资讯动态 · 消息 · 模型与 Agent

Jev 是什么？TypeSafe AI 发布面向软件自动化的决策模型

了解 Jev 的结构化决策、API、官方定价与中文使用限制，区分类型安全和判断正确性。

RootFlowAI 内容维护团队 · 发布 2026/09/20 · 核对 2026/09/20

TypeSafe AI 在 2026 年 9 月 15 日宣布推出 Jev，并开放早期访问。官方把这类模型称为 System One Models：开发者提交业务状态和预先定义的问题，模型返回软件能够直接处理的决策结果。

Jev 值得 AI 应用开发者关注的地方，是它把分类、评分、分流等高频判断作为主要任务。例如，客服系统收到一句投诉后，可以先判断问题类型和紧急程度，再由程序选择处理流程；只有需要生成解释或展开复杂推理时，才调用相应的生成模型。

Jev 如何返回决策？

官方文档介绍了三种问题类型：

多个问题可以放进同一次请求，针对同一份状态并行、独立地求值。开发者再用代码组合结果，例如把“问题类别”“紧急程度”“信息是否充分”组合成分流规则。

这也意味着，问题之间的依赖关系需要由应用管理。如果第二个判断必须使用第一个判断的结果，就不能仅靠把它们塞进同一请求来表达先后关系。

截至核查日期，官方模型文档列出的版本是 jev-1.13.0，请求端点为 POST /v1/systemone。官方同时提供 Python 和 JavaScript SDK 文档。

官方标价为每百万输入 Token 0.042 美元，输出不另计 Token 费用。这是 TypeSafe 的公开价格，实际接入资格、计费和限额应以官方账户信息为准。

模型目前只接受文本，可用字符串、JSON 对象或文本数组组织输入。图像、音频、视频需要先转成文本或结构化信息。不能因为游戏演示中有画面，就推断 Jev 本身可以直接识别截图。

文档给出的总请求上限为 64k Token，同时要求 state 加最长单个问题不超过 32k Token。中文业务还要特别留意：官方说明英语是主要训练语言，其他语言可以处理，但效果并不相同，中文场景需要自己的样本验证。

发布公告给出了 70–500 毫秒的端到端响应时间，并展示部分工作流中的大幅提速和成本优势。这些数字来自厂商测试，不能直接理解为任何任务都能获得同样收益。

官方也说明了测试条件：延迟评测通常从美国西海岸发起；部分演示输入较短，有利于突出并行输出的优势；工作流由内部团队设计，比较方式和对照模型配置都会影响结果。

开发者评估时，应固定同一份业务数据和成功标准，同时记录准确率、P95 延迟、失败率、回退到其他模型的比例和总成本。单次请求便宜，如果频繁需要重试或人工复核，整条流程未必更省。

本文未进行 Jev API 实测，不把官方展示当作本站测试结果。

需要把输出格式和判断质量分开理解。官方强调的类型安全，是输出遵守预定义结构和选项；即使返回了一个合法选项，也可能选错。

置信度同样不能直接当作现实正确率。官方文档说明，Choice 和 Score 的 confidence 是从返回的概率分布计算得到的统计量。应用应该用自己的验证集选择阈值，并给不确定或高风险决策保留复核与回退路径。

例如，模型可以把工单归到“退款”，但是否退款、退多少、有没有重复操作，仍应由业务规则、权限检查和执行系统决定。

Jev 适合列入以下场景的候选评估：客服意图分流、Agent 工具候选选择、内容评分、工作流分支判断。最容易开始的方式，是挑选一个边界明确、已有真实样本和人工判定标准的环节做对照。

接入时也需要适配它的状态与问题结构。官方公布的 /v1/systemone 接口与常见聊天请求格式不同，不能假定只替换现有 SDK 的 Base URL 就能直接使用。

对于 RootFlowAI 读者，这项变化提供了一个新的架构思路：把高频判断拆成明确任务，在保留质量验证的前提下，为不同环节选择合适的模型。RootFlowAI 是否接入 Jev 尚未核实，本文不构成本站可用性公告。

关于怎样安排决策、生成和回退，可继续阅读 Jev 与生成模型如何分工。