Fournir le contexte
Envoyez du texte, des données JSON ou une liste de textes. Jev ne prend pas encore en charge les images, l’audio ni la vidéo en entrée.
Jev est le premier modèle System One de TypeSafe. Il renvoie des décisions typées et des probabilités exploitables par un logiciel. Découvrez quand l’utiliser et comment l’intégrer via l’API.
TypeSafe présente Jev comme un modèle System One : il renvoie des réponses structurées selon des types prédéfinis et leurs probabilités, plutôt que de générer du texte libre. Comparez cette approche aux modèles génératifs et aux règles codées.
| Critère | Jev | LLM génératifs | Règles codées |
|---|---|---|---|
| Sortie | Choix, scores et probabilités définis à l’avance | Texte, code ou sortie structurée flexible | Valeurs déterminées par des conditions explicites |
| Vitesse | Optimisé pour une faible latence ; TypeSafe annonce 70 à 500 ms dans ses tests | Dépend du modèle, de la requête et de la longueur de sortie | Généralement très rapide pour des conditions connues |
| Idéal pour | Jugements sémantiques répétés dans un logiciel | Rédaction, raisonnement complexe et tâches ouvertes | Conditions claires et stables |
| Limite clé | Ne génère pas de texte libre ; une réponse typée peut être erronée | Les réponses peuvent nécessiter une analyse et une validation | Difficiles à maintenir lorsque les entrées sont ambiguës |
Les chiffres de vitesse proviennent de tests TypeSafe sur certaines décisions structurées. Il ne s'agit ni d'une mesure indépendante ni d'une garantie générale. Lire la méthode
Si les réponses sont connues mais que le sens de l’entrée doit être interprété, Jev peut convenir. Pour produire du texte ou du code, choisissez un modèle génératif. Si les conditions sont claires, écrivez simplement des règles.
Jev évalue un texte ou des données structurées à partir des questions que vous définissez. Il renvoie un choix, un score ou une probabilité que votre code peut exploiter directement.
“Mon abonnement a été facturé deux fois. Pouvez-vous m'aider ?”
Quelle équipe doit s'en charger ?
Probabilité fictive 0.92
Envoyez du texte, des données JSON ou une liste de textes. Jev ne prend pas encore en charge les images, l’audio ni la vidéo en entrée.
Avant l’appel, choisissez le format attendu : une option, un score ou une valeur pour une question oui/non.
Selon le résultat et le niveau de confiance, votre code peut orienter une demande, déclencher une action ou demander une vérification humaine. Un format correct ne garantit pas un bon choix.
Jev convient aux décisions répétées dont les réponses possibles sont connues à l’avance. Ces exemples donnent des pistes ; évaluez les résultats sur vos propres données.
Classez les réclamations et les retours des commerçants, évaluez leur urgence, puis orientez chaque dossier vers la bonne équipe. Confiez les cas incertains à une personne.
Filtrez un fil selon les préférences exprimées par l’utilisateur, puis évaluez la pertinence des contenus proposés avec vos propres critères de classement.
Dirigez une demande vers un modèle, un outil ou un agent ; décidez s’il faut lancer une recherche et vérifiez si le résultat permet de poursuivre.
Contrôlez les messages, les changements de code et les appels d’outils selon des règles précises. Faites examiner les cas risqués ou incertains.
À partir de l’état du jeu et d’une liste limitée de coups autorisés, Jev choisit la prochaine action d’un adversaire IA ou d’un PNJ. Le code du jeu vérifie les règles et exécute l’action.
Triez vos e-mails et notifications selon vos règles, évaluez l’état de votre maison connectée ou décidez quand lancer une routine.
Partez d'un jugement précis dont votre application a déjà besoin. Définissez les réponses possibles, puis décidez dans le code comment les utiliser.
Par exemple, orienter un ticket ou noter la pertinence d'un élément.
Précisez l’entrée, les questions et les réponses autorisées avant d’appeler l’API.
Servez-vous des probabilités et de la confiance pour agir, prévoir un repli ou demander un contrôle humain.
Cet exemple TypeScript côté serveur envoie une demande d’assistance et deux questions dont le format de réponse est défini à l’avance à Jev 1.13 via OpenRouter. La clé API reste sur le serveur ; votre application décide de la suite.
Essayer Jev gratuitementconst 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 indique l’équipe responsable. noul renvoie une valeur entre 0 et 1 pour la question oui/non. Votre code combine les deux avec ses règles d’orientation.
Testez sur des demandes représentatives, conservez la version du modèle et faites vérifier les cas incertains ou sensibles. La valeur 0,8 sert uniquement d’exemple.
Sources de l’API : OpenRouter · TypeSafe
Le harness orchestre les appels au modèle et aux outils. À un point de décision, Jev lit un message, un appel d’outil envisagé ou l’état de l’agent, puis renvoie une réponse typée. Votre code choisit la suite ; le modèle de chat garde les tâches ouvertes.
ModelRouterMiddlewarebefore_agent → wrap_model_callClasser le dernier message avant l’exécution pour choisir un modèle, puis conserver ce choix pendant le traitement. Le choix, les probabilités et le niveau de confiance restent accessibles dans l’état de l’agent.
AutoModeMiddlewarewrap_tool_callContrôler un appel d’outil avant son exécution. Si Jev détecte un risque ou une autorisation insuffisante, le middleware bloque l’appel et renvoie un ToolMessage d’erreur. Il ne demande pas de validation humaine.
TypeSafeClassifierChoice · Score · NoulAjoutez aussi vos propres points de contrôle : un middleware personnalisé transmet les messages ou l’état de l’agent à TypeSafeClassifier, puis votre code utilise Choice, Score ou Noul pour bifurquer ou demander une revue.
La requête définit les questions et le format attendu. La réponse contient un résultat pour chacune. Voici les champs JSON utilisés dans l’exemple.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulUne réponse au bon format peut être erronée. Testez des cas représentatifs et définissez vos propres seuils de routage.
Jev est le modèle de TypeSafe. La communauté explore aussi les décisions rapides et structurées avec des modèles ouverts et d’autres interfaces. Comparez le code, les approches et leurs limites.
Des projets indépendants de la communauté, pas des versions officielles de Jev.
Retrouvez ici les points clés des discussions de lancement, du SDK officiel et d’une vidéo indépendante. Faites-vous une idée sur cette page, puis consultez les sources si vous souhaitez creuser.
TypeSafe publie sur X ses actualités et le contexte du produit. Il s’agit de la version de l’équipe ; vérifiez les détails techniques dans la documentation avant de développer.
Voir la sourceLe SDK JavaScript et TypeScript officiel montre l’API, des exemples et les versions. Il permet de voir comment une requête Jev s’exprime dans le code.
Voir la sourceLa discussion de lancement porte sur les cas d’usage, l’évaluation et la gestion des réponses fausses malgré un niveau de confiance élevé. Ce n’est pas un test de performance.
Voir la sourceAllie Laabs, de TypeSafe, explique dans ThursdAI le modèle System One et les sorties Choice, Score et Noul. L'équipe teste le classement de publications, montre une démo de Doom et aborde les limites de Jev.
Voir la sourceUne présentation indépendante de RepoChad sur le format de sortie, les chiffres de vitesse de TypeSafe, les démos et les questions ouvertes. La vidéo ne se charge qu’après un clic.
Voir la sourceTypeSafe AI a présenté Jev comme son premier modèle System One. Son objectif déclaré est de rendre les décisions rapides et structurées utilisables dans les processus logiciels ordinaires.
Le fondateur Diogo Almeida a auparavant travaillé chez OpenAI et Google Brain. Selon TypeSafe, ses recherches sur le suivi d'instructions et le RLHF ont contribué aux travaux à l'origine de ChatGPT.
Non. Jev est conçu pour renvoyer des décisions typées et des probabilités plutôt que des réponses libres ou du code généré.
Il peut aider à noter ou reclasser des candidats selon leur pertinence sémantique. Un système complet nécessite aussi une sélection des candidats, des règles métier, une évaluation et votre logique de classement.
Non. Le type encadre le format, pas la justesse du choix. Testez sur des données représentatives et gérez l'incertitude dans le code.
Commencez par la documentation et le SDK officiels de TypeSafe. La page du modèle sur OpenRouter donne également accès à Jev via sa plateforme.
Définissez une question et ses réponses possibles. Votre application reste responsable de la suite donnée au résultat.