Понять состояние
Модель интерпретирует естественный или структурированный текст: тикет, трассу Агента, карточку товара или состояние игры.
Jev AI Dev · руководство разработчика
Что такое ИИ-модель System One? Руководство по Jev для разработчиков.
System One — класс ИИ-моделей TypeSafe, который превращает неструктурированное состояние приложения в типизированные ответы и вероятности. Jev — первая реализация: ограниченный компонент принятия решений для кода приложения.
- Вход
- Текст, JSON или массивы текста
- Выход
- Choice, Score или Noul
- Поток управления
- Остаётся в вашем коде
Это независимое руководство. Сведения о продукте и производительности основаны на материалах TypeSafe. Перед продакшеном проверьте Jev на собственных данных.
System One
state → decisionsstate
«С меня списали деньги дважды. Нужно решить это сегодня.»
choiceплатежи0.96
noulсрочно0.88
scoreнедовольство1.7 / 2
if (confidence < threshold) → reviewКласс модели
Модель System One — примитив принятия решений для кода приложения.
System One понимает смысл входа, но не продолжает диалог и не пишет ответ. Вы заранее задаёте вопрос и допустимую форму ответа; модель возвращает ограниченное суждение, которое программа может проверить.
Соблюдать контракт
Приложение задаёт пространство ответов до вызова. Модель выбирает вариант, оценивает по шкале или проверяет утверждение да/нет.
Показывать неопределённость
Каждый ответ содержит вероятность. Choice и Score дополнительно сводят распределение в confidence.
Сочетаться с кодом
Пороги, политики, действия, повторы, резервные пути и проверка человеком остаются в обычном коде.
Jev в процессе
Как разработчики встраивают Jev в код приложения.
Jev превращает один вызов модели в набор сигналов решения. Полезная единица — не реплика чата, а небольшой типизированный контракт между моделью и приложением.
1. Соберите состояние
Передайте данные, необходимые для решения. Сейчас Jev принимает текстовые входы: строки, JSON-объекты и массивы текста.
Сообщение клиента + данные счёта2. Задайте вопросы
Назовите вопрос, выберите primitive и опишите варианты или шкалу. Несколько независимых вопросов можно отправить одним запросом.
отдел · срочность · недовольство3. Jev оценивает
Для каждого вопроса Jev возвращает типизированный ответ и вероятность. Choice и Score также содержат confidence.
платежи · 0,93 · высокая confidence4. Код применяет политику
Сочетайте выход модели с детерминированными проверками. Ясные случаи низкого риска автоматизируйте, неоднозначные или значимые передавайте человеку либо reasoning-модели.
направить · уточнить · проверить · остановитьТри формы ответа
Choice
billingКакая команда должна обработать запрос?
Выбирает один вариант из заданного набора и возвращает вероятность каждого варианта.
Score
1.43 / 2Насколько серьёзна проблема?
Размещает вход на упорядоченной описанной шкале; значение может находиться между уровнями.
Noul
0.95Запрашивается ли возврат средств?
Оценивает утверждение да/нет и возвращает вероятность «да».
Аргумент
Зачем TypeSafe создала модельный интерфейс для программ.
Генеративные модели создают гибкие строки для людей. По мнению TypeSafe, программам нужна более узкая форма интеллекта: встраиваемая в код, повторяемая, показывающая неопределённость и сохраняющая видимым поток управления.
Строки гибки, но открыты
Результатом может быть текст, код, JSON, отказ или неверный формат. Перед действием приложение часто должно разобрать, проверить и обработать сбой.
Автоматизации нужны границы
Когда модель работает в фоне, программа должна заранее знать возможные исходы и действия, которые каждый из них разрешает.
Неопределённость должна менять маршрут
Распределение вероятностей позволяет автоматизировать ясные случаи и направлять неоднозначные по более безопасному пути.
Малые решения должны компоноваться
Сложный процесс можно разбить на сфокусированные смысловые оценки и соединить детерминированной логикой, не скрывая всё в одном большом промпте.
Где применять
Где System One AI подходит процессам разработки.
Лучшие задачи возникают часто, требуют понимания неоднородного входа и ведут к небольшому числу действий, которые приложение уже умеет выполнять.
Поддержка
Классифицировать тикеты, определять намерение и срочность, оценивать настроение и отправлять неясные случаи на проверку.
Платежи, техника, аккаунт или другое?
Управление Агентом
Выбирать модель или инструмент, решать, нужен ли поиск, проверять полноту ответа или планируемый вызов инструмента.
Агенту продолжить, повторить или эскалировать?
Ранжирование и релевантность
Оценивать соответствие кандидата запросу, профилю, политике или контексту и сочетать сигнал с бизнес-правилами.
Насколько кандидат релевантен запросу?
Безопасность и проверка
Оценивать сообщения, результаты, трассы или изменения кода по явным критериям; высокий риск оставлять за детерминированными барьерами.
Нарушает ли это заданное правило?
Реальное время
Выбирать разрешённые действия для игр, симуляций, интерфейсов и устройств без длинной генерации.
Какое разрешённое действие лучше для этого состояния?
Операции с данными
Преобразовывать большие объёмы записей в категории, оценки, флаги и признаки для последующих систем.
Каковы категория и уровень риска этой записи?
Подходит
Варианты известны, вход смыслово сложен, решение повторяется, важна задержка, а код знает действие или резервный путь для каждого результата.
Не подходит
Нужны оригинальный текст или код, глубокое многошаговое рассуждение, широкое исследование, объяснение, мультимодальный вход либо исходы нельзя задать заранее.
System One и генеративные LLM
System One и генеративные LLM играют разные роли в ИИ-стеке.
Оба подхода понимают язык, а LLM можно ограничить структурированной схемой. Главное различие — что модель должна выдавать изначально и как её использует окружающее ПО.
| Аспект | Jev / System One | Обычная генеративная LLM |
|---|---|---|
| Основная задача | Оценивать заданные исходы | Генерировать продолжение или ответ |
| Нативный выход | Типизированный выбор, оценка или вероятность «да» | Последовательность токенов: текст, код, JSON и другое |
| Пространство ответов | Задано до вызова | По сути открыто, даже если schema ограничивает итоговый формат |
| Неопределённость | Вероятность каждого ответа; confidence для Choice и Score | Возможны вероятности токенов или заявленная уверенность, обычно это не откалиброванный сигнал задачи |
| Сэмплирование | По данным TypeSafe, вопросы и выходы оцениваются параллельно | Обычно последовательно, токен за токеном |
| Сильные стороны | Частые смысловые ветвления, scoring, routing и проверки | Текст, диалог, код, синтез и открытое рассуждение |
| Главный сбой | Тип корректен, но смысл решения ошибочен | Ошибочный, неверно оформленный, необоснованный или нерелевантный контент |
| Роль в системе | Ограниченный компонент решения в видимом коде | Гибкий генератор или reasoning-модель, часто с более крупной оркестрацией |
Для разработчиков, оценивающих System One помимо Jev, ниже показан тот же модуль сообщества, что на странице Projects. Он отделяет самостоятельно обученные модели от Jev-подобных интерфейсов на существующих весах.
System One
Экосистема System One от сообщества
Эти модели и эксперименты с интерфейсами от сообщества вдохновлены Jev или исследуют похожие способы структурированного принятия решений. Это не официальные версии Jev от TypeSafe, и они не входят в рейтинг проектов GitHub выше.
Модель сообщества
Qwen3.5-9B + diffusion drafterJeeves
Модель решений в стиле Jev на 9B с необязательным этапом рассуждения, опубликованными весами, кодом и данными обучения, а также совместимым локальным API.
Модель сообщества
Qwen3.5-4BOpenJev-4B
Вероятностная модель решений на 4B с открытым словарём, опубликованными весами и двухэтапным обучением, локальным инференсом и HTTP-сервисом.
Модель сообщества
Qwen3.5-9BBespoke Nimble
Адаптер LoRA и метод обучения, вдохновлённые Jev, для выбора из вариантов и вопросов да/нет. Работает локально и принимает только текст.
Модель сообщества
Qwen3-0.6BNanoJev
Небольшая модель с головами принятия решений, открытым кодом обучения и игровыми демо для выбора действий.
Модель сообщества
Qwen3.5-2Bdecider
Дообученная модель возвращает вероятности для структурированных вопросов за один проход. Текущая версия поддерживает только английский.
Модель сообщества
ModernBERT 151M / Verdict 2.0Verdict
Компактная модель на основе энкодера с опубликованными весами и демо на WebGPU в браузере.
Модель сообщества
Qwen3.5-0.8BDohnuts
Мультимодальная модель решений на 0,8B параметров с открытыми весами, кодом обучения и результатами тестов. Обрабатывает текст и изображения за один проход; веса доступны для некоммерческих исследований.
Экспериментальный интерфейс
DiffusionGemma 26B-A4BOpenJev
Использует существующую модель DiffusionGemma для ответов на структурированные вопросы через API, похожий на Jev. Новые веса модели не публикуются.
Экспериментальный интерфейс
Open-model logitsSimple Jev
Оценивает допустимые ответы с помощью существующих открытых моделей через интерфейс, похожий на Jev. Новые веса модели не публикуются.
Экспериментальный интерфейс
Spark-X2.5-4BRizzo Flow
Локальный Jev-совместимый сервер, который считывает логиты ответов Spark-X2.5. Вопросы используют общий префилл состояния; в комплекте есть песочница и бенчмарки.
Экспериментальный интерфейс
Any causal LLMAnyJev
Набор инструментов, превращающий каузальные языковые модели в типизированные модели решений без обучения, с устранением смещения порядка вариантов, необязательной калибровкой и воспроизводимыми тестами.
Экспериментальный интерфейс
Qwen3.5 / DeBERTalocal-jev
Офлайн-сервер для Qwen или DeBERTa, совместимый с Jev, проверенный с официальным SDK и дополненный опубликованными результатами JevBench.
Модель сообщества
Qwen3-0.6BAgentJev
Модель решений Qwen3-0.6B для трасс агентов и других структурированных вопросов, с опубликованными весами, типизированным HTTP API и без декодирования токенов.
Экспериментальный интерфейс
Causal LMs / SGLangLLM2Jev
Превращает локальные причинные языковые модели в совместимые с Jev сервисы Choice, Score и Noul с оценкой только префилла; поддерживает SGLang, Transformers и мультимодальные данные.
Экспериментальный интерфейс
Laya / ONNX RuntimeLaya
Запускает открытую модель Laya System One в Node.js через ONNX Runtime, используя совместимый с Jev формат запросов и опубликованные веса.
Модель сообщества
Qwen3.5-0.8BOpenThai System One
Модель решений Qwen3.5-0.8B для тайского и английского языков с опубликованными весами, кодом обучения и совместимым с Jev HTTP API.
Модель сообщества
Qwen3.5-0.8B / 2BValen
Мультимодальная модель решений, вдохновлённая Jev: принимает текст, изображения и видео; опубликованы веса, код обучения и команды оценки.
Модель сообщества
Qwen3.5-4BTev1
Открытая модель решений 4B, дообученная из Qwen3.5, с весами, воспроизводимым способом обучения и описанным происхождением данных.
Экспериментальный интерфейс
Open decision modelsOllaya
Локальная служба на Rust, которая загружает и запускает несколько открытых моделей решений через собственный и совместимый с TypeSafe API.
Модель сообщества
Qwen3.5-0.8B / 2B / 4BIntern-Decision
Мультимодальное семейство моделей Qwen3.5 на 0,8B, 2B и 4B с открытыми весами, кодом обучения и вывода, тестами калибровки и API, совместимым с Jev.
Модель сообщества
Qwen3.5-4BMica
Модель решений 4B для английского и корейского языков с открытыми весами и квантованиями, калиброванными вероятностями и локальным сервером, совместимым с TypeSafe.
Модель сообщества
Qwen3.5-0.8B / 2BJev-Style
Семейство локальных моделей 0,8B и 2B с открытыми весами, длинным контекстом, совместимым API, навыками агентов, MCP-инструментами и командами оценки.
Модель сообщества
Qwen3.5-2B / 9B · Qwen3.8-27BOpen-Jev
Независимая реализация с открытыми весами 2B, 9B и 27B, кодом обучения, совместимым локальным сервером и воспроизводимыми оценками.
Модель сообщества
Qwen3.5-VL 2B / 4B / 9Bimajev
Открытое семейство мультимодальных моделей 2B, 4B и 9B для текста и изображений с калиброванными вероятностями, отказом от ответа, весами и совместимым локальным API.
Модель сообщества
0.6B / 0.8B / 4B decision modelsOpenDecider
Небольшие открытые модели для решений Choice, Score и Noul с опубликованными весами и локальным инференсом на CPU, GPU NVIDIA и Apple Silicon.
Модель сообщества
Qwen3.5-0.8B / 4Bjiwo
Открытые модели решений Qwen3.5 на 0,8B и 4B параметров с опубликованными весами, кодом обучения, локальным Jev-совместимым API и воспроизводимыми результатами Decision Index.
Модель сообщества
Qwen3.5-0.8B / 4BSearchJev
Открытые модели Qwen3.5 на 0,8B и 4B параметров для решений поисковых агентов с опубликованными данными, весами, журналами обучения и кодом калибровки.
Экспериментальный интерфейс
Cloudflare Clef 27B / 9Bcleffa
Нативный движок на C и Metal для Cloudflare Clef и Clef-Flash на Apple Silicon, предоставляющий решения по тексту, изображениям и видео через Jev-совместимый API.
Модель сообщества
mmBERT 144.3MPhocinae Largha
Двуязычная энкодерная модель решений на 144,3M параметров для локальных типизированных решений, с весами, калибровкой, оценками и Jev-совместимым сервером.
Модель сообщества
Multilingual Laya checkpointsLaya Decision Engine
Многоязычный неавторегрессионный движок решений с открытыми весами, кодом обучения и дообучения, типизированными решениями и совместимыми локальными API.
Модель сообщества
Qwen3.5-0.8B / 4BVegaML
Локальный мультимодальный движок на замороженных Qwen3.5 и небольшом обучаемом физическом модуле, с открытыми версиями 0,8B и 4B.
Экспериментальный интерфейс
Laya / ONNX Runtime Javalaya-java
Чистая Java-среда для Laya с интеграциями Spring Boot и Gradle и совместимыми с Jev и OpenAI API.
Модель сообщества
Qwen3.5-4B / Qwen3.8-27Btrain-jev
Фреймворк для дистилляции и обучения моделей решений в стиле Jev на Qwen3.5 или Qwen3.8, с калибровкой, оценкой и совместимым сервером.
Модель сообщества
LLM-jp 4.1 8B / encoder 310Msaihai
Семейство японских типизированных моделей решений с открытыми весами 8B и 310M, кодом обучения и оценки, запуском GGUF и API, совместимым с System One.
Экспериментальный интерфейс
Any llama.cpp GGUFCallosum
Добавляет к существующей чат-модели llama.cpp API System One и выделенные каналы классификации, опциональную калибровку и ограниченное рассуждение без загрузки второй модели.
Модель сообщества
Qwen3-VL-4BOpenVisualJev
Мультимодальная модель решений на Qwen3-VL-4B с динамической оценкой вариантов, независимостью от их порядка, кодом калибровки и техническим отчётом; чекпойнты пока недоступны.
Модель сообщества
BitNet b1.58 2BBitSOne-s1
Тернарная модель решений на BitNet 2B с указательной головой, типизированными вероятностями, воспроизводимым журналом обучения и измеренной калибровкой; опубликованный чекпойнт пока закрыт.
Экспериментальный интерфейс
Open ONNX decision modelsdecision-toolkit
Локально запускает на CPU отобранные открытые модели решений через ONNX и предоставляет типизированную библиотеку, CLI, REST и API, совместимый с System One.
Модель сообщества
Qwen3-VL-4BFovea
Открытая визуальная модель решений на 4B с опубликованными весами, кодом обучения и калибровки, доступная через API TypeSafe System One.
Экспериментальный интерфейс
Open decision model familiesFlide
Локальная среда, которая ускоряет открытые модели решений точным ветвлением состояния и предоставляет несколько текстовых и мультимодальных семейств через единый интерфейс.
Модель сообщества
Multilingual encoder 57M / ONNXSkejja
Многоязычная энкодерная модель решений на 57 млн параметров для Choice, Noul и Score с ONNX-инференсом, демо в браузере и на Raspberry Pi и совместимым API System One.
Модель сообщества
Qwen3.5-9B LoRA / GGUFOpenChoice-9B
Ориентированная на CPU мультимодальная модель решений 9B в формате GGUF с Choice, Score, Noul, совместимым с TypeSafe API и набором для дообучения LoRA.
Независимые проекты сообщества, не официальные версии Jev.
Следите за новыми моделями сообщества и экспериментами с интерфейсами в Jev AI Radar.Открыть Jev AI Radar
Первоисточники
Читайте утверждения в контексте.
Это руководство Jev AI Dev пересказывает подход TypeSafe своими словами. Детали API, заявления о продукте, методы оценки и обновления проверяйте в официальных материалах.
Проверяйте форму, не только идею
Начните с одного решения, которое приложение уже принимает.
Задайте ответы, соберите репрезентативные примеры, определите обработку неопределённости и сравните Jev с текущими правилами или моделью. Не автоматизируйте напрямую решения с серьёзными последствиями.