TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 上下文三项实验性功能。默认上下文为每请求 64k token、每问题 32k，可通过 opt-in header 扩展到 262k。仅通过托管 API（POST /v1/systemone）提供，不开源权重。图像支持 PNG/JPEG，单文件最大 16 MiB，按普通输入 token 计费。Box 每题返回一个边界框和置信度，但对不存在的目标仍会返回框，…
推荐理由想用决策模型做图像检测和定位的开发者，可先了解 Box 类型和 262k 上下文的接口限制
开发者 earlgreyhot1701D 用 5 天时间、借助 SylphAI 的编码 Agent AdaL 做出 README Clew 2，用于检查公开 GitHub 仓库的 README 是否与代码相符，目前支持 JavaScript 和 TypeScript 仓库。工具流程为：小型决策模型 Jev 给 README 每一行打标签，5 项固定代码检查判定真假，Claude Haiku 生成总结，输出逐行对应的证据、状态徽章和 JSON 导出。作者称首个真实测试用的是自己的旧仓库，结果判断出错。该项目为 Ada…
推荐理由可在线试用，粘贴 JS/TS 仓库即可得到 README 逐行核对结果，适合维护开源项目的人自查文档。
TypeSafe AI 完成 8.7 亿美元融资，估值 75 亿美元，由 Andreessen Horowitz 领投，Sequoia 和现有投资方 DCVC 参投。该公司开发的 Jev 于 9 月 15 日发布后迅速走红，基于 transformer 架构但不输出文本，而是生成概率，即公司所称的「校准决策」，号称比 LLM 更快、消耗 token 更少，定位为自动化任务而非生成文本或代码。公司称已有三分之一财富 500 强企业在使用该模型。联合创始人包括前 OpenAI 研究员 Diogo Almeida、前 M…
推荐理由非 LLM 路线拿到 75 亿美元估值，三分之一财富 500 强已用，值得关注自动化任务的新技术方向
Typesafe AI 宣布完成 8.7 亿美元 A 轮融资，估值 75 亿美元，由 Andreessen Horowitz 领投，Sequoia Capital、现有投资方 DCVC 及多位天使投资人参与，a16z 的 Martin Casado 加入董事会。公司称《财富》500 强中三分之一是其客户，已帮客户在生产环境中节省数百万美元，后续将扩展机器原生模型和企业功能。原文未披露具体产品指标和收入数据。
推荐理由A 轮就拿到 8.7 亿美元、75 亿估值，是今年 AI 基础设施融资的头部案例，做企业 AI 的可以对照看资本风向。
据 Bloomberg 报道，AI 模型 Jev 的开发商 TypeSafe AI 完成约 8.7 亿美元融资，由 a16z 领投，Sequoia 和天使投资人参投，投后估值 75 亿美元。Jev 在几周前发布后走红，目前约 33% 的《财富》500 强企业在使用它。原文信息有限，未披露融资轮次、资金用途等细节。
推荐理由几周内走红就拿到 75 亿美元估值、33% 财富 500 强在用，可据此判断企业级 AI 模型的采用速度。
TypeSafe AI 推出非自回归的 System One Model「Jev」，输入状态和问题后直接输出带概率的结构化类型值，不生成文本。上线一周后在 OpenRouter 1K-10K token 上下文区间登顶，处理 15.1% 的请求。借助 Modal 的无服务器平台，Jev 在发布三天内处理超 1 万亿 token，满足超低延迟推理需求，团队无需自管基础设施。
推荐理由做大规模自动化或低延迟结构化决策的团队，可参考这种非自回归、并行输出的模型路线
TypeSafe AI 结束 2 年隐身状态推出 Jev，一种返回决策而非文本的新模型类别。Jev 支持 Choice、Score、Noul 三种原语，最多 255 个选项，输入价格 $0.042/百万 token，输出免费，响应 70-500 毫秒。在 4 项工作流评测中，Jev 平均准确率 67.8%，单案例成本 $0.0004，耗时 0.4 秒；Claude Sonnet 5 同样 67.8%，但成本 $0.1174、耗时 78.1 秒。3 周内 Fastino Labs 推出 2 个竞品，开源社区也发布了多…
推荐理由Jev 与 Sonnet 5 准确率持平但成本仅为其 0.3%，做 Agent 控制流可直接替换
TypeSafe AI 发布首个 System One 模型 Jev，创始人 Diogo Almeida 此前在 OpenAI 参与 ChatGPT 指令遵循研究。Jev 不做对话、写代码或摘要，而是接收非结构化状态，返回带校准概率的类型化决策，用于 Agent 循环中的小判断：调用哪个模型、命令是否安全、哪段内容相关、任务是否完成。提供 Choice、Score、Noul 三个原语，一次请求内并行评估同一状态，Choice 最多支持 255 个选项，用 RLCD 强化学习训练。官方称在其自身工作流评测中快 193…
推荐理由做 Agent 路由、工具调用门控的可以看：三个原语加概率输出，官方称延迟 70-500 毫秒
TypeSafe AI 上周发布决策模型 Jev，它不生成文本，只输出带概率的类型化答案，供代码直接分支。官方基准显示，在路由、分类等窄决策任务上，Jev 比主流 LLM 快最多 200 倍、便宜 400 倍。LangChain 撰文介绍如何把 Jev 接入 LangGraph：代码保留流程结构，模型只负责需要语义判断的分支，即 TypeSafe 所称的「prod, not god」。Jev 具备结构化、可并行、低成本和跨次运行结果稳定四个特性。
推荐理由做 Agent 路由和分类的可以看：窄决策任务上快 200 倍、便宜 400 倍，还能接进 LangGraph
TypeSafe AI 发布新模型 Jev，官方称在分类任务上推理速度最高快 200 倍、成本低 400 倍。Jev 不是传统 LLM，不生成文本，而是所谓 System One 模型：接收一个 state 和若干问题，返回带类型的答案与概率，用强化学习做校准决策（RLCD）训练。支持三类问题：Choice（多选一，返回各选项概率）、Score（按低中高打分，返回连续分数与分布）、Noul（是/否，返回为真的概率）。同一请求可并行问多个问题，增加问题几乎不增加响应时间。LangChain 发文介绍其如何嵌入 Age…
推荐理由Agent 循环里每次决策都调 LLM 又慢又贵，Jev 用概率化分类替代，官方称快 200 倍、便宜 400 倍。
OpenRouter 发布教程，介绍 TypeSafe 的决策模型 Jev 及如何在 TypeScript 中调用其 API。Jev 接收非结构化输入（字符串、JSON 对象或字符串数组），返回带概率的类型化判断，由代码决定后续动作。请求由 state 和 questions 组成，问题分 choice、noul、score 三种类型，并行评估同一 state。choice 答案含获胜选项、各选项概率及 0-1 置信度；noul 只返回单一概率；score 返回加权平均、各等级概率、置信度和等级说明。教程以电商平台…
推荐理由想给内容审核接决策模型 API 的开发者，可拿到请求结构和三种问题类型的返回字段定义