让每个任务，各就其位。
识别意图、评估优先级，把消息和工单送到合适的处理节点。
工作流路由认识 JEV · SYSTEM ONE 模型
认识 Jev：
结构化决策模型。
让智能化为行动。
让信息成为决策，让软件即刻行动。
认识 Jev，为自动化而生的快速决策模型。
决策引擎JEV / 01
非结构化输入结构化决策
70–500ms
端到端响应延迟*
1 call
一次调用，并行回答
Type-safe
类型约束，直接进入代码
P(decision)
每个判断，都有概率依据
* 延迟数据来源：TypeSafe AI 官方发布；实际表现随任务与运行条件变化。
01 / 一种不同的智能
Jev 是什么？
Jev 是 TypeSafe AI 首款公开的 System One 模型，面向软件中的自动化决策。
你提供状态和预定义问题，Jev 返回类型化答案及其概率，供程序按业务规则决定下一步。
在下面体验决策流程02 / 从状态到决策
Jev 如何工作？
提供上下文、定义问题类型，再读取结构化决策。下方用预设样本演示客服分流、内容审核和线索评分。
01 / 输入状态输入状态
类型化问题预定义问题
intentenumneeds_humanbooleanurgencyscore 1–5
JEV
02 / 决策结果结构化输出
示例结果
{
"intent": {
"value": "refund",
"probability": 0.96
},
"needs_human": {
"value": true,
"probability": 0.92
},
"urgency": {
"value": 4,
"confidence": 0.89
}
}下一步示意：转交账务专员，优先核查重复扣费。
01
给出上下文
消息、日志或业务事件，
保留信息原本的样子。
02
先定义答案的形状
分类、真假或数值评分，
由你确定输出类型。
03
把判断交给程序
读取结果与概率，
按业务阈值决定下一步。
03 / 新的基础能力
Jev 与 LLM 有何区别？
Jev 围绕预定义问题返回类型化决策与概率；LLM 侧重通用生成与推理，也可通过结构化输出约束 JSON。
类型正确 ≠ 判断一定正确。
关键业务仍需阈值、校验与人工兜底。
| 比较维度 | 语言模型 | Jev · System One |
|---|---|---|
| 输出 | 文本或受约束的 JSON | 预定义类型的值 |
| 过程 | 逐 token 生成 | 多个判断并行返回 |
| 衔接 | 解析或 Schema 约束 | 读取结构化结果 |
| 概率 | 视模型与接口而定 | 返回校准概率 |
基于 Jev 官网的产品定位；具体能力以实际接口为准。 TypeSafe AI · Jev 官网
04 / 无处不在的智能
Jev 适合哪些场景？
Jev 可用于工作流路由、实时交互、批量特征提取和模型安全评估。
反馈，跟上当下。
根据当前状态快速判断，为延迟敏感的交互系统提供决策依据。
实时交互从海量信息，找到信号。
将非结构化内容整理为分类与评分，让数据进入可计算的流程。
批量特征提取为下一步，多一道判断。
评估提示词与模型输出的风险，帮助系统决定放行、复核或拦截。
模型安全评估05 / 实时信号
Jev 近况
来自官方博客、文档、SDK、X 与公开报道。条目保留原文。
筛选来源
核对于。条目保留原文，只收录公开链接与标题。
awesome-typesafe: a community field guide for Jev
Independent collection of SDKs, demos, agent tools and evals. Not affiliated with TypeSafe AI.
TypeSafe Python SDK v0.7.1
Early key checks omit secrets from exception logs; gateway samples added.
Jev for Devs: typed questions, parallel answers, priced on input tokens
Public developer thread on Choice / Score / Noul, latency, and $0.042 per million input tokens.
TypeSafe AI Releases Jev: A System One Model That Returns Typed, Calibrated Decisions Instead of Text
Asif Razzaq covers Choice, Score and Noul, hosted-API waitlist, and flags vendor-run speed/cost demos.
TypeSafe Python SDK v0.7.0 — pydantic response models
Breaking change: ser/de moves from msgspec to pydantic. system_one can take a pydantic response_model.
LangChain on Jev as an agent evaluator
Public post comparing Jev with GPT/Claude for evaluation consistency, cost and latency.
TypeSafe AI exits stealth with $40M to build AI for use by software
Paul Gillin reports a $40 million seed led by DCVC and Jev as typed judgments for applications, not chat.
Introducing System One Models and Jev
Launch thread on the official blog post. Discussion centers on speed claims and what “no hallucination” means for typed outputs.
Vercel AI SDK: evaluate with Jev
Public note on wiring Jev into the AI SDK evaluate path for structured checks.
Introducing System One Models & Jev
Official launch of System One and Jev: typed decisions, parallel answers, RLCD, and 70–500ms end-to-end response times as vendor figures.
TypeSafe Python SDK v0.5.7 — first public release
Initial public Python SDK for calling System One / Jev.
Models: jev-1.13 / jev-latest
Current public model identifiers, question types and API contract. Product facts belong here, not on this introduction site.
System One: state in, typed decisions out
Canonical explanation of System One: unstructured state plus typed questions, calibrated probabilities, no free-text generation.
AI: too good to be true, too bad to be useful
Pre-launch essay on why impressive AI still fails as a software primitive — the argument that precedes System One.
没有该来源的条目。
少一些等待，多一些行动。
让智能，成为行动的一部分。
从一个问题开始，探索 Jev 能为你的系统做出的下一个决策。
申请 API 早期访问前往 typesafe.ai 申请访问