Jev: Che cos'è il modello decisionale di TypeSafe e quale pagina ti serve davvero

Jev è un modello decisionale creato da TypeSafe AI: gli si invia una porzione di stato e un insieme di domande con nome, e restituisce una risposta tipizzata per ciascuna — un'etichetta da un elenco fornito da voi, un punteggio su una rubrica definita da voi, oppure un'affermazione sì/no con una probabilità associata — invece di riscrivere una frase. Il modello attualmente in servizio è Jev 1.13, il cui ID con versione del fornitore è jev-1.13.0; appartiene a una classe di modelli che TypeSafe AI chiama System One; e il laboratorio che lo ha creato è TypeSafe AI, una piccola azienda di San Francisco che pubblica su typesafe.ai. Su OrcaRouter la stringa esatta è typesafe/jev-1.13. Sono quattro cose distinte — un modello, una versione, una classe e un'azienda — e una gran parte delle persone che arriva su questa pagina sta cercando una di esse senza essere sicura di quale. Un buon numero di loro arriva da una ricerca digitata in cinese: le query jev模型 e jev 模型 insieme totalizzano più di novemila delle impressioni che misuriamo per questo nome, e ciò che quei lettori vogliono è l'identificatore, non una traduzione. Non esiste un nome cinese per nessuna di queste cose. Jev, Jev 1.13, jev-1.13.0 e typesafe/jev-1.13 si scrivono allo stesso modo in ogni lingua, e le stringhe riportate di seguito sono quelle da copiare.

Questa pagina è la voce di riferimento con il nome Jev. Non è un post di lancio: Jev 1.13 è apparso pubblicamente per la prima volta il 2026-09-15, il che lo colloca ben al di fuori della finestra di sette giorni entro cui questo blog pubblica notizie, e TypeSafe AI non ha mai pubblicato una data per singolo post sul proprio blog, quindi una "data di rilascio di Jev" relativa a un singolo giorno, citata da chiunque, dovrebbe essere letta come l'istantanea di qualcuno, piuttosto che come un annuncio del fornitore. Questa pagina, invece, è l'indice. Le altre pagine su Jev già presenti su questo sito rispondono ciascuna a una domanda specifica; questa è quella che ti dice cos'è Jev, chiarisce la denominazione e ti indirizza alla pagina giusta per qualunque cosa tu sia effettivamente venuto a scoprire.

I nomi, e perché così tante persone pensano che siano tre prodotti

TypeSafe AI è l'azienda. Costruisce quella che descrive come un'infrastruttura di intelligenza machine-native per l'automazione, è stata fondata da Diogo Almeida (CEO) con Sasha Sheng (COO) ed Erik Gafni (CTO), ed è emersa dopo due anni in stealth con un round Serie A guidato da Andreessen Horowitz insieme a Sequoia Capital e DCVC. Il suo stesso sito riporta la frase "Stiamo costruendo prod, non Dio." Quando un lettore digita la singola parola "typesafe" e intende il modello AI, è a questa entità che si riferisce — non all'aggettivo del linguaggio di programmazione che la stessa parola compita.

System One è la classe. TypeSafe AI l'ha introdotta come una categoria di modello progettata per prendere decisioni rapide e strutturate che il software può consumare direttamente, prendendo in prestito il nome dalla divisione Sistema 1 / Sistema 2 dell'economia comportamentale: la metà veloce della cognizione, quella che riconosce schemi. La definizione della classe è volutamente ristretta. I modelli System One non scrivono risposte, non producono codice e non generano spiegazioni del proprio ragionamento e, secondo la documentazione attuale, il lato input è solo testo. Jev 1.13 è il modello di punta di TypeSafe AI e il primo membro di quella classe; nessun altro modello distribuito da TypeSafe AI è oggi un modello System One.

Jev è il prodotto. È ciò che chiami, ed è ciò di cui parlano questa pagina, le altre pagine sotto questo nome e ogni confronto in questo filone. La versione fa parte dell'identità del prodotto anziché esserne una nota a piè di pagina, ed è qui che inizia la maggior parte della confusione, quindi vale la pena nominare esattamente le stringhe:

• jev-1.13.0 — l'ID modello con versione del fornitore, il valore che l'API restituisce nel campo model della risposta per indicarti quale build ti ha risposto.

• jev-latest — un alias TypeSafe AI che indica la release ufficiale stabile più recente. Attualmente corrisponde a jev-1.13.0 ed è il valore predefinito dell'SDK.

• jev-preview — un secondo alias che indica la release più recente, che sia ufficiale o meno. Al momento rimanda anche a jev-1.13.0, perché non esiste alcuna build di anteprima; la documentazione lo dice chiaramente.

• typesafe/jev-1.13 — l'ID catalogo dalla nostra parte, e quello da copiare se chiami tramite OrcaRouter.

• Jev 1.13 — il nome da usare nella prosa e nelle caselle di ricerca. "Jev 1.13" e "Jev" non sono due modelli.

C'è un altro nome che attira le persone, ed è una trappola più che una relazione. RSI-Jev è un piccolo modello visione-linguaggio da 4B pubblicato il 2026-10-06 con licenza Apache-2.0 da ricercatori non collegati a TypeSafe AI, e la sua stessa scheda dichiara che non è affiliato a TypeSafe AI. Se hai cercato Jev, hai trovato un checkpoint scaricabile e ti sei chiesto perché TypeSafe AI ne venda anche un'API, ecco il motivo: sono due cose diverse che condividono tre lettere. La spiegazione completa delle due, incluso ciò che il fork può e non può fare, è in RSI-Jev vs Jev 1.13: Uno che scarichi, uno che chiami, e la questione dell'identità di per sé è in Che cos'è RSI-Jev?.

Se quello che volevi non era la denominazione ma il comportamento del modello, la pagina per questo è jev-model-explained, che spiega perché le risposte tornano come etichette e che effetto ha su un prompt.

Per cosa è progettato Jev 1.13

Jev 1.13 è progettato per decisioni che sono già in forma chiusa prima che il modello venga eseguito. O fornisci l'elenco delle etichette, o definisci la scala, o enunci l'affermazione; il compito del modello è scegliere, valutare o attestare, e associare una probabilità alla sua risposta. Ogni domanda in una richiesta viene valutata in parallelo rispetto a un'unica lettura condivisa dello stato, anziché una dopo l'altra, ed è per questo che allegare venti domande a una richiesta costa appena più tempo che allegarne una — e che non ci sono token di output da misurare. Gli impieghi documentati sono quelli poco appariscenti che vengono eseguiti in volume: instradamento e classificazione, controlli dei guardrail, verifica a ogni turno all'interno di un ciclo di agente e assegnazione di punteggi a grandi insiemi di documenti rispetto a una rubrica fissa.

Ciò che non fa è scrivere. Non produce prosa, né codice né spiegazioni del suo ragionamento, e non accetta input di immagini o audio. La forma è l'altro vincolo: il budget documentato è di 64K token per richiesta, con 32K di questi a disposizione dello stato insieme alla sua domanda più lunga — generoso per un pezzo di stato più le sue domande, ma non un modello a lungo contesto, quindi un flusso di lavoro che dipende dalla lettura di un intero contratto in un'unica passata è un flusso di lavoro che Jev 1.13 non può gestire. Oltre alla forma, TypeSafe AI mantiene un proprio elenco dei modi in cui il modello sbaglia le decisioni — leggere le domande alla lettera, conteggio e aritmetica, confronto di date e ore, indirezione, stati grandi e per lo più irrilevanti, contenuti ostili, istruzioni contraddittorie, l'ordine delle opzioni in una scelta e la generazione. Quell'elenco è composto da nove modalità di errore denominate, con un rimedio suggerito sotto ciascuna, ed è documentato fino alla versione a cui si applica. Non lo riproduciamo qui perché lo manteniamo già correttamente: Dove Jev 1.13 si rompe: l'elenco dei limiti di TypeSafe, slug jev-limitations, è la pagina da leggere prima di mettere questo dietro a qualsiasi cosa che conti, ed è la pagina che la maggior parte dei lettori di questo hub vuole davvero.

Pesi, licenza e cosa puoi scaricare

Jev 1.13 non è open source. TypeSafe AI non pubblica pesi del modello per esso né una licenza che ti permetta di eseguirlo autonomamente; ciò che l'azienda rende open source sono gli strumenti — SDK client e helper con licenza MIT e Apache-2.0 — mentre il modello resta un'API ospitata. Sul fronte dei dati, gli impegni pubblicati sono la promessa di non addestrare modelli sui dati dei clienti e la conservazione zero dei dati per i clienti enterprise. Quindi non esiste una risposta del tipo "quale quantizzazione devo scaricare" per Jev 1.13, né un GGUF, e chiunque ti dica il contrario sta descrivendo l'altra cosa che ha Jev nel nome.

L'artefatto scaricabile in questo angolo del mercato è RSI-Jev v6.0-VL, il modello 4B Apache-2.0 menzionato sopra, che puoi tenere sul tuo disco e servire da te. È un'opzione autentica se il tuo motivo per volere pesi aperti è che i pesi devono essere tuoi, ed è una reimplementazione della stessa idea piuttosto che un rilascio di Jev 1.13. Ne abbiamo discusso a lungo in Jev è open source? No, e un modello aperto di terze parti fa lo stesso lavoro — slug jev-open-source — quindi considera questa sezione come il puntatore e quella pagina come l'argomentazione. La versione in una riga: ciò che la licenza di TypeSafe AI e gli artefatti pubblicati consentono è chiamare Jev 1.13 tramite l'endpoint del fornitore o attraverso un gateway; ciò che non consentono, poiché non lo forniscono, è eseguirlo. Se hai bisogno dei pesi a portata di mano, la licenza che stai effettivamente valutando è l'Apache-2.0 di RSI-Jev, non quella di TypeSafe AI.

Il set di confronto

Sotto questo filone esistono cinque confronti testa a testa, ciascuno costruito attorno a un risultato misurato anziché a un'impressione generale. Se stai soppesando Jev 1.13 rispetto a qualcosa di specifico, vai dritto a quello che corrisponde, perché ciascuno di essi contiene un numero che questa pagina finirebbe solo per appiattire:

• jev-vs-claude-fable-5-1 — Jev vs Claude Fable 5.1: la partita a scacchi che ha misurato la cosa sbagliata. Fable 5.1 ha costruito una posizione vincente e ha perso al tempo; la metà utile della storia è cosa ti garantisce un limite di latenza di un millisecondo contro un modello che impiega secondi per mossa.

• jev-vs-deepseek-v4-1-flash — Jev contro D​eepSeek V4.1 Flash: Otto centesimi per mille non sono un fossato. Su 77 esempi del set standard di classificazione delle intenzioni, D​eepSeek V4.1 Flash si è collocato un centesimo per mille classificazioni dietro Jev 1.13 e quattro punti avanti in accuratezza, che è l'argomento onesto contro l'acquisto di un modello decisionale in base al prezzo.

• jev-vs-gpt-6-astraJev vs GPT-6 Astra: il giudice e l'imputato nella stessa comparazione. La dashboard che assegna a Jev 1.13 il punteggio più alto utilizza le valutazioni medie di GPT-6 Astra e Claude Fable 5.1 come risposte di riferimento, quindi l'accusato sta correggendo l'esame.

• jev-vs-kev — Jev vs Kev: un fine-tuning da $95 che batte Jev sui ticket di supporto. Kev è un modello open-weight con licenza Apache-2.0 che riproduce la forma della richiesta Choice / Score / Noul con circa $95 di tempo di fine-tuning, e vince sull'instradamento dei ticket di supporto mentre crolla sulle valutazioni generali più difficili.

• jev-vs-laya — Jev vs Laya: 33 millisecondi su una T4, e una baseline casuale. Laya è un modello decisionale da 421M con licenza Apache-2.0 di Convai Innovations, molto più portabile di Jev 1.13 e, secondo il suo stesso punteggio zero-shot pubblicato, fa peggio che rispondere sempre con la classe maggioritaria.

Altri due confronti si affiancano a quelli senza l'inquadramento "Jev vs", ed entrambi vale la pena conoscerli prima di concludere di aver letto tutto: openai-decisions-api-first-client-vs-jev, su cosa succede quando il più grande fornitore del mercato lancia una propria API decisionale, e rsi-jev-vs-laya, su come si confrontano le due alternative open-weight una volta che Jev 1.13 è fuori dai giochi. Se vuoi la classe del modello invece che i suoi rivali, jev-system-one — "System One" come Categoria di Modello — è la pagina che fa per te, e se vuoi il primo resoconto che abbiamo fatto su Jev prima che tutto questo esistesse, jev-typesafe-system-one-what-we-know è quella da leggere con le avvertenze annesse.

Ciò che non è stabilito

Due cose, e preferiamo nominarle anziché arrotondarle. In primo luogo, non è stata annunciata alcuna data di rilascio per la prossima versione di Jev — TypeSafe AI non ha pubblicato alcun numero di versione né alcuna data, e il suo blog non riporta affatto date per i singoli post, quindi le uniche date che possiamo sostenere sono quelle documentate altrove: una prima build pubblica il 2026-09-15, la rimozione da parte del fornitore della lista d'attesa per l'accesso anticipato il 2026-09-21, e l'arrivo del modello nel nostro catalogo il 2026-09-24. In secondo luogo, la valutazione indipendente di Jev 1.13 è esigua. I dati di accuratezza più diffusi provengono dalla dashboard del workflow di TypeSafe AI stessa, le cui risposte di riferimento sono giudizi medi di modelli anziché la verità di riferimento e la cui stessa documentazione segnala un possibile bias dell'infrastruttura di valutazione; la pagina sulla jaggedness del modello, che è il resoconto del fornitore stesso su dove fallisce, è stata rivista l'ultima volta il 2026-10-02 ed è un documento più onesto di qualunque tabella di benchmark abbiamo visto al riguardo.

Disponibilità su OrcaRouter

Nel nostro catalogo attivo abbiamo esattamente un modello Jev, ed è typesafe/jev-1.13 — scritto con la versione, perché la versione fa parte dell'ID e chi ne copia metà non ottiene nulla. Quella singola voce è disponibile oggi. Non stiamo affermando nulla su una cronologia delle versioni di Jev, e non stiamo affermando l'esistenza di nessun altro modello Jev: se una pagina, ovunque, ti dice che OrcaRouter fornisce jev-1.13.0, jev-latest o un Jev 2, la stringa corretta da chiamare è comunque quella sopra. Si trova dietro la stessa chiave di tutto il resto che instradiamo — 200+ modelli dietro un'unica chiave compatibile con OpenAI al prezzo di listino del provider, passato senza alcun ricarico (markup 0%) — con failover automatico tra provider, così un livello decisionale che smette di rispondere non porta giù con sé il percorso generativo, e così una variazione di prezzo di un fornitore arriva dalla nostra parte lo stesso giorno, anziché al ciclo di fatturazione successivo.

Quale pagina vuoi

Se sei arrivato qui da una casella di ricerca anziché da un link, è probabile che questo hub non sia la pagina che ti serviva e che una delle dieci qui sotto lo sia. È una lista breve di proposito.

• Se la tua domanda è in quali casi questa cosa darà la risposta sbagliata, leggi jev-limitations. Si tratta delle nove modalità di guasto del fornitore, verificate rispetto a ciò che possiamo vedere.

• Se la tua domanda è posso scaricarlo ed eseguirlo, leggi jev-open-source. La risposta breve è no per Jev 1.13 e sì per l'RSI-Jev non correlato, e quella pagina si occupa di separarli.

• Se la tua domanda è dovrei usare questo invece di X, leggi quella tra le cinque comparazioni qui sopra che menziona la tua X. Ognuna si basa su un singolo risultato misurato, e quella che conta di più per la tua decisione è quasi certamente lì dentro.

• Se la tua domanda è che cos'è esattamente un modello decisionale, leggi jev-system-one, che copre la classe anziché questo membro di essa.

• Se la tua domanda è semplicemente cos'è Jev, ecco la risposta: Jev 1.13, di TypeSafe AI, un modello decisionale System One che restituisce risposte tipizzate invece di scrivere prosa, richiamabile dalla nostra parte come typesafe/jev-1.13.