Jev 是什么?TypeSafe 的 System One 模型:API、价格与用法
Jev AI 是什么?一文讲清 TypeSafe 的 System One 模型:工作原理、价格(每百万 token 0.042 美元)、API 与 OpenRouter 调用方式、局限和开源替代品。
Jev 是 TypeSafe AI 推出的托管式 AI 模型,也是第一个 System One 模型。它不生成文字,而是读取一段输入(称为 state),回答一组类型化问题,直接返回代码能用的结构化答案和概率:从选项里选一个、在量表上打分,或者给出某个陈述为真的概率。
本文介绍 Jev 是什么、怎么工作、多少钱、怎么调用 Jev API(官方直连、OpenRouter、Vercel AI Gateway 三种方式)、有哪些短板,以及有哪些开源替代品。laya-ai.com 是独立网站,与 TypeSafe 没有关联;下面的内容来自 TypeSafe 的公开文档和我们自己的实测。
| 出品方 | TypeSafe AI |
| 模型类型 | System One 决策模型(托管服务,权重不公开) |
| 当前版本 | Jev 1.14(jev-1.14.0,2026 年 10 月 14 日发布),jev-latest 和 jev-preview 都指向它;Jev 1.13(jev-1.13.0)仍可调用(模型列表) |
| 问题类型 | Choice、Score、Noul;Box(在图片里框出目标位置,仅 Jev 1.14) |
| 价格 | 每百万输入 token 0.042 美元,输出 token 免费 |
| 上下文 | 每次请求 64k token;state 加上最长的一个问题不超过 32k。请求头加 TypeSafe-Danger-Zone-Long-Context: true 可把两项都提到 262k,但更慢、准确率更低 |
| 输入 | 文本:字符串、JSON 对象或文本数组。PNG、JPG 图片为实验功能,需加请求头 TypeSafe-Danger-Zone-Images: true(Jev 1.13 和 1.14 都支持) |
| 调用方式 | TypeSafe API、OpenRouter、Vercel AI Gateway |
一手资料:TypeSafe 官方文档。
什么是 System One 模型?
这个名字来自丹尼尔·卡尼曼的《思考,快与慢》:系统 1 是快速、直觉式的思考,系统 2 是缓慢、审慎的思考。大语言模型是为了写给人看的文字而设计的。当软件需要一个能直接分支处理的判断,比如"这张工单该分给哪个团队?",用大模型就得先生成文字,再由代码去解析。
System One 模型跳过了生成文字这一步:给它 state 和一组问题,一次计算就返回类型化的值和概率分布。TypeSafe 把每个问题比作"直觉判断",也就是专家在掌握背景信息时几秒钟就能做出的那种判断。需要较长推理的问题,应拆成多个原子问题,再在自己的代码里组合。
2026 年,Jev 的报道范围扩大到开发者社区之外:彭博社(Bloomberg)发表了《Jev, an AI Model That Can't Chat, Takes On Bigger Rivals》,企业架构领域也开始关注 System One 这一类模型,例如 Kai Waehner 的《How System One Models Like Jev Change Enterprise AI Architecture》。
Jev 怎么工作:state、问题和答案
每个 Jev 请求有两部分:
- State:Jev 要评估的文本,比如一张工单、一封邮件、一份文档或一条 JSON 记录。
- 问题:针对这段 state 的具名、类型化问题。不同类型可以混用,一次可以发很多个;每个问题并行且独立地评估,所以多加问题几乎不影响响应时间。
Jev 有四种问题类型,TypeSafe 称之为"原语"。Box 是 Jev 1.14 新增的,只用于图片:
| 问题类型 | 用途 | Jev 返回 |
|---|---|---|
| Choice | 从列表里选一个选项(最多 255 个) | choice、每个选项的概率、confidence |
| Score | 在有序量表上打分(2–10 档) | score、每一档的概率、confidence |
| Noul | 判断一个陈述是否为真 | noul,0 到 1 之间的概率 |
| Box | 找出某个东西在图片里的位置 | 一个框的四条边,按图片宽高的比例表示 |
TypeSafe 用 RLCD(面向校准决策的强化学习)训练 Jev,目标是让它给出的概率与实际答对的频率一致。
Confidence(置信度) 和概率是两回事。它告诉代码要不要采纳这个答案,比如只在置信度高于某个阈值时自动处理,其余交给人工。
Jev 能读图片吗?
能。2026 年 10 月起,Jev 请求里能放文字的地方都能放图片:state、问题的 instructions,以及 criteria。所有问题类型都接受图片,新增的 Box 问题专门回答「某个东西在图片的哪里」。TypeSafe 把图片和 Box 标为「Dreamer-ready」:适合做原型,还不建议上生产,请求格式、限制和准确率都可能随版本变化(图片文档)。
带图片的请求需要这几样:
- 开启请求头
TypeSafe-Danger-Zone-Images: true,每个带图片或 Box 问题的请求都要加。 - 一个
assets映射。 每张图片用你自己定的引用字符串登记一次,再把这个字符串写到要放图片的位置。引用会在请求的所有文字里按原文匹配,所以每张图用一个新的 UUID 最稳妥。 - PNG 或 JPG,可以在 JSON 里用 base64(
data_base64加format),也可以用 multipart 文件上传。每条边要在 280 到 1568 像素之间,超出范围的图片会被直接拒绝,不会自动缩放。 - 模型版本。 Jev 1.13 和 1.14 都能读图片;Box 只有 Jev 1.14 支持。
一个最小请求:对一张照片问一个是非题,再框出照片里的狗:
curl https://api.typesafe.ai/v1/systemone \
-H "Authorization: Bearer $TYPESAFE_API_KEY" \
-H "TypeSafe-Danger-Zone-Images: true" \
-H "Content-Type: application/json" \
-d '{
"model": "jev-latest",
"state": {"photo": "a3f1c2e8-found"},
"assets": {"a3f1c2e8-found": {"type": "image", "format": "jpg", "data_base64": "/9j/4AAQ..."}},
"questions": {
"has_collar": {"type": "noul", "instructions": "Is the dog in `photo` wearing a collar?"},
"dog": {"type": "box", "instructions": "the dog in `photo`"}
}
}'
Box 的答案是包住目标的最小矩形的四条边:top、bottom、left、right,都是从图片左上角算起的 0 到 1 之间的比例,另外附一个 confidence。乘以图片的宽和高,就能画框或裁剪。Box 不用写 criteria,instructions 直接写要找什么就行(例如 "the dog in photo")。
Laya 只读文本。需要能读图片的开放权重决策模型,可以看 Cloudflare Clef。
Jev 多少钱?
根据 TypeSafe 的模型页面,Jev 1.13 的价格是每百万输入 token 0.042 美元(每十亿 42 美元),输出 token 免费。多个问题共用同一段 state,所以一次请求发十个问题,比分十次调用便宜得多。
通过 Vercel AI Gateway 调用也是同样的价格。目前的速率上限为每秒 25 万 token、每分钟 1,200 次请求;TypeSafe 表示需求高峰期间上限可能随时调整,定制版和企业版可以获得更高上限。
作为对比,Laya 这类开源模型在自己的硬件上运行,不按 token 收费。可选方案见 Jev 替代品。
怎么调用 Jev API
1. 直接调用 TypeSafe
在 TypeSafe 控制台创建 API Key,然后向 https://api.typesafe.ai/v1/systemone 发送 POST 请求:
curl -X POST https://api.typesafe.ai/v1/systemone \
-H "Authorization: Bearer $TYPESAFE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "jev-latest",
"state": "I have been trying to connect Stripe for 3 days and it keeps failing. Please help ASAP.",
"questions": {
"department": {"type": "choice", "instructions": "Which team should handle this?",
"criteria": {"billing": "Payment or subscription issues",
"technical": "Bugs or integration problems",
"sales": "Pricing or account questions"}},
"is_urgent": {"type": "noul", "instructions": "The message conveys urgency"}
}
}'
返回结果按问题名列出每个答案,并附上 token 用量。官方提供 Python(pip install typesafe-sdk)和 JavaScript/TypeScript(npm install @typesafe-ai/sdk)客户端 SDK。官网直接注册有时需要排队,下面两个网关是另一种接入方式。
2. 通过 OpenRouter
OpenRouter 为 Jev 提供了专门的 System One 接口 https://openrouter.ai/api/v1/systemone,请求体完全相同,用 OpenRouter 的 API Key 即可。模型 ID 用 typesafe/jev-1.13 或 typesafe/jev-latest。
注意别和 OpenRouter 聊天接口上的 Jev Router(typesafe/jev-router)搞混。Jev Router 是另一个产品:它用 Jev 来决定一条聊天请求该交给哪个大模型、用多大的推理强度。
3. 通过 Vercel AI Gateway
Vercel AI Gateway 上的模型名是 typesafe-ai/jev,兼容 TypeSafe 的接口地址是 https://ai-gateway.vercel.sh/typesafe/v1/systemone,使用 AI Gateway 的 API Key 调用。Vercel AI SDK 也可以通过它的 evaluation API 调用。
在编程 Agent 里使用 Jev
TypeSafe 为 Claude Code、Codex 等工具提供了一个 agent skill,让编程 Agent 掌握编写 Jev 集成所需的背景知识:各种问题类型、推荐的使用模式,以及组织问题的最佳实践。配置方法见在 Claude Code 中使用 Jev 和 Laya。
基于 Jev 的项目
最知名的例子是 browser-use 团队的 jev-ultrafast:一个浏览器 Agent,由 Jev 决定每一步操作和页面元素,只有需要输入文字时才调用一个小型大模型。能接收同样请求的开源模型,见 Jev 替代品。
Jev 准不准?
在我们的 System One 基准测试中,Jev 1.13 在 SST-2 情感判断上得分 0.963,TREC 问题分类 0.927,77 个意图的 Banking77 0.813,校准也是所有参测模型里最好的。同样 150 句话的 8 种语言版本上,它的非英文平均准确率为 0.87,远高于开源模型。
TypeSafe 自己也说明:英文是准确率最好的语言;其他语言(包括中日韩文字)可以处理,但效果不如英文。
Jev 的局限
TypeSafe 在 jaggedness 页面列出了 Jev 1.13 已知的短板:
- 按字面理解:Jev 回答的是你写下的问题,而不是你想表达的意思。要把确切条件和边界情况写进指令。
- 数学和计数:计数、数值比较和日期计算都不可靠,应该在代码里完成。
- 冗长、噪声多的 state:state 里无关内容越多,准确率越低。先在代码里过滤输入。
- 对抗性和自相矛盾的输入:注入指令、误导性表述、互相冲突的判断标准都可能影响答案。
- 不能生成文字:Jev 不能写文字,也不能解释自己的答案。
- 图片还是实验功能:TypeSafe 把图片输入和 Box 问题标为 "Dreamer-ready",适合做原型,还不建议上生产,格式和限制可能随版本变化(图片文档)。音频、视频要先转成文本。
Jev 开源吗?
不开源。Jev 的权重不公开,TypeSafe 也不会为单个客户微调 Jev:所有账号用的是同一套权重,只能通过 state 和问题的写法来适配业务。Jev 不会用客户的请求来训练。
如果你需要开放权重、本地部署或微调,有几个开源 System One 模型可以接收 Jev 格式的请求,包括 Laya、Kev 和 Von。详见 Jev 替代品、System One 模型对比和 Laya vs Jev。
常见问题
Jev AI 是什么?
Jev 是 TypeSafe AI 的托管式 System One 模型。它针对一段文本回答类型化问题(选择、打分、是非判断),返回概率而不是生成文字,软件可以直接根据答案行动。
Jev 是谁做的?
TypeSafe AI。这个模型可以通过 TypeSafe 自己的 API 调用,也可以通过 OpenRouter 和 Vercel AI Gateway 调用。
Jev API 多少钱?
每百万输入 token 0.042 美元,输出 token 免费。
能通过 OpenRouter 使用 Jev 吗?
可以。调用 https://openrouter.ai/api/v1/systemone,模型填 typesafe/jev-1.13 或 typesafe/jev-latest,使用 OpenRouter 的 Key。
Jev vs 大模型:Jev 能替代大模型吗?
对于路由、分类、内容审核、工单分拣这类范围明确的结构化判断,它可以替代大模型调用,而且便宜得多。区别在于输出:大模型逐个 token 生成文字,代码还得再去解析;Jev 一次就返回类型化答案和每个选项的概率,而且输出 token 免费。但它不能写文字、不能逐步推理,也不能回答开放式问题。开源模型的同类对比见 Laya vs 大模型。
Jev 有免费版或本地版吗?
Jev 本身只能通过托管 API 使用。Laya、Kev、Von 等开源模型提供了可本地运行、兼容 Jev 接口的替代方案。你可以在我们的 Playground 里直接在浏览器中试用 Laya。
相关阅读
- Jev 替代品:可以自托管的开源 System One 模型
- Laya vs Jev:开放权重、速度、准确率与取舍
- System One 基准测试:Jev、Kev、Laya、Von、GLiNER 用同样的问题实测
- Laya 是什么?:开源决策模型
OpenAI 在 2026 年 9 月 29 日推出了同类的托管接口,见 OpenAI Decisions API 和 Jev、Laya 对比。
最后对照 TypeSafe 官方文档核实:2026 年 11 月 4 日。