Ymmärrä tila
Malli tulkitsee luonnollista tai jäsenneltyä tekstiä: tukipyynnön, Agent-jäljen, tuotetietueen tai pelitilan.
Jev AI Dev · kehittäjäopas
Mikä System One -tekoälymalli on? Kehittäjän opas Jeviin.
System One on TypeSafen tekoälymalliluokka, joka muuntaa rakenteettoman sovellustilan tyypitetyiksi vastauksiksi ja todennäköisyyksiksi. Jev on ensimmäinen toteutus: rajattu päätöskomponentti sovelluskoodiin.
- Syöte
- Teksti, JSON tai tekstilistat
- Tuloste
- Choice, Score tai Noul
- Ohjausvirta
- Pysyy omassa koodissa
Tämä on riippumaton kehittäjäopas. Tuote- ja suorituskykytiedot perustuvat TypeSafen aineistoon. Testaa Jev omalla datalla ennen tuotantokäyttöä.
System One
state → decisionsstate
”Minua veloitettiin kahdesti ja asia pitää ratkaista tänään.”
choicelaskutus0.96
noulkiireellinen0.88
scoreturhautuminen1.7 / 2
if (confidence < threshold) → reviewMalliluokka
System One -malli on sovelluskoodin päätösprimitiivi.
System One -malli ymmärtää syötteen merkityksen, mutta ei jatka keskustelua eikä kirjoita vastausta. Ensin määrität kysymyksen ja sallitun vastausmuodon; malli palauttaa rajatun arvion, jonka ohjelma voi tarkistaa.
Pysy sopimuksessa
Sovellus määrittää vastausavaruuden ennen kutsua. Malli valitsee vaihtoehdon, arvioi asteikolla tai tutkii kyllä/ei-väitteen.
Näytä epävarmuus
Jokaisessa vastauksessa on todennäköisyyssignaali. Choice ja Score tiivistävät jakauman myös confidence-arvoksi.
Yhdistä koodiin
Kynnykset, säännöt, toimet, uudelleenyritykset, varapolut ja ihmisen tarkistus pysyvät tavallisessa koodissa.
Jev työnkulussa
Miten kehittäjät liittävät Jevin sovelluskoodiin.
Jev muuttaa yhden mallikutsun useiksi päätössignaaleiksi. Hyödyllinen yksikkö ei ole keskusteluvuoro vaan pieni, tyypitetty sopimus mallin ja sovelluksen välillä.
1. Rakenna tila
Lähetä päätökseen tarvittavat tiedot. Jev hyväksyy tällä hetkellä tekstipohjaisia syötteitä: merkkijonoja, JSON-objekteja ja tekstilistoja.
Asiakasviesti + tilitiedot2. Määritä kysymykset
Nimeä kysymys, valitse primitive ja kuvaa vaihtoehdot tai asteikko. Useita riippumattomia kysymyksiä voi olla samassa pyynnössä.
tiimi · kiireellisyys · turhautuminen3. Jev arvioi
Jev palauttaa tyypitetyn vastauksen ja todennäköisyyden jokaiseen kysymykseen. Choice ja Score sisältävät myös confidence-arvon.
laskutus · 0,93 · korkea confidence4. Koodi soveltaa sääntöjä
Yhdistä mallitulos deterministisiin tarkistuksiin. Suorita selkeät matalan riskin tapaukset; ohjaa epäselvät tai merkittävät ihmiselle tai reasoning-mallille.
reititä · kysy · tarkista · pysäytäKolme vastausmuotoa
Choice
billingMinkä tiimin pitäisi käsitellä asia?
Valitsee yhden ennalta määrätystä joukosta ja palauttaa jokaisen vaihtoehdon todennäköisyyden.
Score
1.43 / 2Kuinka vakava ongelma on?
Sijoittaa syötteen kuvattuun järjestysasteikkoon; tulos voi olla tasojen välissä.
Noul
0.95Pyydetäänkö tässä hyvitystä?
Arvioi kyllä/ei-väitteen ja palauttaa “kyllä”-todennäköisyyden.
Perustelu
Miksi TypeSafe rakensi ohjelmistolle mallirajapinnan.
Generatiiviset mallit tuottavat joustavia merkkijonoja ihmisille. TypeSafen mukaan ohjelmisto tarvitsee rajatumpaa älykkyyttä: koodiin liitettävää, toistettavaa, epävarmuuden näyttävää ja ohjausvirran näkyvänä pitävää.
Merkkijonot ovat joustavia mutta avoimia
Tuloste voi olla tekstiä, koodia, JSONia, kieltäytyminen tai väärä muoto. Sovelluksen on usein jäsennettävä, validoitava ja käsiteltävä virheet ennen toimintaa.
Automaatio tarvitsee rajat
Kun malli toimii taustalla, ohjelman on tiedettävä mahdolliset tulokset ja kunkin sallimat toimet etukäteen.
Epävarmuuden pitää muuttaa polkua
Todennäköisyysjakauma mahdollistaa selvien tapausten automaation ja epäselvien ohjaamisen turvallisemmalle polulle.
Pienten päätösten pitää yhdistyä
Monimutkainen työnkulku voidaan jakaa kohdennettuihin semanttisiin arvioihin ja yhdistää deterministisellä logiikalla yhden suuren promptin sijaan.
Mihin se sopii
Mihin System One AI sopii kehittäjätyönkuluissa.
Parhaat kohteet toistuvat usein, vaativat sekavan syötteen ymmärtämistä ja johtavat harvoihin toimiin, jotka sovellus jo osaa tehdä.
Tukitoiminnot
Luokittele tukipyynnöt, tunnista tarkoitus ja kiire, arvioi sävy ja ohjaa epävarmat tapaukset tarkistukseen.
Laskutus, tekniikka, tili vai jokin muu?
Agentin ohjaus
Valitse malli tai työkalu, päätä retrieval-tarve, tarkista tuloksen kattavuus tai ehdotettu työkalukutsu.
Pitäisikö Agentin jatkaa, yrittää uudelleen vai eskaloida?
Järjestys ja relevanssi
Arvioi ehdokkaan sopivuus kyselyyn, profiiliin, sääntöön tai kontekstiin ja yhdistä signaali liiketoimintasääntöihin.
Kuinka relevantti ehdokas on pyynnölle?
Turvallisuus ja varmennus
Arvioi viestit, tulosteet, jäljet tai koodimuutokset selkein kriteerein; korkea riski jää determinististen porttien taakse.
Rikkooko tämä annettua sääntöä?
Reaaliaikainen vuorovaikutus
Valitse sallittuja toimia peleihin, simulaatioihin, käyttöliittymiin tai laitteisiin ilman pitkää generoitua vastausta.
Mikä sallittu toiminto sopii tilaan parhaiten?
Datatoiminnot
Muunna suuret tietuemäärät luokiksi, pisteiksi, lipuiksi ja ominaisuuksiksi jatkojärjestelmille.
Mikä on tietueen luokka ja riskitaso?
Sopii hyvin
Vaihtoehdot tunnetaan, syöte on semanttisesti monimutkainen, päätös toistuu, viiveellä on merkitystä ja koodilla on toiminto tai varapolku jokaiselle tulokselle.
Sopii huonosti
Tarvitaan uutta tekstiä tai koodia, syvää monivaiheista päättelyä, laajaa tutkimusta, selitystä, multimodaalista syötettä tai tuloksia ei voi määrittää etukäteen.
System One ja generatiiviset LLM:t
System One ja generatiiviset LLM:t täyttävät eri roolit AI-pinossa.
Molemmat ymmärtävät kieltä, ja LLM voidaan rajata rakenteiseen tulosteeseen. Syvempi ero on siinä, mitä malli on suunniteltu tuottamaan ja miten ohjelmisto käyttää sitä.
| Ominaisuus | Jev / System One | Tavallinen generatiivinen LLM |
|---|---|---|
| Päätehtävä | Arvioida määritetyt tulokset | Tuottaa jatkoa tai vastaus |
| Luontainen tuloste | Tyypitetty valinta, score tai kyllä-todennäköisyys | Tokenjono: teksti, koodi, JSON tai muu |
| Vastausavaruus | Määritetty ennen kutsua | Pohjimmiltaan avoin, vaikka schema rajoittaisi lopullista muotoa |
| Epävarmuus | Todennäköisyys joka vastaukselle; confidence Choice- ja Score-vastauksille | Voi antaa token-todennäköisyyksiä tai itse ilmoitettua varmuutta, harvoin tehtäväkalibroitu signaali |
| Sampling | TypeSafen mukaan kysymykset ja tulosteet arvioidaan rinnakkain | Yleensä peräkkäin, token kerrallaan |
| Vahvuudet | Useat semanttiset haarat, scoring, routing ja tarkistukset | Kirjoittaminen, keskustelu, koodi, synteesi ja avoin päättely |
| Pääasiallinen virhe | Tyypiltään pätevä mutta semanttisesti väärä päätös | Väärä, virheellisesti muotoiltu, perusteeton tai harhautunut sisältö |
| Rooli järjestelmässä | Rajattu päätöskomponentti näkyvässä koodissa | Joustava generaattori tai reasoning-malli, usein laajemmalla orkestroinnilla |
Jevin ulkopuolista System Onea arvioiville kehittäjille alla näkyy sama yhteisömoduuli kuin Projects-sivulla. Se erottaa itsenäisesti koulutetut mallit olemassa oleviin painoihin perustuvista Jev-tyylisistä rajapinnoista.
System One
Yhteisön System One -ekosysteemi
Nämä yhteisön mallit ja rajapintakokeilut ovat saaneet innoituksensa Jevistä tai tutkivat vastaavia rakenteisen päätöksenteon tapoja. Ne eivät ole TypeSafen virallisia Jev-versioita eivätkä kuulu yllä olevaan GitHub-projektien rankingiin.
Yhteisömalli
Qwen3.5-9B + diffusion drafterJeeves
Jev-tyylinen 9B-päätösmalli, jossa on valinnainen päättelyvaihe sekä julkaistut painot, koulutuskoodi ja aineisto ja yhteensopiva paikallinen API.
Yhteisömalli
Qwen3.5-4BOpenJev-4B
Avoimen sanaston 4B-todennäköisyyspäätösmalli, jossa on julkaistut painot ja kaksivaiheinen koulutus, paikallinen päättely sekä HTTP-palvelu.
Yhteisömalli
Qwen3.5-9BBespoke Nimble
Jevistä vaikutteita saanut LoRA-sovitin ja koulutusohje valinta- sekä kyllä/ei-kysymyksiin. Toimii paikallisesti ja käsittelee toistaiseksi vain tekstiä.
Yhteisömalli
Qwen3-0.6BNanoJev
Pieni malli, jossa on päätöksiä varten omat tulostekerrokset, julkaistu koulutuskoodi ja pelidemoja toimintojen valinnan testaamiseen.
Yhteisömalli
Qwen3.5-2Bdecider
Hienosäädetty malli palauttaa rakenteisten kysymysten todennäköisyydet yhdellä läpikäynnillä. Nykyinen versio tukee vain englantia.
Yhteisömalli
ModernBERT 151M / Verdict 2.0Verdict
Pieni enkooderiin perustuva päätösmalli, jonka painot on julkaistu ja jota voi kokeilla WebGPU-demossa selaimessa.
Yhteisömalli
Qwen3.5-0.8BDohnuts
0,8B parametrin multimodaalinen päätösmalli, jonka painot, koulutuskoodi ja arviointitulokset on julkaistu. Se käsittelee tekstin ja kuvat yhdellä ajolla; painot on tarkoitettu ei-kaupalliseen tutkimukseen.
Rajapintakokeilu
DiffusionGemma 26B-A4BOpenJev
Käyttää olemassa olevaa DiffusionGemma-mallia rakenteisiin kysymyksiin vastaamiseen Jevin kaltaisen rajapinnan kautta. Ei julkaise uusia mallipainoja.
Rajapintakokeilu
Open-model logitsSimple Jev
Pisteyttää sallitut vastaukset olemassa olevilla avoimilla malleilla Jevin kaltaisen rajapinnan kautta. Ei julkaise uuden mallin painoja.
Rajapintakokeilu
Spark-X2.5-4BRizzo Flow
Paikallisesti toimiva Jev-yhteensopiva palvelin, joka lukee Spark-X2.5:n vastauslogitit. Kysymykset jakavat saman tilan esitäytön, ja mukana ovat kokeiluympäristö sekä vertailutestit.
Rajapintakokeilu
Any causal LLMAnyJev
Työkalupakki, joka muuntaa kausaaliset kielimallit tyypitetyiksi päätösmalleiksi ilman koulutusta. Mukana ovat vaihtoehtojen järjestysharhan korjaus, valinnainen kalibrointi ja toistettavat vertailutestit.
Rajapintakokeilu
Qwen3.5 / DeBERTalocal-jev
Qwen- tai DeBERTa-malleille tarkoitettu offline-tilassa toimiva Jev-yhteensopiva palvelin, joka on testattu virallisella SDK:lla ja jolla on julkaistut JevBench-tulokset.
Yhteisömalli
Qwen3-0.6BAgentJev
Qwen3-0.6B-päätösmalli agenttien suoritusjäljille ja muille rakenteisille kysymyksille. Mallipainot ja tyypitetty HTTP API on julkaistu, eikä malli pura tokeneita.
Rajapintakokeilu
Causal LMs / SGLangLLM2Jev
Muuntaa paikalliset kausaaliset kielimallit Jev-yhteensopiviksi Choice-, Score- ja Noul-palveluiksi pelkällä prefill-pisteytyksellä; tukee SGLangia, Transformersia ja multimodaalista dataa.
Rajapintakokeilu
Laya / ONNX RuntimeLaya
Ajaa avoimen Laya System One -mallin Node.js:ssä ONNX Runtimella käyttäen Jev-yhteensopivaa pyyntömuotoa ja julkaistuja mallipainoja.
Yhteisömalli
Qwen3.5-0.8BOpenThai System One
Qwen3.5-0.8B-päätösmalli thaille ja englannille, julkaistuine painoineen, koulutuskoodineen ja Jev-yhteensopivine HTTP API -rajapintoineen.
Yhteisömalli
Qwen3.5-0.8B / 2BValen
Jevistä innoituksensa saanut multimodaalinen päätösmalli tekstille, kuville ja videoille; painot, koulutuskoodi ja arviointikomennot on julkaistu.
Yhteisömalli
Qwen3.5-4BTev1
Qwen3.5:stä hienosäädetty avoin 4B-päätösmalli, jonka painot, toistettava koulutusohje ja aineiston alkuperä on julkaistu.
Rajapintakokeilu
Open decision modelsOllaya
Paikallinen Rust-palvelu, joka lataa ja ajaa useita avoimia päätösmalleja oman ja TypeSafe-yhteensopivan API:n kautta.
Yhteisömalli
Qwen3.5-0.8B / 2B / 4BIntern-Decision
Multimodaalinen Qwen3.5-päätösmalliperhe koossa 0,8B, 2B ja 4B. Se julkaisee painot, koulutus- ja päättelykoodin, kalibrointitestit sekä Jev-yhteensopivan rajapinnan.
Yhteisömalli
Qwen3.5-4BMica
Englannin- ja koreankielinen 4B-päätösmalli, jolla on avoimet painot ja kvantisoinnit, kalibroidut todennäköisyydet sekä paikallinen TypeSafe-yhteensopiva palvelin.
Yhteisömalli
Qwen3.5-0.8B / 2BJev-Style
Paikallinen 0,8B- ja 2B-malliperhe, jolla on julkaistut painot, pitkä konteksti, yhteensopiva rajapinta, agenttitaidot, MCP-työkalut ja arviointikomennot.
Yhteisömalli
Qwen3.5-2B / 9B · Qwen3.8-27BOpen-Jev
Riippumaton toteutus, jonka 2B-, 9B- ja 27B-painot, koulutuskoodi, yhteensopiva paikallinen palvelin ja toistettavat arvioinnit on julkaistu.
Yhteisömalli
Qwen3.5-VL 2B / 4B / 9Bimajev
Avoin 2B-, 4B- ja 9B-parametrin multimodaalinen malliperhe tekstille ja kuville. Mukana ovat kalibroidut todennäköisyydet, mahdollisuus pidättäytyä, julkaistut painot ja yhteensopiva paikallinen API.
Yhteisömalli
0.6B / 0.8B / 4B decision modelsOpenDecider
Pienet avoimet mallit Choice-, Score- ja Noul-päätöksille, julkaistuine painoineen ja paikallisine päättelyineen CPU:lla, NVIDIA GPU:lla ja Apple Siliconilla.
Yhteisömalli
Qwen3.5-0.8B / 4Bjiwo
Avoimet 0,8B:n ja 4B:n Qwen3.5-päätösmallit, joiden painot, koulutuskoodi, paikallinen Jev-yhteensopiva API ja toistettavat Decision Index -tulokset on julkaistu.
Yhteisömalli
Qwen3.5-0.8B / 4BSearchJev
Hakutoimijoiden päätöksiin koulutetut avoimet 0,8B:n ja 4B:n Qwen3.5-mallit, joiden data, painot, koulutuslokit ja kalibrointikoodi on julkaistu.
Rajapintakokeilu
Cloudflare Clef 27B / 9Bcleffa
Natiivi C- ja Metal-moottori Cloudflare Clefille ja Clef-Flashille Apple Siliconissa; tarjoaa teksti-, kuva- ja videopäätökset Jev-yhteensopivan API:n kautta.
Yhteisömalli
mmBERT 144.3MPhocinae Largha
Kaksikielinen 144,3M parametrin encoder-päätösmalli paikallisiin tyypitettyihin päätöksiin, mukana painot, kalibrointityökalut, arvioinnit ja Jev-yhteensopiva palvelin.
Yhteisömalli
Multilingual Laya checkpointsLaya Decision Engine
Monikielinen, ei-autoregressiivinen päätösmoottori, jolla on avoimet checkpointit, koulutus- ja hienosäätökoodi sekä yhteensopivat paikalliset API:t.
Yhteisömalli
Qwen3.5-0.8B / 4BVegaML
Paikallinen multimodaalinen moottori, jossa jäädytetyt Qwen3.5-mallit yhdistyvät pieneen opetettavaan fysiikkamoduuliin; avoimet 0,8B- ja 4B-checkpointit.
Rajapintakokeilu
Laya / ONNX Runtime Javalaya-java
Puhdas Java-runtime Layalle, Spring Boot- ja Gradle-integraatioilla sekä Jev- ja OpenAI-yhteensopivilla päätepisteillä.
Yhteisömalli
Qwen3.5-4B / Qwen3.8-27Btrain-jev
Kehys Jev-tyylisten mallien tislaamiseen ja kouluttamiseen Qwen3.5- tai Qwen3.8-pohjalla, mukana kalibrointi, arviointi ja yhteensopiva palvelinkoodi.
Yhteisömalli
LLM-jp 4.1 8B / encoder 310Msaihai
Japaninkielinen tyypitetty päätösmalliperhe, jossa on avoimet 8B- ja 310M-painot, koulutus- ja arviointikoodi, GGUF-palvelu ja System One -yhteensopiva API.
Rajapintakokeilu
Any llama.cpp GGUFCallosum
Lisää olemassa olevaan llama.cpp-keskustelumalliin System One -API:n ja varatut luokittelukaistat sekä valinnaisen kalibroinnin ja rajatun päättelyn ilman toista mallia.
Yhteisömalli
Qwen3-VL-4BOpenVisualJev
Qwen3-VL-4B-pohjainen multimodaalinen päätösmalli, jossa on dynaaminen vaihtoehtojen pisteytys, järjestysriippumattomat valinnat, kalibrointikoodi ja tekninen raportti; checkpointit eivät vielä ole ladattavissa.
Yhteisömalli
BitNet b1.58 2BBitSOne-s1
Kolmiarvoinen 2B BitNet -päätösmalli, jossa on pointer-head, tyypitetyt todennäköisyydet, toistettava koulutusloki ja mitattu kalibrointi; julkaistu checkpoint on tällä hetkellä yksityinen.
Rajapintakokeilu
Open ONNX decision modelsdecision-toolkit
Ajaa valikoituja avoimia päätösmalleja paikallisesti CPU:lla ONNX:n kautta ja tarjoaa yhden tyypitetyn kirjaston, CLI:n, RESTin ja System One -yhteensopivan API:n.
Yhteisömalli
Qwen3-VL-4BFovea
Avoin 4B:n visuaalinen päätösmalli, jonka painot sekä koulutus- ja kalibrointikoodi on julkaistu ja jota tarjotaan TypeSafe System One API:n kautta.
Rajapintakokeilu
Open decision model familiesFlide
Paikallinen ajoympäristö, joka nopeuttaa avoimia päätösmalleja täsmällisellä tilan haarautuksella ja tarjoaa useita teksti- ja multimodaalisia malliperheitä yhden rajapinnan kautta.
Yhteisömalli
Multilingual encoder 57M / ONNXSkejja
57 miljoonan parametrin monikielinen encoder-päätösmalli Choice-, Noul- ja Score-kysymyksiin, ONNX-päättelyllä, selain- ja Raspberry Pi -demoilla sekä yhteensopivalla System One -API:lla.
Yhteisömalli
Qwen3.5-9B LoRA / GGUFOpenChoice-9B
CPU-käyttöön suunniteltu multimodaalinen 9B-päätösmalli GGUF-muodossa, Choice-, Score- ja Noul-rajapinnoilla, TypeSafe-yhteensopivalla API:lla ja LoRA-hienosäätötyökaluilla.
Yhteisön itsenäisiä projekteja, eivät Jevin virallisia versioita.
Seuraa uusia yhteisömalleja ja käyttöliittymäkokeiluja Jev AI Radarissa.Tutustu Jev AI Radariin
Ensisijaiset lähteet
Lue väitteet asiayhteydessään.
Tämä Jev AI Dev -opas selittää TypeSafen kehyksen omin sanoin. Tarkista API-tiedot, tuoteväitteet, arviointimenetelmät ja päivitykset virallisista lähteistä.
Testaa muotoa, älä vain ideaa
Aloita yhdestä päätöksestä, jonka sovellus jo tekee.
Määritä vastaukset, kerää edustavia esimerkkejä, päätä epävarmuuden käsittely ja vertaa Jeviä nykyisiin sääntöihin tai malleihin. Älä automatisoi suuren vaikutuksen päätöksiä suoraan.