Giv det kontekst
Angiv den relevante tekst, JSON-tilstand eller en liste over tekstelementer. Jev accepterer i øjeblikket tekst, ikke billeder, lyd eller video.
Jev er TypeSafes første System One-model. Den returnerer typede beslutninger og sandsynligheder, som software kan bruge. Udforsk anvendelser, og se, hvordan du kalder modellen fra din kode.
TypeSafe beskriver Jev som en System One-model: Den returnerer typede valg og sandsynligheder i stedet for at generere fri tekst. Se, hvor denne tilgang passer sammen med generative modeller og regelbaseret kode.
| Aspekt | Jev | Generative LLM'er | Regelbaseret kode |
|---|---|---|---|
| Resultat | Foruddefinerede typede valg, scorer og sandsynligheder | Fleksibel tekst, kode eller struktureret output | Deterministiske værdier fra eksplicitte betingelser |
| Hastighed | Optimeret til beslutninger med lav latens; TypeSafe rapporterer 70–500 ms i sine tests | Afhænger af model, prompt og outputlængde | Normalt meget hurtig ved kendte betingelser |
| Bedste anvendelse | Gentagne beslutninger, der kræver forståelse for input | Skrivning, komplekse ræsonnementer og åbne opgaver | Klare betingelser med stabile definitioner |
| Vigtigste begrænsning | Kan ikke generere fri tekst; et typet svar kan stadig være forkert | Fleksible output kan have brug for parsing og validering | Svært at dække alle tilfælde, når input er tvetydigt |
Hastighedstal rapporteres af TypeSafe for bestemte strukturerede beslutningstests. De er ikke et uafhængigt benchmark eller en universel hastighedsgaranti. Læs metoderne
Brug Jev, når svarene er kendt, men inputtet stadig skal fortolkes. Brug en generativ model til at producere ny tekst eller kode. Skriv eksplicitte betingelser direkte i kode.
Jev vurderer tekst eller strukturerede data ud fra de spørgsmål, du definerer. Modellen returnerer valg, scorer og sandsynligheder, som din applikation kan bruge til at vælge næste trin.
“Jeg blev opkrævet to gange for mit abonnement. Kan du hjælpe?”
Hvilket team skal håndtere dette?
Eksempel på sandsynlighed 0.92
Angiv den relevante tekst, JSON-tilstand eller en liste over tekstelementer. Jev accepterer i øjeblikket tekst, ikke billeder, lyd eller video.
Bed om et valg, en score eller en ja/nej-sandsynlighed. De tilgængelige svar defineres før opkaldet.
Brug resultatet og usikkerheden til routing, gennemgang eller handling. En gyldig type garanterer ikke en korrekt vurdering.
Baseret på officiel TypeSafe-dokumentation
Jev er designet til fokuserede, gentagelige beslutninger med et defineret svarrum. Disse er udgangspunkter, ikke præstationsløfter; test dem på dine egne data.
Sortér klager og feedback fra forhandlere, vurder hvor meget det haster, og send sagen til det rette team. Lad et menneske se på usikre tilfælde.
Filtrér et feed efter brugerens egne præferencer, og vurder hvor relevante emnerne er sammen med dine øvrige rangeringssignaler.
Send en anmodning til den rette model, det rette værktøj eller den rette agent; afgør om der skal søges, og om resultatet er godt nok til næste trin.
Tjek beskeder, kodeændringer og værktøjskald mod konkrete regler. Send risikable eller usikre beslutninger til menneskelig gennemgang.
Lad Jev vælge næste handling for en AI-modstander eller NPC ud fra spillets tilstand og en afgrænset liste over lovlige træk. Spilkoden kontrollerer reglerne og udfører handlingen.
Sortér mails og notifikationer efter dine egne regler, vurder tilstanden i dit smarte hjem, eller afgør hvornår en rutine skal køre.
Start med en afgrænset vurdering, som din applikation allerede har brug for. Definer de mulige svar, og beslut derefter i koden, hvordan de skal bruges.
Vælg ét afgrænset spørgsmål, f.eks. routing af en supportsag eller vurdering af et elements relevans.
Definer input, spørgsmål og tilladte svar, før du kalder API'en.
Brug sandsynligheder og sikkerhed til at vælge en handling, en fallback eller menneskelig gennemgang.
Dette TypeScript-eksempel på serversiden sender en supportmeddelelse og to spørgsmål med definerede svarformater til Jev 1.13 via OpenRouter. Opbevar API-nøglen på serveren; din applikation afgør, hvordan resultaterne bruges.
Prøv Jev gratisconst apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");
const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
method: "POST",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "typesafe/jev-1.13",
state: "My card was charged twice. Please help ASAP.",
questions: {
department: {
type: "choice",
instructions: "Which team should handle this?",
criteria: {
billing: "Payments and refunds",
technical: "Bugs and integrations"
}
},
urgent: {
type: "noul",
instructions: "Does this message need urgent attention?"
}
}
})
});
if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();
if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
// Route to the billing review queue.
}POST /api/alpha/decisionsstate + questionsanswerschoice angiver teamet. noul returnerer en værdi fra 0 til 1 for ja/nej-spørgsmålet. Koden bruger begge værdier sammen med dine routingregler.
Før produktionsbrug bør du teste på repræsentative supportsager, registrere modelversionen og sende usikre sager eller sager med stor konsekvens til menneskelig gennemgang. Værdien 0,8 er kun et eksempel.
API referencer: OpenRouter · TypeSafe
En harness styrer agentens modelkald og værktøjer. Når der skal træffes en beslutning, læser Jev en besked, et planlagt værktøjskald eller agentens tilstand og returnerer et typesikkert svar. Din kode bestemmer næste skridt; åbne opgaver bliver hos chatmodellen.
ModelRouterMiddlewarebefore_agent → wrap_model_callKlassificér den seneste brugerbesked før kørslen, vælg en model, og behold valget under hele kørslen. Valg, sandsynligheder og konfidens kan stadig læses i agentens tilstand.
AutoModeMiddlewarewrap_tool_callKontrollér et udvalgt værktøjskald, før det udføres. Hvis Jev vurderer, at kaldet er risikabelt eller mangler tilladelse, blokerer middleware kaldet og returnerer en ToolMessage med fejl. Den beder ikke et menneske om godkendelse.
TypeSafeClassifierChoice · Score · NoulDu kan også tilføje egne kontrolpunkter: send agentens beskeder eller tilstand til TypeSafeClassifier fra din egen middleware, og brug Choice, Score eller Noul til at styre forløbet eller sende usikre tilfælde til gennemgang.
Anmodningen definerer spørgsmålene og svarformaterne. Svaret returnerer et resultat for hver enkelt. Her er JSON-felterne brugt i eksemplet.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulEt korrekt udformet svar kan stadig være forkert. Test repræsentative cases, og indstil routingtærskler for din egen arbejdsgang.
Jev er TypeSafes model. Udviklere i fællesskabet afprøver også hurtige, strukturerede beslutninger med åbne modeller og grænseflader. Sammenlign kode, metoder og begrænsninger.
Uafhængige fællesskabsprojekter, ikke officielle Jev-versioner.
Udforsk hovedpunkterne fra lanceringsdiskussionen, den officielle SDK og en uafhængig video. Læs konteksten her, og følg derefter de originale kilder for flere detaljer.
TypeSafe deler lanceringsopdateringer og produktkontekst på X. Betragt opslagene som teamets egen beskrivelse af Jev, og kontrollér dokumentationen, før du bygger på en bestemt påstand.
Se originalenDen officielle JavaScript- og TypeScript SDK viser API-overfladen, eksempler og udgivelsesaktivitet. Det er det mest nyttige sted at inspicere, hvordan en Jev-anmodning er repræsenteret i kode.
Se originalenStarttråden spørger, hvor en beslutningsmodel passer, hvordan man evaluerer den, og hvad man skal gøre, når et sikkert svar er forkert. Det er en diskussion, ikke en præstationstest.
Se originalenAllie Laabs fra TypeSafe forklarer System One og Choice, Score og Noul i ThursdAI. Værterne afprøver klassificering af opslag, viser en Doom-demo og taler om Jevs begrænsninger.
Se originalenEn uafhængig gennemgang fra RepoChad dækker outputskemaet, TypeSafes påstande om hastighed, eksempeldemoer og åbne spørgsmål. Videoen indlæses først, når du vælger at afspille den.
Se originalenTypeSafe AI introducerede Jev som sin første System One-model. Dets erklærede mål er at træffe hurtige, strukturerede beslutninger, der kan bruges i almindelige software-workflows.
Grundlægger Diogo Almeida har tidligere arbejdet hos OpenAI og Google Brain. Ifølge TypeSafe var hans arbejde med instruction following og RLHF med til at forme forskningen bag ChatGPT.
Nej. Jev er designet til at returnere typede beslutninger og sandsynligheder i stedet for frit-formede chatsvar eller genereret kode.
Det kan hjælpe med at score eller omrangere kandidater efter semantisk relevans. Et komplet anbefalingssystem kræver stadig kandidathentning, forretningsregler, evaluering og din egen rangeringslogik.
Nej. Et typet output begrænser formatet, men den valgte mulighed kan stadig være forkert. Test med repræsentative data, og håndter usikkerhed i koden.
Start med TypeSafes officielle dokumentation og SDK. Modellsiden hos OpenRouter giver også adgang til Jev via platformen.
Definer spørgsmålet og de mulige svar. Lad din applikation afgøre, hvad der skal ske med resultatet.