Durumu anlayın
Model doğal dildeki veya yapılandırılmış metni yorumlar: destek kaydı, Agent izi, ürün kaydı ya da oyun durumu.
Jev AI Dev · geliştirici rehberi
System One AI modeli nedir? Jev için geliştirici rehberi.
System One, yapılandırılmamış uygulama durumunu tipli yanıtlara ve olasılıklara dönüştürmek isteyen geliştiriciler için TypeSafe’in AI model sınıfıdır. Jev ilk uygulamasıdır: uygulama kodunun içinde çalışmak üzere tasarlanmış, sınırları belirli bir karar bileşeni.
- Girdi
- Metin, JSON veya metin dizileri
- Çıktı
- Choice, Score veya Noul
- Kontrol akışı
- Kodunuzun yönetiminde kalır
Bu bağımsız bir geliştirici rehberidir. Ürün ayrıntıları ve performans ifadeleri TypeSafe kaynaklarına dayanır. Üretimde kullanmadan önce Jev’i kendi verinizle test edin.
System One
state → decisionsstate
“İki kez ücretlendirildim ve bunun bugün çözülmesi gerekiyor.”
choicefaturalama0.96
noulacil0.88
scorehayal kırıklığı1.7 / 2
if (confidence < threshold) → reviewModel sınıfı
System One modeli, uygulama kodu için bir karar primitive’idir.
System One girdinin anlamını okur, ancak konuşmayı sürdürmez veya yanıt yazmaz. Soruyu ve izin verilen yanıt biçimini önce siz tanımlarsınız; model programınızın inceleyebileceği sınırlandırılmış bir değerlendirme döndürür.
Sözleşmenin içinde kalın
Uygulama çağrıdan önce yanıt uzayını tanımlar. Model bir seçenek belirler, girdiyi bir ölçeğe yerleştirir veya evet/hayır önermesini değerlendirir.
Belirsizliği gösterin
Her yanıt bir olasılık sinyali sunar. Choice ve Score ayrıca dağılımı confidence değeriyle özetler.
Kodla birleştirin
Eşikler, politika kontrolleri, yan etkiler, yeniden denemeler, fallback’ler ve insan incelemesi normal kodun sorumluluğunda kalır.
Workflow içinde Jev
Geliştiriciler Jev’i uygulama koduna nasıl entegre eder.
Jev tek bir model çağrısını karar sinyalleri kümesine dönüştürür. Yararlı birim bir sohbet turu değil, model ile uygulama arasındaki küçük ve tipli bir sözleşmedir.
1. Durumu oluşturun
Karar için gerekli bilgileri gönderin. Jev şu anda string, JSON nesnesi ve metin dizileri dahil metin tabanlı girdileri kabul eder.
Müşteri mesajı + hesap bilgileri2. Soruları tanımlayın
Her soruya ad verin, primitive’i seçin ve izin verilen seçenekleri veya ölçeği açıklayın. Birden fazla bağımsız soru aynı request içinde gönderilebilir.
departman · aciliyet · hayal kırıklığı3. Jev değerlendirir
Jev her soru için tipli bir yanıt ve olasılık sinyali döndürür. Choice ve Score ayrıca ayrı bir confidence değeri içerir.
faturalama · 0,93 · yüksek confidence4. Kod politikayı uygular
Model çıktısını deterministik kontrollerle birleştirin. Açık ve düşük riskli durumlarda işlem yapın; belirsiz veya yüksek etkili durumları insana ya da reasoning modeline yönlendirin.
yönlendir · sor · incele · durdurÜç yanıt biçimi
Choice
billingBunu hangi ekip ele almalı?
Önceden tanımlı kümeden bir seçenek belirler ve her seçeneğin olasılığını döndürür.
Score
1.43 / 2Bu sorun ne kadar ciddi?
Girdiyi sıralı seviyelerle tanımlanan bir spektruma yerleştirir; skor seviyeler arasında olabilir.
Noul
0.95Bu talep para iadesi istiyor mu?
Evet/hayır önermesini değerlendirir ve modelin “evet” olasılığını döndürür.
Arkasındaki gerekçe
TypeSafe neden yazılım için bir model arayüzü geliştirdi.
Üretken modeller insanlar için esnek string’ler üretmek üzere tasarlanır. TypeSafe’in tezi, yazılımın daha dar bir zekâ biçimine ihtiyaç duyduğudur: kodun içinde çalışan, tekrarlanabilen, belirsizliği gösteren ve kontrol akışını görünür bırakan bir bileşen.
String’ler esnektir ama açık uçludur
Çıktı metin, kod, JSON, ret yanıtı veya yanlış biçim olabilir. Uygulama işlem yapmadan önce çoğu zaman ayrıştırma, doğrulama ve hata yönetimi yapmalıdır.
Otomasyon sınırlara ihtiyaç duyar
Model arka planda çalıştığında program olası sonuçları ve her sonucun izin verdiği eylemleri önceden bilmelidir.
Belirsizlik yolu değiştirmelidir
Olasılık dağılımı açık durumların otomatikleşmesini, belirsiz olanların daha güvenli bir yola yönlendirilmesini sağlar.
Küçük kararlar birleştirilebilmelidir
Karmaşık bir workflow, tek büyük prompt içine gizlenmek yerine odaklı anlamsal değerlendirmelere ayrılıp deterministik mantıkla birleştirilebilir.
Nerede kullanılır
System One AI geliştirici workflow’larında nerede işe yarar.
En iyi kullanım alanları sık tekrarlanır, dağınık girdiyi anlamayı gerektirir ve uygulamanın zaten yapabildiği az sayıda eylemle sonuçlanır.
Destek operasyonları
Destek kayıtlarını sınıflandırın, niyet ve aciliyeti belirleyin, duyguyu puanlayın ve belirsiz durumları incelemeye gönderin.
Faturalama, teknik, hesap veya başka bir konu mu?
Agent kontrolü
Model veya araç seçin, retrieval gerekip gerekmediğine karar verin, yanıtın yeterliliğini ya da önerilen tool call’u kontrol edin.
Agent devam etmeli, yeniden denemeli veya eskale mi etmeli?
Sıralama ve alaka
Bir adayın sorguya, profile, politikaya veya bağlama uygunluğunu puanlayıp sinyali iş kurallarıyla birleştirin.
Bu aday istekle ne kadar ilgili?
Güvenlik ve doğrulama
Mesajları, çıktıları, izleri veya kod değişikliklerini açık kriterlerle değerlendirin; yüksek riski deterministik kapıların arkasında tutun.
Bu, belirtilen kuralı ihlal ediyor mu?
Gerçek zamanlı etkileşim
Uzun bir üretken yanıt beklemeden oyun, simülasyon, arayüz veya cihazlar için izin verilen eylemi seçin.
Bu duruma en uygun izinli eylem hangisi?
Veri operasyonları
Yüksek hacimli kayıtları sonraki sistemler için kategori, skor, işaret ve özelliğe dönüştürün.
Bu kaydın kategorisi ve risk seviyesi nedir?
İyi uyum
Seçenekler biliniyor, girdi anlamsal olarak karmaşık, karar tekrarlanıyor, gecikme önemli ve kod her sonuç için bir eyleme ya da fallback’e sahip.
Zayıf uyum
Yeni metin veya kod, derin çok adımlı akıl yürütme, geniş araştırma, açıklama, multimodal girdi gerekiyor ya da sonuçlar önceden tanımlanamıyor.
System One ve üretken LLM’ler
System One ve üretken LLM’ler AI stack içinde farklı roller üstlenir.
İkisi de dili anlar ve bir LLM yapılandırılmış çıktıyla sınırlandırılabilir. Daha derin fark, modelin ne üretmek için tasarlandığı ve yazılımın bu çıktıyı nasıl kullandığıdır.
| Boyut | Jev / System One | Yaygın üretken LLM |
|---|---|---|
| Birincil görev | Tanımlanmış sonuçları değerlendirmek | Bir devam veya yanıt üretmek |
| Doğal çıktı | Tipli seçim, skor veya evet olasılığı | Token dizisi: metin, kod, JSON veya başka bir biçim |
| Yanıt uzayı | Çağrıdan önce tanımlanır | Schema son biçimi sınırlasa bile temelde açık uçludur |
| Belirsizlik | Her yanıt için olasılık; Choice ve Score için confidence | Token olasılıkları veya öz bildirime dayalı confidence sunabilir; genelde göreve kalibre edilmiş sinyal değildir |
| Sampling | TypeSafe’e göre sorular ve çıktılar paralel değerlendirilir | Genellikle sıralı, token token ilerler |
| Güçlü yönler | Tekrarlanan anlamsal dallar, scoring, routing ve kontroller | Yazma, konuşma, kod, sentez ve açık uçlu akıl yürütme |
| Başlıca hata biçimi | Tip olarak geçerli ama anlamsal olarak yanlış karar | Yanlış, hatalı biçimlenmiş, temelsiz veya konudan sapan içerik |
| Sistemdeki rol | Görünür kod içindeki sınırlı karar bileşeni | Genellikle daha geniş orkestrasyona sahip esnek üretici veya reasoning modeli |
Jev’in ötesinde System One’ı değerlendiren geliştiriciler için aşağıda Projects sayfasındaki topluluk modülü kullanılır. Bu modül bağımsız eğitilmiş modelleri, mevcut model ağırlıkları üzerine kurulan Jev benzeri arayüzlerden ayırır.
System One
Topluluğun System One ekosistemi
Bu topluluk modelleri ve arayüz deneyleri Jev’den ilham alır veya benzer yapılandırılmış karar yaklaşımlarını araştırır. TypeSafe’in resmî Jev sürümleri değildir ve yukarıdaki GitHub proje sıralamasına dahil edilmez.
Topluluk modeli
Qwen3.5-9B + diffusion drafterJeeves
İsteğe bağlı akıl yürütme aşamasına sahip 9B Jev tarzı karar modeli; ağırlıkları, eğitim kodu ve verileri ile uyumlu yerel API’si yayımlanmıştır.
Topluluk modeli
Qwen3.5-4BOpenJev-4B
Ağırlıkları ve iki aşamalı eğitim kodu yayımlanan, yerel çıkarım ve HTTP hizmeti sunan açık sözlüklü 4B olasılıksal karar modeli.
Topluluk modeli
Qwen3.5-9BBespoke Nimble
Seçim ve evet/hayır soruları için Jev’den esinlenen LoRA adaptörü ve eğitim tarifi. Yerel çalışır; şimdilik yalnızca metin kabul eder.
Topluluk modeli
Qwen3-0.6BNanoJev
Karar başlıkları olan küçük bir model; eğitim kodu ve eylem seçimini deneyen oyun demoları açık.
Topluluk modeli
Qwen3.5-2Bdecider
Yapılandırılmış soruların olasılıklarını tek geçişte döndüren ince ayarlı model. Güncel sürüm yalnızca İngilizceyi destekler.
Topluluk modeli
ModernBERT 151M / Verdict 2.0Verdict
Ağırlıkları yayımlanmış, tarayıcıda WebGPU demosu bulunan küçük bir kodlayıcı tabanlı karar modeli.
Topluluk modeli
Qwen3.5-0.8BDohnuts
Ağırlıkları, eğitim kodu ve değerlendirmeleri yayımlanmış 0,8B çok modlu bir karar modeli. Metin ve görselleri tek ileri geçişte işler; ağırlıklar ticari olmayan araştırmalar içindir.
Arayüz denemesi
DiffusionGemma 26B-A4BOpenJev
Yapılandırılmış soruları Jev benzeri bir API üzerinden yanıtlamak için mevcut DiffusionGemma modelini kullanır. Yeni model ağırlıkları yayımlamaz.
Arayüz denemesi
Open-model logitsSimple Jev
Mevcut açık modellerle izin verilen yanıtları puanlayan Jev benzeri bir arayüz. Yeni model ağırlıkları yayımlamıyor.
Arayüz denemesi
Spark-X2.5-4BRizzo Flow
Spark-X2.5 yanıt logitlerini okuyan, yerelde çalışan Jev uyumlu bir sunucu. Sorular aynı durum ön dolumunu paylaşır; projede deneme alanı ve karşılaştırmalı testler de bulunur.
Arayüz denemesi
Any causal LLMAnyJev
Nedensel dil modellerini eğitim gerektirmeden tipli karar modellerine dönüştüren; seçenek sırası yanlılığını düzelten, isteğe bağlı kalibrasyon ve tekrarlanabilir testler sunan bir araç seti.
Arayüz denemesi
Qwen3.5 / DeBERTalocal-jev
Qwen veya DeBERTa için çevrimdışı çalışan Jev uyumlu sunucu; resmî SDK ile test edilmiş ve JevBench sonuçları yayımlanmıştır.
Topluluk modeli
Qwen3-0.6BAgentJev
Ajan izleri ve diğer yapılandırılmış sorular için yayımlanmış ağırlıklara, tipli HTTP API’sine sahip ve token çözümlemesi yapmayan Qwen3-0.6B karar modeli.
Arayüz denemesi
Causal LMs / SGLangLLM2Jev
Yerel nedensel dil modellerini yalnızca prefill puanlamasıyla Jev uyumlu Choice, Score ve Noul servislerine dönüştürür; SGLang, Transformers ve çok modlu girdileri destekler.
Arayüz denemesi
Laya / ONNX RuntimeLaya
Açık Laya System One modelini ONNX Runtime ile Node.js üzerinde, Jev uyumlu istek biçimi ve yayımlanmış model ağırlıklarıyla çalıştırır.
Topluluk modeli
Qwen3.5-0.8BOpenThai System One
Tayca ve İngilizce için yayımlanmış ağırlıklara, eğitim koduna ve Jev uyumlu HTTP API’sine sahip Qwen3.5-0.8B karar modeli.
Topluluk modeli
Qwen3.5-0.8B / 2BValen
Jev’den esinlenen; metin, görsel ve video kabul eden, ağırlıkları, eğitim kodu ve değerlendirme komutları yayımlanmış çok modlu karar modeli.
Topluluk modeli
Qwen3.5-4BTev1
Qwen3.5’ten ince ayarlanmış, ağırlıkları, tekrarlanabilir eğitim yöntemi ve veri kaynağı belgelenmiş açık 4B karar modeli.
Arayüz denemesi
Open decision modelsOllaya
Birden çok açık karar modelini indirip yerelde çalıştıran ve yerel ile TypeSafe uyumlu API’ler sunan Rust hizmeti.
Topluluk modeli
Qwen3.5-0.8B / 2B / 4BIntern-Decision
0,8B, 2B ve 4B denetim noktaları, ağırlıklar, eğitim ve çıkarım kodu, kalibrasyon testleri ve Jev uyumlu API sunan çok kipli bir Qwen3.5 karar modeli ailesi.
Topluluk modeli
Qwen3.5-4BMica
İngilizce ve Korece için ağırlıkları ve kuantize sürümleri yayımlanmış, kalibre olasılıklar ve TypeSafe uyumlu yerel sunucu sunan 4B karar modeli.
Topluluk modeli
Qwen3.5-0.8B / 2BJev-Style
Ağırlıkları yayımlanmış, uzun bağlamlı, uyumlu API, ajan becerileri, MCP araçları ve değerlendirme komutları içeren yerel 0,8B ve 2B model ailesi.
Topluluk modeli
Qwen3.5-2B / 9B · Qwen3.8-27BOpen-Jev
Yayımlanmış 2B, 9B ve 27B ağırlıkları, eğitim kodu, uyumlu yerel sunucusu ve tekrarlanabilir değerlendirmeleri olan bağımsız bir uygulama.
Topluluk modeli
Qwen3.5-VL 2B / 4B / 9Bimajev
Metin ve görüntüler için 2B, 4B ve 9B açık çok modlu karar modeli ailesi; kalibre olasılıklar, çekimser kalma, yayımlanmış ağırlıklar ve uyumlu yerel API sunar.
Topluluk modeli
0.6B / 0.8B / 4B decision modelsOpenDecider
Choice, Score ve Noul kararları için küçük açık modeller; ağırlıkları yayımlanmıştır ve CPU, NVIDIA GPU ile Apple Silicon üzerinde yerel çalışır.
Topluluk modeli
Qwen3.5-0.8B / 4Bjiwo
Yayımlanmış ağırlıklar, eğitim kodu, Jev uyumlu yerel API ve yeniden üretilebilir Decision Index sonuçları sunan açık 0,8B ve 4B Qwen3.5 karar modelleri.
Topluluk modeli
Qwen3.5-0.8B / 4BSearchJev
Arama ajanı kararları için eğitilmiş, verileri, ağırlıkları, eğitim günlükleri ve kalibrasyon kodu yayımlanmış açık 0,8B ve 4B Qwen3.5 modelleri.
Arayüz denemesi
Cloudflare Clef 27B / 9Bcleffa
Apple Silicon üzerinde Cloudflare Clef ve Clef-Flash çalıştıran, metin, görüntü ve video kararlarını Jev uyumlu API ile sunan yerel C ve Metal motoru.
Topluluk modeli
mmBERT 144.3MPhocinae Largha
Yerel tipli kararlar için ağırlıkları, kalibrasyon araçları, değerlendirmeleri ve Jev uyumlu sunucusu yayımlanmış iki dilli 144,3M kodlayıcı karar modeli.
Topluluk modeli
Multilingual Laya checkpointsLaya Decision Engine
Açık checkpoint’ler, eğitim ve ince ayar kodu, tipli kararlar ve uyumlu yerel API’ler sunan çok dilli, otoregresif olmayan karar motoru.
Topluluk modeli
Qwen3.5-0.8B / 4BVegaML
Dondurulmuş Qwen3.5 tabanları ile küçük eğitilebilir fizik modülünü birleştiren, açık 0,8B ve 4B checkpoint’li yerel çok modlu motor.
Arayüz denemesi
Laya / ONNX Runtime Javalaya-java
Spring Boot ve Gradle entegrasyonları ile Jev ve OpenAI uyumlu uç noktalar sunan saf Java Laya çalışma zamanı.
Topluluk modeli
Qwen3.5-4B / Qwen3.8-27Btrain-jev
Qwen3.5 veya Qwen3.8 üzerinde Jev tarzı modelleri damıtıp eğitmek için kalibrasyon, değerlendirme ve uyumlu sunucu kodu içeren çerçeve.
Topluluk modeli
LLM-jp 4.1 8B / encoder 310Msaihai
Açık 8B ve 310M ağırlıkları, eğitim ve değerlendirme kodu, GGUF sunumu ve System One uyumlu API’si olan Japonca tipli karar modeli ailesi.
Arayüz denemesi
Any llama.cpp GGUFCallosum
Mevcut bir llama.cpp sohbet modeline ikinci model yüklemeden System One API’si, ayrılmış sınıflandırma kanalları, isteğe bağlı kalibrasyon ve sınırlı akıl yürütme ekler.
Topluluk modeli
Qwen3-VL-4BOpenVisualJev
Qwen3-VL-4B tabanlı, dinamik aday puanlama, sıradan bağımsız seçimler, kalibrasyon kodu ve teknik rapor sunan çok modlu karar modeli; checkpoint indirmeleri henüz hazır değil.
Topluluk modeli
BitNet b1.58 2BBitSOne-s1
Pointer head, tipli olasılıklar, tekrarlanabilir eğitim kaydı ve ölçülmüş kalibrasyon içeren 2B ternary BitNet karar modeli; yayımlanan checkpoint şu anda özel.
Arayüz denemesi
Open ONNX decision modelsdecision-toolkit
Seçilmiş açık karar modellerini ONNX ile yerel CPU’da çalıştırır ve tek bir tipli kütüphane, CLI, REST ve System One uyumlu API sunar.
Topluluk modeli
Qwen3-VL-4BFovea
Yayımlanmış ağırlıklar ile eğitim ve kalibrasyon koduna sahip, TypeSafe System One API üzerinden sunulan açık bir 4B görsel karar modeli.
Arayüz denemesi
Open decision model familiesFlide
Açık karar modellerini tam durum çatallamasıyla hızlandıran ve birden fazla metin ile çok modlu model ailesini tek arayüzden sunan yerel bir çalışma zamanı.
Topluluk modeli
Multilingual encoder 57M / ONNXSkejja
Choice, Noul ve Score için 57 milyon parametreli çok dilli kodlayıcı karar modeli; ONNX çıkarımı, tarayıcı ve Raspberry Pi demoları ile uyumlu System One API’si sunar.
Topluluk modeli
Qwen3.5-9B LoRA / GGUFOpenChoice-9B
GGUF olarak dağıtılan CPU öncelikli 9B çok modlu karar modeli; Choice, Score, Noul, TypeSafe uyumlu API ve LoRA ince ayar kiti içerir.
Bunlar bağımsız topluluk projeleridir; Jev’in resmî sürümleri değildir.
Yeni topluluk modellerini ve arayüz deneylerini Jev AI Radar’da takip edin.Jev AI Radar’ı keşfet
Birincil kaynaklar
İddiaları bağlamı içinde okuyun.
Bu Jev AI Dev rehberi TypeSafe çerçevesini kendi cümlelerimizle açıklar. API ayrıntılarını, ürün iddialarını, değerlendirme yöntemlerini ve güncellemeleri resmî kaynaklardan doğrulayın.
Yalnız fikri değil, biçimi test edin
Uygulamanızın zaten verdiği tek bir kararla başlayın.
Yanıtları tanımlayın, temsili örnekler toplayın, belirsizliğin nasıl ele alınacağını belirleyin ve Jev’i mevcut kural veya modelinizle karşılaştırın. Yüksek etkili kararları doğrudan otomatikleştirmeyin.