Jev ialah model System One pertama TypeSafe AI, direka untuk aplikasi yang memerlukan keputusan berstruktur dan bukannya prosa terjana. Ia menilai maklumat yang dibekalkan terhadap soalan yang ditakrifkan dengan jelas dan mengembalikan jawapan bertip, taburan kebarangkalian, dan, jika berkenaan, skor keyakinan.
Tidak seperti model bahasa besar konvensional, Jev tidak bertujuan untuk bersembang, menulis kod, atau mencipta kandungan bentuk panjang. Tujuannya ialah membuat pertimbangan terhad yang boleh digunakan serta-merta oleh perisian untuk pengelasan, penghalaan, pemarkahan, pengesahan, pemasaan keutamaan, dan kawalan aliran kerja.
Maklumat model telah disemak pada 21 September 2026.
Spesifikasi Teknikal Jev
| Spesifikasi | Butiran |
|---|---|
| Pembangun | TypeSafe AI |
| Keluarga model | System One |
| Versi stabil semasa | Jev 1.13 |
| ID model berversi | jev-1.13.0 |
| Alias stabil | jev-latest |
| Input | Teks, objek JSON, atau tatasusunan nilai teks |
| Output | Keputusan bertip dan taburan kebarangkalian |
| Jenis soalan | Choice, Score, dan Noul |
| Had konteks | 64,000 token setiap permintaan |
| Kekangan konteks tambahan | 32,000 token untuk state ditambah soalan terpanjang |
| Harga input yang diterbitkan | $0.042 per juta token |
| Harga output yang diterbitkan | Percuma |
| Had kadar yang diterbitkan | 250,000 token sesaat dan 1,200 permintaan seminit |
| Bahasa utama | English |
| Input multimodal secara langsung | Tidak disokong |
Harga, alias, dan had kadar mungkin berubah. Pembangun hendaklah mengesahkan maklumat terkini sebelum memindahkan beban kerja ke pengeluaran.
Apakah Jev?
Jev ialah model keputusan yang dibangunkan oleh TypeSafe AI. Daripada menjana jujukan token terbuka, ia memilih nilai daripada ruang jawapan yang ditakrifkan oleh pembangun.
Satu permintaan Jev mengandungi dua komponen utama:
- State: Maklumat yang harus dinilai oleh model, seperti tiket sokongan, rekod transaksi, jejak ejen, perihalan produk, atau keadaan aplikasi berformat JSON.
- Questions: Takrif berjenis bagi pertimbangan yang harus dibuat tentang state tersebut.
Jawapan yang terhasil bertujuan untuk digunakan terus oleh perisian. Aplikasi boleh mencabangkan aliran berdasarkan kategori yang dipilih, membandingkan skor, memeriksa kebarangkalian, menerapkan ambang keyakinan, atau menghantar kes yang tidak pasti kepada penyemak manusia.
Oleh itu, Jev bertindak sebagai lapisan keputusan probabilistik antara data aplikasi dan logik perniagaan deterministik. Ia mengendalikan pertimbangan yang sukar dinyatakan melalui peraturan tetap sambil membolehkan kod aplikasi mengekalkan kawalan ke atas ambang, kebenaran, dan tindakan.
Bagaimanakah Jev Berfungsi
Tiga Primitif Keputusan
Jev menyokong tiga jenis soalan yang direka untuk pelbagai jenis keputusan perisian.
Choice memilih satu pilihan daripada set pratakrif. Ia sesuai untuk tugas seperti pengelasan niat, penghalaan tiket, pengkategorian dasar, dan pemilihan model. Respons termasuk pilihan yang dipilih, kebarangkalian yang diberikan kepada setiap pilihan, dan skor keyakinan.
Score menilai state berbanding rubrik bertertib. Ia boleh mengukur kualiti seperti mendesak, risiko, kerelevanan, kekecewaan, atau kualiti kandungan. Respons termasuk skor, kebarangkalian untuk setiap tahap rubrik, dan skor keyakinan.
Noul menganggar kebarangkalian bahawa sesuatu kenyataan adalah benar. Ia mengembalikan nilai antara 0 dan 1 dan berguna untuk pengesahan, semakan dasar, keputusan kelayakan, dan pintu kelulusan. Tidak seperti Choice dan Score, Noul tidak mengembalikan medan keyakinan berasingan kerana keluarannya sudah berupa kebarangkalian.
Penilaian Soalan Secara Selari
Satu permintaan boleh mengandungi berbilang soalan Choice, Score, dan Noul. Jev menilainya secara bebas dan selari terhadap state yang sama.
Sebagai contoh, platform sokongan boleh mengklasifikasikan tiket, menilai tahap mendesak, dan menganggar sama ada perlu eskalasi manusia dalam satu permintaan. TypeSafe menyatakan bahawa menambah soalan bebas mempunyai sedikit kesan pada masa respons.
Soalan dalam permintaan yang sama tidak boleh bergantung pada jawapan antara satu sama lain. Keputusan berurutan hendaklah dilaksanakan melalui panggilan berasingan yang dihubungkan oleh logik aplikasi.
Respons Type-Safe
Struktur respons yang mungkin ditakrifkan sebelum inferens. Ini mengelakkan JSON yang salah bentuk, medan yang tidak dijangka, dan teks penjelasan daripada muncul di tempat kategori atau nilai berangka diperlukan.
Type safety hanya menjamin format respons. Jev masih boleh mengembalikan keputusan yang sah tetapi tidak tepat, jadi pasukan pengeluaran mesti menilai ketepatannya menggunakan data yang mewakili.
Kebarangkalian dan Keyakinan yang Eksplisit
Choice dan Score mendedahkan taburan kebarangkalian di sebalik setiap jawapan. Nilai keyakinannya meringkaskan sejauh mana taburan itu memihak kepada satu hasil.
Aplikasi boleh menggunakan keyakinan untuk mengautomasikan keputusan yang jelas, meminta pengesahan apabila ketidakpastian sederhana, dan menghala kes samar kepada manusia atau model gantian.
Ambang yang sesuai bergantung pada risiko. Menanda tiket sokongan boleh bertolak ansur dengan lebih banyak ketidakpastian berbanding meluluskan transaksi atau melaksanakan tindakan yang tidak boleh dipulihkan.
Inferens Berkelewatan Rendah
TypeSafe melaporkan masa respons hujung-ke-hujung sekitar 70 hingga 500 milisaat. Ini menjadikan Jev sesuai untuk penghalaan interaktif, semakan berulang oleh ejen, dan aliran kerja berat keputusan lain di mana panggilan model generatif yang lebih perlahan boleh menjejaskan kereaktifan.
Kelewatan sebenar bergantung pada saiz state, beban perkhidmatan, keadaan rangkaian, dan wilayah pengedaran.
Penyesuaian pada Peringkat Permintaan
Jev tidak disesuaikan melalui penalaan halus khusus akaun atau penyesuai LoRA. Pembangun menyesuaikannya dengan membekalkan state yang relevan, menulis arahan yang tepat, mentakrif kriteria yang jelas, dan menggabungkan keputusan atom dalam kod aplikasi.
Pendekatan ini mengekalkan keterlihatan peraturan perniagaan dan membolehkan pasukan mengubah logik aliran kerja tanpa melatih semula model.
Model Berversi dan Alias Stabil
TypeSafe menyediakan ID model tetap dan alias bergerak. jev-1.13.0 mengenal pasti keluaran tertentu, manakala jev-latest menunjuk kepada versi stabil terkini. jev-preview mungkin beralih kepada keluaran pratonton yang lebih baharu apabila tersedia.
Alias memudahkan percubaan, tetapi kelakuannya boleh berubah selepas kemas kini. Aplikasi pengeluaran dengan ambang terkalibrasi harus mengunci versi yang telah diuji dan merekodkan ID model yang dipulangkan bersama setiap respons.
Prestasi Penanda Aras Jev
Jev tidak direka untuk penanda aras tujuan umum yang memberi tumpuan kepada penulisan, pengkodan, terbitan matematik, atau penaakulan bentuk panjang. Pengukuran yang lebih relevan termasuk kualiti keputusan, penentukuran kebarangkalian, kelewatan, kos, dan kebolehpercayaan output.
TypeSafe melaporkan:
- Masa respons hujung-ke-hujung 70–500 milisaat
- Lebih kurang 40–200× pelaksanaan lebih pantas pada tugas System One yang sebanding
- Keputusan aliran kerja puncak dengan kelajuan 193.6× lebih tinggi
- Penambahbaikan kos tertinggi yang dilaporkan sebanyak 444.6×
Ini ialah keputusan yang dilaporkan vendor dan tidak harus dianggap sebagai jaminan prestasi sejagat. Penilaian aliran kerja TypeSafe membandingkan model pada graf keputusan berstruktur dan menggunakan ramalan terpurata model luaran bertaraf tinggi terpilih sebagai kebarangkalian rujukan.
TypeSafe juga mengakui bahawa ahli pasukan keupayaan modelnya mencipta aliran kerja yang dinilai, yang mungkin memperkenalkan bias. Keuntungan yang dilaporkan berkemungkinan lebih hampir kepada had atas apa yang mungkin diperhatikan oleh aplikasi.
Jev vs LLM Beroutput Berstruktur vs Pengelas Klasik vs Enjin Peraturan
| Dimensi | Jev | LLM beroutput berstruktur | Pengelas klasik | Enjin peraturan |
|---|---|---|---|---|
| Fungsi utama | Keputusan probabilistik bersempadan | Penjanaan dengan respons berstruktur | Peramalan bagi tugas terlatih | Logik deterministik |
| Ruang jawapan | Ditakrif dalam setiap permintaan | Dihalang melalui skema | Tetap semasa latihan | Tetap dalam kod |
| Ketidakpastian | Kebarangkalian dan keyakinan asli | Bergantung pada model dan kaedah | Sering tersedia tetapi mungkin memerlukan penentukuran | Bukan probabilistik secara lalai |
| Struktur output | Dijamin untuk primitif yang disokong | Biasanya memerlukan penjanaan terhad dan pengesahan | Tetap mengikut pelaksanaan | Tetap mengikut pelaksanaan |
| Persediaan tugas baharu | Takrifkan state, soalan, dan kriteria | Cipta prompt dan skema | Kumpulkan data berlabel dan latih model | Tulis syarat tersurat |
| Penjanaan terbuka | Tidak | Ya | Tidak | Tidak |
| Penaakulan lanjutan | Bukan beban kerja sasarannya | Disokong oleh model yang berkeupayaan | Tidak | Terhad kepada logik yang dikodkan |
| Penyesuaian | Arahan dan kriteria pada peringkat permintaan | Perubahan prompt dan konteks | Latihan semula atau kejuruteraan ciri | Perubahan kod |
| Kesesuaian terbaik | Pertimbangan berisipadu tinggi dalam perisian | Tugas yang menggabungkan penaakulan dan penjanaan | Peramalan yang stabil, sempit, kaya data | Syarat yang tersurat dan stabil |
Jev paling berguna apabila peraturan tetap terlalu rapuh, mewujudkan pengelas khusus akan mahal, dan aplikasi tidak memerlukan teks terjana.
LLM tradisional kekal pilihan lebih baik apabila tugas memerlukan penyelidikan, penjelasan, penciptaan kandungan, perancangan, atau penaakulan berbilang langkah. Enjin peraturan kekal lebih digemari apabila syarat yang betul sudah jelas dan deterministik.
Kes Penggunaan yang Disyorkan
Jev paling sesuai untuk keputusan kerap dengan ruang jawapan pratakrif.
- Penghalaan dan triaje: Klasifikasikan permintaan, pilih baris gilir atau alat, dan utamakan kes mendesak.
- Kawalan ejen: Semak penyempurnaan tugas, nilai tindakan yang dicadangkan, dan kenal pasti kes yang memerlukan pengesahan.
- Penilaian LLM: Nilai kerelevanan, sokongan bukti, pematuhan dasar, atau kualiti respons.
- Penyederhanaan: Kategorikan pelanggaran dasar, skor keterukan, dan eskalasi kes yang tidak pasti.
- Pengayaan data: Tukarkan mesej, ulasan, petunjuk, dan rekod kepada kategori, skor, dan ciri kebarangkalian.
- Keputusan masa nyata: Sokong tingkah laku aplikasi berkelewatan rendah di mana respons generatif penuh tidak diperlukan.
Keterbatasan Jev
Jev sengaja dikhususkan, dan reka bentuknya yang sempit mewujudkan beberapa keterbatasan penting.
- Ia tidak dapat menjana prosa, kod, ringkasan, atau jawapan perbualan.
- Ia tidak ditujukan untuk penyelidikan lanjutan atau penaakulan berbilang langkah.
- Output type-safe tidak menjamin keputusan perniagaan yang betul.
- Imej, audio, video, dan fail binari mesti ditukar kepada teks atau data berstruktur sebelum dihantar.
- Bahasa Inggeris ialah bahasa yang didokumenkan paling kukuh.
- Beban kerja bukan Inggeris dan CJK memerlukan penilaian bebas.
- Soalan dalam satu permintaan dinilai secara bebas.
- Model tidak dapat membina rantai penaakulan berurutan merentasi soalan-soalan tersebut.
- TypeSafe belum mendedahkan bilangan parameter model atau melepaskan wajaran modelnya.
- Penyesuaian dilakukan melalui permintaan dan bukannya penalaan halus khusus pelanggan.
- Peningkatan prestasi yang diterbitkan datang daripada rangka kerja penilaian TypeSafe sendiri.
- Alias yang bergerak mungkin memperkenalkan perubahan tingkah laku tanpa perubahan pada kod aplikasi.
Jev tidak boleh menggantikan kod deterministik untuk kebenaran, pengiraan kewangan, keperluan undang-undang, had saiz fail, atau dasar tindakan yang tidak boleh dipulihkan. Model probabilistik berguna untuk pertimbangan yang tidak pasti, bukan untuk syarat yang perisian sudah boleh menilai secara tepat.
Bagaimanakah CometAPI Menyediakan Akses kepada API Jev?
Jev pada masa ini tidak tersedia dalam katalog model awam CometAPI. CometAPI merancang untuk menilai dan menyepadukan Jev apabila akses model tersedia dan kebenaran sambungan yang diperlukan dibuka.
Selepas penyepaduan, pembangun akan dapat menyemak direktori model CometAPI dan dokumentasi API untuk ID model yang disokong, format permintaan, harga, had kadar, dan ketersediaan titik akhir.
Sehingga penyepaduan diumumkan secara rasmi, pembangun harus menggunakan konsol TypeSafe, API asli, atau SDK rasmi untuk mengakses Jev. Penyepaduan CometAPI hanya harus dianggap tersedia selepas Jev muncul dalam katalog model awam dengan maklumat API yang disahkan.