# 
> 本文介绍 Jev 的模型定位、输出类型、接入方式和官方评测口径。
> 
> TypeSafe AI 的发布文章和官方文档是本文的主要资料来源。
> 
> 

## 一、Jev模型是什么？

TypeSafe AI 在 2026 年 9 月 15 日发布了 Jev，并开放 early access。Jev 是 TypeSafe 第一个 System One Model，面向的是软件流程里的结构化判断。

它接收一份 state，也就是要判断的文本、JSON 对象或文本数组，再接收一组提前定义好的 questions。返回结果不是一段回答，而是带有固定类型的答案，以及相应的概率信息。代码可以直接读取这些结果，再决定下一步动作。

## 二、Jev模型如何回答问题

Jev 目前提供三种问题类型。它们对应的不是三种聊天模式，而是三种可以放进代码里的判断结果。

- **Choice**：从预先给出的选项中选择一个，例如把工单分到 billing、technical 或 account。返回选中的选项、所有选项的概率分布和 confidence。

- **Score**：按照有顺序的等级进行评分，例如把客户情绪分为平静、沮丧、非常生气。返回的 score 是各等级概率加权后的结果，因此可能落在两个等级之间。

- **Noul**：回答一个是或否的问题，例如“这条消息是否在申请退款”。返回 0 到 1 之间的数，表示“是”的概率。Noul 不单独返回 confidence。

同一个请求可以混合三种问题。每个问题都针对同一份 state 独立判断，并在同一请求中并行评估。一个客户工单可以同时询问是否申请退款、应该由哪个团队处理，以及客户的情绪等级。

## 三、Jev模型能做什么

TypeSafe 将 System One Model 放在 AI 工作流和软件分支判断中，给出的方向包括分类、路由、评分、提取、条件分支、验证和实时应用。

以退款工单为例，程序可以把客户消息、订单记录和退款政策放进 state，再让 Jev 分别判断：

- 客户是否明确提出退款；

- 订单是否存在重复扣款；

- 当前政策是否支持退款。

之后由代码合并这些结果，自动处理满足条件的请求，把低置信度或规则冲突的情况交给人工，或者交给更擅长长文本推理的模型。

TypeSafe 还展示过 Doom 和 Wikiracing 等演示，用来说明结构化状态、实时判断和高基数选择的用法。Doom 演示使用的是文本和结构化游戏状态，不是图像输入。

如果一个判断过于宽泛，官方文档建议把它拆成多个较小的问题，再由代码组合。例如，不直接问“这个工单应该如何处理”，而是分别判断严重程度、客户情绪和信息完整度，并在代码中设置权重。

## 四、它和主流大模型有什么区别

主流大模型通常以生成文本为主要接口。它们也可以通过 JSON Schema、JSON Mode 或 Function Calling 输出结构化结果，但应用仍然需要设计提示词、解析结果并处理格式或内容不符合预期的情况。

Jev 从接口层就把可返回的结果限制在 Choice、Score 和 Noul 这几类类型中。选项、等级和问题都由调用方提前定义，返回值不会变成一段需要再次解析的说明文字。它还为 Choice 和 Score 提供概率分布与 confidence，便于代码设置自动处理和升级人工的边界。

这种设计也意味着 Jev 不负责开放式聊天、长篇写作、代码生成或推理过程说明。它更像是工作流里的一个判断函数：代码安排流程，Jev 对给定的 state 做语义判断，其他模型继续承担需要生成文字或展开推理的任务。

固定类型只能保证结果符合接口约束，不能保证每个语义判断都正确。TypeSafe 的文档也说明，概率校准反映的是一组预测的整体表现，不等于单个答案一定正确。

## 五、怎么把Jev模型放进现在的工作流

接入时可以按照下面的顺序组织：

1. **准备 state**：把消息、业务记录、相关政策和应用状态整理成字符串、JSON 对象或文本数组。需要判断的事实放进 state，不要把业务流程藏在问题描述里。

2. **拆分 questions**：每个问题只负责一个可以单独判断的因素，并为 Choice 和 Score 写清楚选项或等级的含义。

3. **一次发送多个问题**：同一份 state 需要的判断可以放在一个请求中。Jev 会并行处理，代码再读取自己真正需要的答案。

4. **在代码中组合结果**：用概率、confidence、阈值和业务规则决定自动处理、继续调用，还是转人工。

一个常见的流程是：用户消息进入系统后，代码先整理上下文；Jev 负责判断分类、风险或优先级；代码根据结果选择工具和分支；需要生成回复时，再调用通用大模型；最终由代码完成校验和落库。

这里的自动执行不是 Jev 自己完成的。Jev 只返回判断结果，调用工具、修改数据库、发送消息等动作仍然由外围代码或工作流引擎负责。

## 六、Jev模型怎么调用

官方 HTTP API 的入口是：

```text
POST https://api.typesafe.ai/v1/systemone
Authorization: Bearer <API_KEY>
Content-Type: application/json
```

一个同时包含三种问题类型的请求如下：

```json
{
  "state": {
    "message": "I was charged twice for order A-104. Please refund the duplicate.",
    "policy": "Duplicate charges are eligible for a refund.",
    "order": {"charges": [49, 49]}
  },
  "model": "jev-latest",
  "questions": {
    "refund_requested": {
      "type": "noul",
      "instructions": "Does the message request a refund?"
    },
    "department": {
      "type": "choice",
      "instructions": "Which team should handle this request?",
      "criteria": {
        "billing": "Payments, invoices, and refunds",
        "technical": "Bugs and integrations",
        "account": "Account access and profile issues"
      }
    },
    "frustration": {
      "type": "score",
      "instructions": "How frustrated is the customer?",
      "criteria": ["Calm", "Frustrated", "Very angry"]
    }
  }
}
```

返回结果会沿用 questions 中的 ID。下面的数值只是响应格式示例：

```json
{
  "model": "jev-1.13.0",
  "answers": {
    "refund_requested": {
      "type": "noul",
      "noul": 0.96
    },
    "department": {
      "type": "choice",
      "choice": "billing",
      "probabilities": {
        "billing": 0.91,
        "technical": 0.05,
        "account": 0.04
      },
      "confidence": 0.88
    },
    "frustration": {
      "type": "score",
      "score": 1.2,
      "legend": ["Calm", "Frustrated", "Very angry"],
      "probabilities": [0.1, 0.7, 0.2],
      "confidence": 0.71
    }
  },
  "usage": {"input_tokens": 180, "output_tokens": 0}
}
```

也可以使用 TypeSafe 提供的 Python 或 JavaScript 客户端 SDK。官方文档示例使用 jev\-latest；当前模型页面列出 Jev 1\.13，对应版本 ID 为 jev\-1\.13\.0。别名会随着新版本移动，如果需要固定结果，可以直接使用版本 ID，并在响应中记录实际返回的 model。

## 七、官方评测数据应该怎样理解

TypeSafe 发布文章中给出的 Jev 端到端响应时间是 70 到 500 毫秒。官网还展示过“193\.6x Faster”和“444\.6x Cheaper”。这些是 TypeSafe 的官方数据，其中后两项来自特定的 Workflow Evals。

这组评测不是把模型单独放进一个通用问答题里，而是把任务拆成多个问题和代码规则，让不同模型在同一套结构化工作流中运行。评测页面说明，参考结果来自 GPT\-6 Astra 和 Claude Fable 5\.1 等模型的平均结果，工作流由 TypeSafe 团队设计。用于对比的 LLM 也通过 TypeSafe 的 System One wrapper 输出兼容的结构化决策。

因此，这些数字应当理解为 TypeSafe 在特定工作流和测试条件下公布的结果，不能直接当成 Jev 在所有任务中都比主流模型快几百倍、便宜几百倍的通用结论。实际耗时和成本还会受到输入长度、问题数量、网络和调用方式影响。

## 八、当前限制

- Jev 返回结构化判断，不提供开放式文本回答、代码和推理说明。

- 当前只接受文本输入，包括字符串、JSON 对象和文本数组；不支持图像、音频和视频。

- 官方文档说明英语是主要训练语言。中文等 CJK 文本可以输入，但准确度可能不相同，需要用自己的数据测试。

- 模型页面当前列出的上下文长度是每个请求 64k tokens，state 加上最长单个问题为 32k tokens；速率限制为每秒 250,000 tokens、每分钟 1,200 次请求，但官方说明这些限制会动态调整。

- 概率和 confidence 适合用来设置升级边界，但不是单个答案正确的保证。

Jev 模型把 AI 放进了软件流程中的判断位置：代码安排流程，Jev 处理语义判断，其他模型继续承担文字生成和开放式推理。

## 九、参考资料

- [TypeSafe AI：Introducing System One Models \& Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev)

- [TypeSafe 文档：System One](https://docs.typesafe.ai/concepts/system-one)

- [TypeSafe 文档：State](https://docs.typesafe.ai/concepts/state)

- [TypeSafe 文档：Primitives](https://docs.typesafe.ai/primitives)

- [TypeSafe 文档：API reference](https://docs.typesafe.ai/api)

- [TypeSafe 文档：Models](https://docs.typesafe.ai/models)

- [TypeSafe：Workflow Evals](https://evals.typesafe.ai/)

- [TypeSafe：System One adapter for Python](https://github.com/typesafe-ai/system-one-adapter-python)



本文介绍 Jev 的模型定位、输出类型、接入方式和官方评测口径。  TypeSafe AI 的发布文章和官方文档是本文的主要资料来源。

Jev模型是什么？TypeSafe AI 的结构化决策模型

人工智能

开发工具

编程语言

Jev是TypeSafeAI推出的SystemOneModel，专为软件流程中的结构化判断设计。它接收文本state和预设questions，返回Choice、Score、Noul三类固定类型结果及概率，供代码直接读取。支持分类、路由、评分等场景，不负责开放式生成。通过HTTPAPI或SDK接入，官方评测显示响应70-500毫秒，但需结合特定工作流理解。

代码解释

数据库

路由

Python

JSON

2026上云采购 | AI焕新·智启新局

tione

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Jev是TypeSafeAI推出的SystemOneModel，专为软件流程中的结构化判断设计。它接收文本state和预设questions，返回Choice、Score、Noul三类固定类型结果及概率，供代码直接读取。支持分类、路由、评分等场景，不负责开放式生成。通过HTTPAPI或SDK接入，官方评测显示响应70-...

Jev模型是什么？TypeSafe AI 的结构化决策模型-腾讯云开发者社区-腾讯云

Jev模型是什么？TypeSafe AI 的结构化决策模型

Jev模型是什么？TypeSafe AI 的结构化决策模型

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐