Jev : En quoi consiste le modèle de décision de TypeSafe, et de quelle page vous avez réellement besoin

Jev est un modèle de décision conçu par TypeSafe AI : vous lui envoyez un état et un ensemble de questions nommées, et il renvoie une réponse typée pour chacune d'elles — un libellé issu d'une liste que vous avez fournie, un score selon une grille d'évaluation que vous avez définie, ou une affirmation oui/non assortie d'une probabilité — plutôt que de vous réécrire une phrase. Le modèle en service aujourd'hui est Jev 1.13, dont l'identifiant versionné du fournisseur est jev-1.13.0 ; il appartient à une classe de modèles que TypeSafe AI appelle System One ; et le laboratoire qui le développe est TypeSafe AI, une petite entreprise de San Francisco qui publie sur typesafe.ai. Sur OrcaRouter, la chaîne exacte est typesafe/jev-1.13. Ce sont quatre choses distinctes — un modèle, une version, une classe et une entreprise — et une grande partie des personnes qui arrivent sur cette page cherchent l'une d'elles sans savoir laquelle. Bon nombre d'entre elles viennent d'une recherche saisie en chinois : les requêtes jev模型 et jev 模型 totalisent à elles deux plus de neuf mille des impressions que nous mesurons pour ce nom, et ce que ces lecteurs veulent, c'est l'identifiant plutôt qu'une traduction. Il n'existe aucun nom chinois pour l'ensemble de ces éléments. Jev, Jev 1.13, jev-1.13.0 et typesafe/jev-1.13 s'écrivent de la même manière dans toutes les langues, et les chaînes ci-dessous sont celles à copier.

Cette page est l'entrée de référence sous le nom Jev. Ce n'est pas un article de lancement : Jev 1.13 est apparu publiquement pour la première fois le 2026-09-15, ce qui le place bien en dehors de la fenêtre de sept jours dans laquelle ce blog publie ses actualités, et TypeSafe AI n'a jamais publié de date par article sur son propre blog, donc une « date de sortie de Jev » sur un seul jour qui vous serait citée de n'importe où devrait être lue comme l'instantané de quelqu'un plutôt que comme l'annonce du fournisseur. Ce que cette page est à la place, c'est l'index. Les autres pages Jev déjà présentes sur ce site répondent chacune à une question précise ; celle-ci est celle qui vous dit ce qu'est Jev, tranche la question du nom et vous oriente vers la bonne page pour tout ce que vous êtes réellement venu chercher.

Les noms, et pourquoi tant de gens pensent qu'il s'agit de trois produits

TypeSafe AI est l'entreprise. Elle construit ce qu'elle décrit comme une infrastructure d'intelligence native pour les machines dédiée à l'automatisation, a été fondée par Diogo Almeida (PDG), avec Sasha Sheng (directrice des opérations) et Erik Gafni (directeur technique), et est sortie de deux ans en mode furtif avec un tour de série A mené par Andreessen Horowitz aux côtés de Sequoia Capital et DCVC. Son propre site arbore la phrase « Nous construisons de la prod, pas Dieu. » Lorsqu'un lecteur tape le seul mot « typesafe » et parle du modèle d'IA, c'est cette entité qu'il désigne — et non l'adjectif de langage de programmation que ce même mot épelle.

System One est la classe. TypeSafe AI l’a introduite comme une catégorie de modèle conçue pour prendre des décisions rapides et structurées que les logiciels peuvent exploiter directement, en empruntant son nom à la distinction System 1 / System 2 de l’économie comportementale : la moitié rapide de la cognition, celle qui fonctionne par reconnaissance de motifs. La définition de la classe est délibérément étroite. Les modèles System One ne rédigent pas de réponses, ne produisent pas de code et ne génèrent pas d’explications de leur raisonnement, et, d’après la documentation actuelle, l’entrée est uniquement textuelle. Jev 1.13 est le modèle phare de TypeSafe AI et le premier membre de cette classe ; aucun autre modèle livré par TypeSafe AI n’est aujourd’hui un modèle System One.

Jev est le produit. C'est la chose que vous appelez, et la chose dont cette page, les autres pages sous ce nom et chaque comparaison de ce stem parlent. La version fait partie de l'identité du produit plutôt que d'être une note de bas de page, et c'est là que la plupart de la confusion commence, il vaut donc la peine de nommer les chaînes exactement :

• jev-1.13.0 — l'ID de modèle versionné du fournisseur, la valeur que l'API renvoie dans le champ model de la réponse pour vous indiquer quelle build vous a répondu.

• jev-latest — un alias TypeSafe AI désignant la version officielle stable la plus récente. Il correspond aujourd'hui à jev-1.13.0, et c'est la valeur par défaut du SDK.

• jev-preview — un second alias désignant la version la plus récente, qu’elle soit officielle ou non. Il correspond également à jev-1.13.0 pour l’instant, car aucune préversion n’existe ; la documentation le dit clairement.

• typesafe/jev-1.13 — l’identifiant de catalogue de notre côté, et celui à copier si vous appelez via OrcaRouter.

• Jev 1.13 — le nom à utiliser dans la prose et dans les champs de recherche. « Jev 1.13 » et « Jev » ne sont pas deux modèles.

Il y a encore un nom qui attire les gens, et c'est un piège plutôt qu'une relation. RSI-Jev est un petit modèle vision-langage de 4B publié le 2026-10-06 sous Apache-2.0 par des chercheurs sans lien avec TypeSafe AI, et sa propre fiche indique qu'il n'est pas affilié à TypeSafe AI. Si vous avez cherché Jev, trouvé un checkpoint téléchargeable et que vous vous êtes demandé pourquoi TypeSafe AI vend aussi une API pour celui-ci, voilà pourquoi : ce sont deux choses différentes qui partagent trois lettres. L'analyse complète des deux, y compris ce que le fork peut et ne peut pas faire, figure dans RSI-Jev vs Jev 1.13 : L'un que l'on télécharge, l'autre que l'on appelle, et la question de l'identité à elle seule figure dans Qu'est-ce que RSI-Jev ?.

Si ce que vous vouliez n'était pas le nommage mais le comportement du modèle, la page correspondante est jev-model-explained, qui explique pourquoi les réponses sont renvoyées sous forme d'étiquettes et l'effet que cela a sur une invite.

Ce pour quoi Jev 1.13 est conçu

Jev 1.13 est conçu pour des décisions déjà de forme fermée avant même que le modèle ne s’exécute. Soit vous fournissez la liste des libellés, soit vous définissez l’échelle, soit vous énoncez l’affirmation ; le rôle du modèle est de choisir, de noter ou d’attester, et d’associer une probabilité à sa réponse. Chaque question d’une requête est évaluée en parallèle par rapport à une unique lecture partagée de l’état, plutôt que l’une après l’autre, ce qui explique pourquoi joindre vingt questions à une seule requête ne coûte guère plus de temps que d’en joindre une — et pourquoi il n’y a aucun jeton de sortie à mesurer. Les usages documentés sont les plus ingrats, ceux qui tournent à grande échelle : routage et classification, contrôles de garde-fous, vérification à chaque tour dans une boucle d’agent, et notation de grands ensembles de documents selon une grille d’évaluation fixe.

Ce qu’il ne fait pas, c’est écrire. Il ne produit ni prose, ni code, ni explication de son raisonnement, et il ne prend en entrée ni image ni audio. La forme est l’autre contrainte : le budget documenté est de 64K tokens par requête, dont 32K disponibles pour l’état avec sa question la plus longue — généreux pour un état accompagné de ses questions, mais pas un modèle à contexte long, donc un flux de travail qui dépend de la lecture d’un contrat entier en une seule passe est un flux de travail que Jev 1.13 ne peut pas prendre en charge. Au-delà de la forme, TypeSafe AI tient sa propre liste des façons dont le modèle se trompe dans ses décisions — la lecture littérale des questions, le comptage et l’arithmétique, la comparaison de dates et d’heures, l’indirection, les états volumineux et majoritairement non pertinents, le contenu adversarial, les instructions contradictoires, l’ordre des options dans un choix, et la génération. Cette liste compte neuf modes de défaillance nommés, avec un remède suggéré sous chacun, et elle est documentée jusqu’à la version à laquelle elle s’applique. Nous ne la reproduisons pas ici parce que nous la maintenons déjà correctement : Là où Jev 1.13 échoue : la liste des limites propres à TypeSafe, slug jev-limitations, est la page à lire avant de mettre ceci derrière quoi que ce soit d’important, et c’est la page que la plupart des lecteurs de ce hub veulent réellement.

Poids, licence et ce que vous pouvez télécharger

Jev 1.13 n'est pas open source. TypeSafe AI ne publie aucun poids de modèle pour lui et aucune licence qui vous permettrait de l'exécuter vous-même ; ce que l'entreprise publie en open source, ce sont des outils — des SDK clients et des utilitaires sous MIT et Apache-2.0 — tandis que le modèle reste une API hébergée. Côté données, les engagements publiés sont une promesse de ne pas entraîner de modèles sur les données des clients et une rétention nulle des données pour les clients entreprise. Il n'y a donc pas de réponse « quelle quantification dois-je télécharger » pour Jev 1.13, et pas de GGUF, et quiconque vous dit le contraire décrit l'autre chose qui porte Jev dans son nom.

L'artefact téléchargeable dans ce coin du marché est RSI-Jev v6.0-VL, le modèle 4B sous Apache-2.0 mentionné plus haut, que vous pouvez garder sur votre propre disque et servir vous-même. C'est une option tout à fait valable si votre raison de vouloir des poids ouverts est que les poids doivent être les vôtres, et il s'agit d'une réimplémentation de la même idée plutôt que d'une publication de Jev 1.13. Nous avons longuement développé cet argument dans Jev est-il open source ? Non, et un modèle tiers ouvert fait le même travail — slug jev-open-source — alors considérez cette section comme l'indication et cette page comme l'argumentation. En une ligne : ce que la licence et les artefacts publiés de TypeSafe AI permettent, c'est d'appeler Jev 1.13 via le point de terminaison du fournisseur ou via une passerelle ; ce qu'ils ne permettent pas, faute de le fournir, c'est de l'exécuter. Si vous avez besoin des poids en main, la licence que vous évaluez réellement est celle de RSI-Jev, Apache-2.0, et non celle de TypeSafe AI.

L’ensemble de comparaison

Cinq comparatifs en face-à-face existent sous cette branche, chacun construit autour d’un résultat mesuré plutôt que d’une impression générale. Si vous comparez Jev 1.13 à quelque chose de précis, allez directement à celui qui correspond, car chacun d’eux contient un nombre que cette page ne ferait qu’aplatir :

• jev-vs-claude-fable-5-1 — Jev vs Claude Fable 5.1 : la partie d'échecs qui mesurait la mauvaise chose. Fable 5.1 a construit une position gagnante et a perdu à la pendule ; la moitié utile de l'histoire, c'est ce qu'un plancher de latence d'une milliseconde vous apporte face à un modèle qui met des secondes par coup.

• jev-vs-deepseek-v4-1-flash — Jev vs DeepSeek V4.1 Flash : huit cents pour mille, ce n'est pas un rempart. Sur 77 exemples du jeu standard de classification d'intentions, DeepSeek V4.1 Flash s'est classé à un centime pour mille classifications derrière Jev 1.13 et quatre points devant en précision, ce qui constitue l'argument honnête contre l'achat d'un modèle de décision sur la base du prix.

• jev-vs-gpt-6-astra — Jev vs GPT-6 Astra : Le juge et le prévenu dans la même comparaison. Le tableau de bord qui attribue à Jev le score le plus élevé, 1,13, utilise les jugements moyennés de GPT-6 Astra et de Claude Fable 5.1 comme réponses de référence, donc c'est l'accusé qui corrige l'examen.

• jev-vs-kev — Jev vs Kev : un fine-tuning à 95 $ qui surpasse Jev sur les tickets d'assistance. Kev est un modèle à poids ouverts sous Apache-2.0 qui reproduit la forme de requête Choice / Score / Noul pour environ 95 $ de temps de fine-tuning, et il l'emporte sur le routage des tickets d'assistance tout en s'effondrant sur des évaluations générales plus difficiles.

• jev-vs-laya — Jev contre Laya : 33 millisecondes sur un T4, et une baseline aléatoire. Laya est un modèle de décision de 421 M sous Apache-2.0 de Convai Innovations, bien plus portable que Jev 1.13 et, d'après son propre score zéro-shot publié, fait moins bien que de toujours répondre avec la classe majoritaire.

Deux comparaisons supplémentaires accompagnent celles qui se passent du cadrage « Jev vs », et elles valent toutes les deux la peine d'être connues avant de conclure que vous avez tout lu : openai-decisions-api-first-client-vs-jev, sur ce qui se passe lorsque le plus grand fournisseur du marché publie sa propre API de décision, et rsi-jev-vs-laya, sur la manière dont les deux alternatives à poids ouverts se comparent une fois Jev 1.13 hors de l'équation. Si vous voulez la catégorie du modèle plutôt que ses rivaux, jev-system-one — « System One » en tant que catégorie de modèle — est la page pour cela, et si vous voulez les premiers reportages que nous avons faits sur Jev avant que tout ceci n'existe, jev-typesafe-system-one-what-we-know est celle à lire avec les réserves qui l'accompagnent.

Qu’est-ce qui n’est pas réglé ?

Deux choses, que nous préférons nommer plutôt que d'arrondir. Premièrement, aucune date de sortie n'a été annoncée pour la prochaine version de Jev — TypeSafe AI n'a publié ni numéro de version ni date, et son blog ne comporte aucune date par article, de sorte que les seules dates que nous pouvons assumer sont celles documentées ailleurs : un premier build public le 2026-09-15, la suppression par l'éditeur de la liste d'attente d'accès anticipé le 2026-09-21, et l'arrivée du modèle dans notre propre catalogue le 2026-09-24. Deuxièmement, l'évaluation indépendante de Jev 1.13 est limitée. Les chiffres d'exactitude les plus diffusés proviennent du tableau de bord de workflow de TypeSafe AI lui-même, dont les réponses de référence sont des jugements de modèles moyennés plutôt qu'une vérité terrain, et dont la propre documentation signale un possible biais du harnais ; la page « jaggedness » du modèle, qui est le propre exposé de l'éditeur sur les endroits où il échoue, a été revue pour la dernière fois le 2026-10-02 et constitue un document plus honnête que toute table de benchmark que nous ayons vue à son sujet.

Disponibilité sur OrcaRouter

Nous détenons exactement un modèle Jev dans notre catalogue en production, et il s'agit de typesafe/jev-1.13 — orthographié avec la version, car la version fait partie de l'ID et un lecteur qui n'en copie que la moitié n'obtient rien. Cette unique entrée est disponible dès aujourd'hui. Nous ne prétendons rien au sujet d'un historique des versions de Jev, et nous ne prétendons rien au sujet d'un autre modèle Jev : si une page quelque part vous dit qu'OrcaRouter sert jev-1.13.0, jev-latest ou un Jev 2, la chaîne correcte à appeler reste toujours celle ci-dessus. Il se trouve derrière la même clé que tout le reste de ce que nous routons — plus de 200 modèles derrière une clé compatible OpenAI, au prix catalogue du fournisseur répercuté avec 0 % de marge — avec bascule automatique entre fournisseurs, afin qu'une couche de décision qui cesse de répondre n'entraîne pas le chemin génératif avec elle, et qu'un changement de prix d'un fournisseur arrive de notre côté le jour même plutôt qu'au cycle de facturation suivant.

Quelle page voulez-vous ?

Si vous êtes arrivé ici depuis un champ de recherche plutôt que depuis un lien, il y a de bonnes chances que ce hub ne soit pas la page qu’il vous fallait et que l’une des dix ci-dessous le soit. C’est une liste courte, à dessein.

• Si votre question est où cette chose donnera-t-elle une réponse erronée, lisez jev-limitations. Il s'agit des neuf modes de défaillance du fournisseur, vérifiés par rapport à ce que nous pouvons voir.

• Si votre question est puis-je le télécharger et l'exécuter, lisez jev-open-source. La réponse courte est non pour Jev 1.13 et oui pour le RSI-Jev sans rapport, et cette page fait le travail de les séparer.

• Si votre question est dois-je utiliser ceci au lieu de X, lisez celle des cinq comparaisons ci-dessus qui correspond à votre X. Chacune repose sur un seul résultat mesuré, et celle qui compte le plus pour votre décision s'y trouve presque certainement.

• Si votre question est « qu'est-ce qu'un modèle de décision, au fond ? », lisez jev-system-one, qui couvre la classe plutôt que ce membre de celle-ci.

• Si votre question est simplement qu'est-ce que Jev, vous l'avez : Jev 1.13, de TypeSafe AI, un modèle de décision System One qui renvoie des réponses typées au lieu de rédiger de la prose, appelable de notre côté sous le nom typesafe/jev-1.13.