
|---|---|---|
| Hlavní úloha | Vyhodnotit předem dané výsledky | Generovat pokračování nebo odpověď |
| Nativní výstup | Typovaná volba, skóre nebo pravděpodobnost ano | Sekvence tokenů: text, kód, JSON nebo jiné |
| Prostor odpovědí | Deklarován před voláním | Z podstaty otevřený, i když schema omezuje konečný formát |
| Nejistota | Pravděpodobnost každé odpovědi; confidence pro Choice a Score | Může dát pravděpodobnosti tokenů nebo vlastní jistotu, obvykle ne kalibrovaný signál úlohy |
| Vzorkování | Podle TypeSafe se otázky a výstupy hodnotí paralelně | Obvykle sekvenčně, token po tokenu |
| Silné stránky | Časté sémantické větvení, scoring, routing a kontroly | Psaní, dialog, programování, syntéza a otevřené uvažování |
| Hlavní selhání | Typově platné, ale sémanticky chybné rozhodnutí | Chybný, špatně formovaný, nepodložený nebo odchylný obsah |
| Role v systému | Omezená rozhodovací komponenta ve viditelném kódu | Flexibilní generátor či reasoning model, často s větší orchestrací |
Pro vývojáře, kteří hodnotí System One i mimo Jev, je níže stejný komunitní modul jako na stránce Projects. Odděluje samostatně trénované modely od rozhraní podobných Jev postavených na existujících vahách.
System One
Komunitní ekosystém System One
Tyto komunitní modely a experimenty s rozhraním se inspirují Jevem nebo zkoumají podobné přístupy ke strukturovanému rozhodování. Nejde o oficiální verze Jevu od TypeSafe a nejsou součástí výše uvedeného žebříčku projektů na GitHubu.
Komunitní model
Qwen3.5-9B + diffusion drafterJeeves
Rozhodovací model 9B ve stylu Jev s volitelnou fází uvažování, zveřejněnými vahami, trénovacím kódem a daty a kompatibilním lokálním API.
Komunitní model
Qwen3.5-4BOpenJev-4B
Pravděpodobnostní rozhodovací model 4B s otevřenou slovní zásobou, zveřejněnými vahami a dvoufázovým tréninkem, lokální inferencí a službou HTTP.
Komunitní model
Qwen3.5-9BBespoke Nimble
Adaptér LoRA a postup trénování inspirovaný Jevem pro výběr z možností a otázky ano/ne. Běží lokálně, zatím přijímá jen text.
Komunitní model
Qwen3-0.6BNanoJev
Malý model s rozhodovacími hlavami, zveřejněným trénovacím kódem a herními ukázkami výběru akcí.
Komunitní model
Qwen3.5-2Bdecider
Doladěný model vrací rozdělení pravděpodobností pro strukturované otázky v jediném průchodu. Současná verze podporuje jen angličtinu.
Komunitní model
ModernBERT 151M / Verdict 2.0Verdict
Malý rozhodovací model založený na enkodéru, se zveřejněnými vahami a ukázkou WebGPU v prohlížeči.
Komunitní model
Qwen3.5-0.8BDohnuts
Multimodální rozhodovací model s 0,8B parametry a zveřejněnými vahami, trénovacím kódem i výsledky testů. Text a obrázky zpracuje v jednom průchodu; váhy jsou určené pro nekomerční výzkum.
Experiment s rozhraním
DiffusionGemma 26B-A4BOpenJev
Používá stávající model DiffusionGemma k zodpovídání strukturovaných otázek přes rozhraní podobné Jevu. Nezveřejňuje nové váhy modelu.
Experiment s rozhraním
Open-model logitsSimple Jev
Hodnotí povolené odpovědi pomocí existujících otevřených modelů přes rozhraní podobné Jevu. Nezveřejňuje nové váhy modelu.
Experiment s rozhraním
Spark-X2.5-4BRizzo Flow
Lokální server kompatibilní s Jev, který čte logity odpovědí modelu Spark-X2.5. Otázky sdílejí jeden prefill stavu; součástí je i zkušební rozhraní a benchmarky.
Experiment s rozhraním
Any causal LLMAnyJev
Nástroj, který bez trénování mění kauzální jazykové modely na typované rozhodovací modely, s korekcí vlivu pořadí možností, volitelnou kalibrací a reprodukovatelnými benchmarky.
Experiment s rozhraním
Qwen3.5 / DeBERTalocal-jev
Offline server kompatibilní s Jev pro Qwen nebo DeBERTa, otestovaný s oficiálním SDK a s publikovanými výsledky JevBench.
Komunitní model
Qwen3-0.6BAgentJev
Rozhodovací model Qwen3-0.6B pro stopy agentů a další strukturované otázky, se zveřejněnými vahami, typovaným HTTP API a bez dekódování tokenů.
Experiment s rozhraním
Causal LMs / SGLangLLM2Jev
Převádí lokální kauzální jazykové modely na služby Choice, Score a Noul kompatibilní s Jev pomocí hodnocení pouze prefillu; podporuje SGLang, Transformers a multimodální data.
Experiment s rozhraním
Laya / ONNX RuntimeLaya
Spouští otevřený model Laya System One v Node.js přes ONNX Runtime, s formátem požadavků kompatibilním s Jev a zveřejněnými vahami.
Komunitní model
Qwen3.5-0.8BOpenThai System One
Rozhodovací model Qwen3.5-0.8B pro thajštinu a angličtinu se zveřejněnými vahami, trénovacím kódem a HTTP API kompatibilním s Jev.
Komunitní model
Qwen3.5-0.8B / 2BValen
Multimodální rozhodovací model inspirovaný Jev pro text, obrázky a video s publikovanými vahami, trénovacím kódem a příkazy pro vyhodnocení.
Komunitní model
Qwen3.5-4BTev1
Otevřený rozhodovací model 4B doladěný z Qwen3.5 s vahami, reprodukovatelným postupem tréninku a popsaným původem dat.
Experiment s rozhraním
Open decision modelsOllaya
Místní služba v Rustu, která stahuje a spouští několik otevřených rozhodovacích modelů přes vlastní a s TypeSafe kompatibilní API.
Komunitní model
Qwen3.5-0.8B / 2B / 4BIntern-Decision
Multimodální rodina modelů Qwen3.5 o velikosti 0,8B, 2B a 4B s váhami, kódem pro trénink a inferenci, testy kalibrace a API kompatibilním s Jev.
Komunitní model
Qwen3.5-4BMica
Rozhodovací model 4B pro angličtinu a korejštinu s veřejnými váhami a kvantizacemi, kalibrovanými pravděpodobnostmi a místním serverem kompatibilním s TypeSafe.
Komunitní model
Qwen3.5-0.8B / 2BJev-Style
Místní rodina modelů 0,8B a 2B s váhami, dlouhým kontextem, kompatibilním API, dovednostmi agentů, nástroji MCP a příkazy pro vyhodnocení.
Komunitní model
Qwen3.5-2B / 9B · Qwen3.8-27BOpen-Jev
Nezávislá implementace s publikovanými vahami 2B, 9B a 27B, trénovacím kódem, kompatibilním lokálním serverem a reprodukovatelnými testy.
Komunitní model
Qwen3.5-VL 2B / 4B / 9Bimajev
Otevřená multimodální rodina modelů 2B, 4B a 9B pro text a obrázky, s kalibrovanými pravděpodobnostmi, možností odmítnout odpověď, zveřejněnými vahami a kompatibilním lokálním API.
Komunitní model
0.6B / 0.8B / 4B decision modelsOpenDecider
Malé otevřené modely pro rozhodnutí Choice, Score a Noul se zveřejněnými vahami a lokální inferencí na CPU, GPU NVIDIA a Apple Silicon.
Komunitní model
Qwen3.5-0.8B / 4Bjiwo
Otevřené rozhodovací modely Qwen3.5 s 0,8B a 4B parametry, zveřejněnými vahami a trénovacím kódem, místním API kompatibilním s Jev a reprodukovatelnými výsledky Decision Index.
Komunitní model
Qwen3.5-0.8B / 4BSearchJev
Otevřené modely Qwen3.5 s 0,8B a 4B parametry trénované pro rozhodování vyhledávacích agentů, se zveřejněnými daty, vahami, záznamy tréninku a kalibračním kódem.
Experiment s rozhraním
Cloudflare Clef 27B / 9Bcleffa
Nativní engine v C a Metalu pro Cloudflare Clef a Clef-Flash na Apple Silicon, který poskytuje rozhodnutí pro text, obrázky a video přes API kompatibilní s Jev.
Komunitní model
mmBERT 144.3MPhocinae Largha
Dvojjazyčný rozhodovací model s enkodérem a 144,3M parametry pro místní typovaná rozhodnutí, s vahami, kalibračními nástroji, testy a serverem kompatibilním s Jev.
Komunitní model
Multilingual Laya checkpointsLaya Decision Engine
Vícejazyčný neautoregresní rozhodovací engine s veřejnými checkpointy, kódem pro trénink a doladění a kompatibilními lokálními API.
Komunitní model
Qwen3.5-0.8B / 4BVegaML
Lokální multimodální engine s neměnnými modely Qwen3.5 a malým trénovatelným fyzikálním modulem, s veřejnými checkpointy 0,8B a 4B.
Experiment s rozhraním
Laya / ONNX Runtime Javalaya-java
Čistě javový runtime pro Laya s integrací Spring Boot a Gradle a endpointy kompatibilními s Jevem a OpenAI.
Komunitní model
Qwen3.5-4B / Qwen3.8-27Btrain-jev
Framework pro destilaci a trénink rozhodovacích modelů ve stylu Jevu na Qwen3.5 nebo Qwen3.8, s kalibrací, hodnocením a kompatibilním serverem.
Komunitní model
LLM-jp 4.1 8B / encoder 310Msaihai
Japonská rodina typovaných rozhodovacích modelů s otevřenými vahami 8B a 310M, kódem pro trénink a hodnocení, obsluhou GGUF a API kompatibilním se System One.
Experiment s rozhraním
Any llama.cpp GGUFCallosum
Přidává k existujícímu chatovacímu modelu llama.cpp API System One a vyhrazené klasifikační dráhy, volitelnou kalibraci a omezené uvažování bez načtení druhého modelu.
Komunitní model
Qwen3-VL-4BOpenVisualJev
Multimodální rozhodovací model na Qwen3-VL-4B s dynamickým hodnocením možností, volbou nezávislou na pořadí, kalibračním kódem a technickou zprávou; checkpointy zatím nejsou ke stažení.
Komunitní model
BitNet b1.58 2BBitSOne-s1
Ternární rozhodovací model BitNet 2B s ukazovací hlavou, typovanými pravděpodobnostmi, reprodukovatelným záznamem tréninku a změřenou kalibrací; zveřejněný checkpoint je zatím soukromý.
Experiment s rozhraním
Open ONNX decision modelsdecision-toolkit
Lokálně na CPU přes ONNX spouští vybranou sadu otevřených rozhodovacích modelů a nabízí typovanou knihovnu, CLI, REST a API kompatibilní se System One.
Komunitní model
Qwen3-VL-4BFovea
Otevřený vizuální rozhodovací model 4B se zveřejněnými vahami a kódem pro trénink a kalibraci, poskytovaný přes API TypeSafe System One.
Experiment s rozhraním
Open decision model familiesFlide
Místní prostředí, které urychluje otevřené rozhodovací modely přesným větvením stavu a zpřístupňuje více textových i multimodálních rodin přes jedno rozhraní.
Komunitní model
Multilingual encoder 57M / ONNXSkejja
Vícejazyčný enkodérový rozhodovací model s 57 miliony parametrů pro Choice, Noul a Score, s inferencí ONNX, ukázkami v prohlížeči a na Raspberry Pi a kompatibilním API System One.
Komunitní model
Qwen3.5-9B LoRA / GGUFOpenChoice-9B
Multimodální rozhodovací model 9B zaměřený na CPU ve formátu GGUF, s Choice, Score, Noul, API kompatibilním s TypeSafe a sadou pro dolaďování LoRA.
Nezávislé komunitní projekty, nikoli oficiální verze Jevu.
Sledujte nové komunitní modely a experimenty s rozhraními v Jev AI Radar.Prozkoumat Jev AI Radar
Primární zdroje
Čtěte tvrzení v kontextu.
Tento průvodce Jev AI Dev vysvětluje rámec TypeSafe vlastními slovy. Podrobnosti API, tvrzení o produktu, hodnocení a změny ověřujte v oficiálních zdrojích.
Ověřte formu, ne jen myšlenku
Začněte jedním rozhodnutím, které aplikace již dělá.
Definujte odpovědi, shromážděte reprezentativní příklady, určete práci s nejistotou a porovnejte Jev se současnými pravidly nebo modelem. Neautomatizujte přímo rozhodnutí s velkým dopadem.