Jev：专为软件判断设计的新模型

近日，TypeSafe 推出首个公开的 System One 模型 Jev，目标是把模型能力直接嵌进软件自动化。它接收文本状态和预定义问题，返回结构化判断与概率，方便代码决定什么时候自动处理、继续核验或交给人工。Jev 当前处于 Early Access。

围绕这类任务，TypeSafe 重新设计了模型架构、并行采样和 RLCD（面向校准判断的强化学习）。并行采样可以在一次查询里同时产生多个判断结果；RLCD 则让模型在给出判断时表达不确定性。官方目前没有公开新架构的具体内部实现。

Jev 适合分类、路由、评分、信息提取、条件分支，以及验证、安全防护和越狱检测等窄判断任务。TypeSafe 推荐把控制流程、确定性规则和实际操作留在代码里，让 Jev 只处理需要模型判断的部分，再由概率和置信度驱动后续分支。

性能上，TypeSafe 公布的端到端响应时间为 70～500 ms。其自建的 4 类 System One 工作流评测中，Jev 的耗时约降至对比对象的 1/193.6，成本约降至 1/444.6；官方同时提醒，这组收益可能处于真实场景收益的较高区间。

Jev 1.13 的输入价格为 0.042 美元/百万 Token，输出 Token 不收费，目前可通过 API、Python / JavaScript SDK 和 Playground 接入。官方还展示了一个 Doom Demo：Jev 根据结构化文本状态实时做判断，并非通过图像“看”游戏。

官网还使用了 “Zero Hallucinations” 的宣传语，强调的是输出被限制在预定义范围内；它不代表每一次判断都一定正确。文档也明确说明，概率校准针对一组预测的统计表现，并不保证单次判断正确。

Jev typesafe LLM Agent 模型上新