En oberoende guide för utvecklare

Jev AI-modell.
Från idé till kod.

Jev är TypeSafes första System One-modell. Den returnerar typade beslut och sannolikheter som programvara kan använda. Utforska användningsfall och se hur du anropar modellen från din kod.

Välj efter uppgift

En annan form av intelligens.

TypeSafe beskriver Jev som en System One-modell: Den returnerar typade val och sannolikheter i stället för att generera fri text. Se var den metoden passar tillsammans med generativa modeller och regelbaserad kod.

AspektJevGenerativa LLMRegelbaserad kod
ResultatFördefinierade typade val, poäng och sannolikheterFlexibel text, kod eller strukturerad utdataDeterministiska värden från explicita villkor
HastighetOptimerad för beslut med låg latens; TypeSafe rapporterar 70–500 ms i sina testerBeror på modell, prompt och resultatets längdVanligtvis mycket snabb vid kända villkor
Passar bäst förUpprepningsbara beslut som kräver förståelse för inputSkrivande, komplexa resonemang och öppna uppgifterTydliga villkor med stabila definitioner
Viktigaste begränsningKan inte generera fri text; ett typat svar kan fortfarande vara felFlexibla utdata kan behöva analyseras och validerasSvårt att täcka alla fall när ingången är tvetydig
i

Hastighetssiffror rapporteras av TypeSafe för särskilda strukturerade beslutstest. De är inte ett oberoende riktmärke eller en universell hastighetsgaranti. Läs metoderna

Den praktiska skillnaden

Använd Jev när svaren är kända men inmatningen fortfarande behöver tolkas. Använd en generativ modell för att skapa ny text eller kod. Skriv explicita villkor direkt i kod.

Kärnidén

Byggd för besluten i programvaran.

Jev utvärderar text eller strukturerad data mot frågor du definierar. Den returnerar val, poäng och sannolikheter som din applikation kan använda för att avgöra vad som händer härnäst.

Jev i tre stegIllustrativt exempel · inte ett livemodellsvar
01Kundmeddelande

Jag debiterades två gånger för mitt abonnemang. Kan du hjälpa till?

02Fråga och val

Vilket team ska hantera detta?

Tillåtna svar: Fakturering · Tekniskt · Försäljning
03Strukturerat resultat
FaktureringJev

Exempel på sannolikhet 0.92

01

Ge det sammanhang

Ange relevant text, JSON-tillstånd eller en lista med textobjekt. Jev accepterar för närvarande text, inte bilder, ljud eller video.

02

Definiera svarsutrymmet

Be om ett val, en poäng eller en ja/nej-sannolikhet. De tillgängliga svaren definieras före API-anropet.

03

Låt din kod bestämma vad som kommer härnäst

Använd resultatet och dess osäkerhet för att dirigera, granska eller agera. En giltig typ garanterar inte en korrekt bedömning.

Baserat på officiell TypeSafe-dokumentation

Där det passar

Små beslut i verkliga arbetsflöden.

Jev är designad för fokuserade, repeterbara beslut med ett definierat svarsutrymme. Dessa är utgångspunkter, inte prestationslöften; testa dem på din egen data.

01

Kundsupport

Klassificera inkommande meddelanden, identifiera brådskande ärenden och dirigera dem till rätt kö. Skicka osäkra förfrågningar vidare till en människa.

ExempelbeslutÄr detta ett faktureringsproblem eller ett tekniskt problem?
02

Rekommendationer & rangordning

Bedöm hur väl möjliga objekt matchar användarens sammanhang och kombinera sedan poängen med egna rankningssignaler och policyer.

ExempelbeslutHur relevant är det här objektet för förfrågan?
03

Agentorkestrering

Välj ett verktyg eller en modell för nästa steg, kontrollera en utdata eller bestäm när en uppgift behöver eskaleras.

ExempelbeslutSka denna begäran gå till en specialistmodell?
04

Förtroende & säkerhet

Utvärdera innehåll mot konkreta regler och skicka fall med låg säkerhet eller hög risk till manuell granskning.

ExempelbeslutBryter det här meddelandet mot denna policy?

Baserat på TypeSafes användningskarta

Kom igång

Från nyfikenhet till ditt första beslut.

Börja med en avgränsad bedömning som applikationen redan behöver. Definiera de möjliga svaren och bestäm sedan i koden hur de ska användas.

01

Välj ett beslut

Välj en avgränsad fråga, till exempel dirigering av ett supportärende eller bedömning av ett objekts relevans.

02

Definiera valen

Definiera input, frågor och tillåtna svar innan du anropar API:et.

03

Hantera osäkerhet

Använd sannolikheter och säkerhet för att välja en åtgärd, en reservlösning eller manuell granskning.

Hur man integrerar

Lägg till Jev i din kod.

Det här TypeScript-exemplet på serversidan skickar ett supportmeddelande och två frågor med definierade svarsformat till Jev 1.13 via OpenRouter. Förvara API-nyckeln på servern; applikationen avgör hur resultaten används.

TypeScript på serversidantypesafe/jev-1.13
const 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.
}
EndpointPOST /api/alpha/decisions
Ingångstate + questions
Utgånganswers

Läs svaret

choice identifierar teamet. noul returnerar ett värde från 0 till 1 för ja/nej-frågan. Din kod använder båda värdena tillsammans med egna routingregler.

Innan du använder den i produktionen

Testa med representativa supportärenden före produktionsbruk, registrera modellversionen och skicka osäkra eller konsekvensrika fall till manuell granskning. Värdet 0,8 är bara ett exempel.

API-referenser: OpenRouter · TypeSafe

Vad varje fält betyder

Förfrågan definierar frågorna och svarsformaten. Svaret returnerar ett resultat för var och en. Här är JSON-fälten som används i exemplet.

Begäran fält

model
Modell-ID. Exemplet låser versionen till Jev 1.13 så att modellversionen är explicit.
state
Text eller strukturerade data som ska bedömas, till exempel ett meddelande till kundsupport.
questions
En uppsättning namngivna beslut. Samma namn används under answers i svaret.
type
Svarsformatet: choice väljer ett alternativ; noul bedömer en ja/nej-fråga.
instructions
Den specifika bedömning du vill att modellen ska göra.
criteria
För choice: de tillåtna nycklarna och en kort förklaring av varje alternativ.

Svarsfält

answers
Ett resultat per fråga, returneras under samma namn.
choice
Den valda nyckeln i choice: alternativet med högst sannolikhet.
probabilities
Sannolikheten för varje valalternativ; dessa värden summerar till 1.
confidence
Ett separat konfidensvärde beräknat från sannolikhetsfördelningen; det är inte det valda alternativets sannolikhet.
noul
Ett tal från 0 (nej) till 1 (ja) för en ja/nej-fråga.

Ett svar med korrekt format kan fortfarande vara fel. Testa representativa fall och ange routingtrösklar som passar ditt arbetsflöde.

Runt modellen

Vad utvecklarna säger.

Utforska huvudpunkterna från lanseringsdiskussionen, officiella SDK och en oberoende video. Läs sammanhanget här, följ sedan originalkällorna för mer detaljer.

X

TypeSafe delar lanseringsuppdateringar och produktkontext på X. Läs inläggen som teamets egen beskrivning av Jev och kontrollera dokumentationen innan du bygger på ett visst påstående.

Se original

GitHub

Den officiella JavaScript och TypeScript SDK visar API-ytan, exempel och releaseaktivitet. Det är det mest användbara stället att inspektera hur en Jev-förfrågan representeras i kod.

Se original

Hacker News

Lanseringstråden frågar var en beslutsmodell passar, hur man utvärderar den och vad man ska göra när ett säkert svar är fel. Det är en diskussion, inte ett prestationstest.

Se original
Se på den här sidan

Jev förklarat: strukturerade beslut och begränsningar

En oberoende genomgång från RepoChad tar upp utdataschemat, TypeSafes påståenden om hastighet, exempeldemon och öppna frågor. Videon laddas först när du väljer att spela upp den.

Se original
Människorna bakom Jev

Gör AI-beslut lättare att använda i programvara.

TypeSafe AI introducerade Jev som sin första System One-modell. Dess uttalade mål är att fatta snabba, strukturerade beslut användbara i vanliga mjukvaruarbetsflöden.

Grundaren Diogo Almeida har tidigare arbetat på OpenAI och Google Brain. Enligt TypeSafe bidrog hans arbete med instruction following och RLHF till forskningen bakom ChatGPT.

Bra frågor

Frågor värda att ställa.

Är Jev en chatbot?

Nej. Jev är utformad för att returnera typade beslut och sannolikheter snarare än chattsvar i fritt format eller genererad kod.

Kan Jev power rekommendationer?

Det kan hjälpa till att poängsätta eller omrangera kandidater efter semantisk relevans. Ett komplett rekommendationssystem behöver fortfarande hämtning av kandidater, affärsregler, utvärdering och din egen rankningslogik.

Betyder ett typat resultat att beslutet är korrekt?

Nej. Ett typat resultat begränsar formatet, men det valda alternativet kan fortfarande vara fel. Testa med representativa data och hantera osäkerhet i koden.

Var kan jag lära mig hur man använder Jev?

Börja med TypeSafes officiella dokumentation och SDK. Modellsidan hos OpenRouter ger också tillgång till Jev via plattformen.

Börja med en fråga

Prova Jev på ett konkret beslut.

Definiera frågan och de möjliga svaren. Låt applikationen avgöra vad som ska hända med resultatet.