Jev：TypeSafe 的决策模型是什么，以及你实际需要哪个页面

Jev 是 TypeSafe AI 制作的一个决策模型：你向它发送一段状态和一组具名问题，它会为每个问题返回一个有类型的答案——一个来自你提供的列表的标签、一个按你定义的评分标准给出的分数，或者一个附带概率的是/否判断——而不是回写一句话。如今在用的模型是 Jev 1.13，其供应商版本化 ID 为 jev-1.13.0；它属于 TypeSafe AI 称为 System One 的一个模型类别；其背后的实验室是 TypeSafe AI，一家在 typesafe.ai 发布内容的小型旧金山公司。在 OrcaRouter 上，确切的字符串是 typesafe/jev-1.13。这些是四种不同的事物——一个模型、一个版本、一个类别和一家公司——而来到这个页面的人中，很大一部分正在寻找其中某一个，却不确定是哪一个。其中不少人是从用中文输入的搜索词来到这里的：查询 jev模型 和 jev 模型 合计带来了我们为这个名称衡量的九千多次展示，而这些读者想要的是标识符，而不是翻译。它们中任何一个都没有中文名称。Jev、Jev 1.13、jev-1.13.0 和 typesafe/jev-1.13 在任何语言中都写作相同的形式，下面这些字符串就是要复制的。

本页是名为 Jev 的参考条目。它不是发布公告：Jev 1.13 于 2026-09-15 首次公开出现，这使它远远超出本博客撰写新闻所覆盖的七天窗口，而 TypeSafe AI 从未在其自己的博客上发布过按帖子标注的日期，因此，无论你从哪里看到某个单日“Jev 发布日期”，都应将其视为某人的快照，而不是厂商在宣布任何事情。相反，本页是索引。本站已有的其他 Jev 页面各自回答一个具体问题；而这一页则告诉你 Jev 是什么，厘清命名，并为你实际想查明的事情指向正确的页面。

这些名称，以及为什么这么多人认为它们是三款产品

TypeSafe AI 就是这家公司。它构建其所谓的面向自动化的机器原生智能基础设施，由 Diogo Almeida（CEO）与 Sasha Sheng（COO）和 Erik Gafni（CTO）共同创立，并在隐身两年后，以由 Andreessen Horowitz 领投、Sequoia Capital 和 DCVC 参投的 A 轮融资结束隐身状态。其官网写着这样一句话：“我们构建的是生产环境，而不是上帝。”当读者输入“typesafe”这一个词并意指那个 AI 模型时，指的就是这个实体——而不是同一个词所拼写出的编程语言形容词。

System One 是一个类别。TypeSafe AI 将其作为一种模型类别推出，旨在做出快速、结构化、可供软件直接使用的决策，其名称借用了行为经济学中的 System 1 / System 2 划分：认知中快速、模式匹配的那一半。该类别定义刻意保持狭窄。System One 模型不撰写回复、不生成代码，也不对其推理过程作出解释；截至当前文档，输入侧仅支持文本。Jev 1.13 是 TypeSafe AI 的旗舰模型，也是该类别中的首个成员；如今 TypeSafe AI 推出的其他任何产品都不是 System One 模型。

Jev 就是产品。它是你所指称的东西，也是本页面、此名称下的其他页面以及本词干中的每一项比较所讨论的对象。版本是产品身份的一部分，而不是脚注；大多数混淆正是由此开始，因此值得精确地命名这些字符串：

• jev-1.13.0——供应商的带版本号模型 ID，即 API 在响应的 model 字段中返回的值，用于告知你是哪个构建响应了你。

• jev-latest —— 一个 TypeSafe AI 别名，意为最新的稳定官方发布版本。目前它解析为 jev-1.13.0，且是 SDK 的默认版本。

• jev-preview —— 第二个别名，指向最新版本，无论它是否为正式版。由于目前不存在预览构建，它现在也解析为 jev-1.13.0；文档中对此有明确说明。

• typesafe/jev-1.13 — 这是我们这边的目录 ID；如果你通过 OrcaRouter 调用，要复制的就是这个。

• Jev 1.13——在正文和搜索框中使用的名称。“Jev 1.13”和“Jev”不是两个模型。

还有一个名字容易让人误解，它与其说是一种关联，不如说是一个陷阱。RSI-Jev是一个小型 4B 视觉语言模型，于 2026-10-06 以 Apache-2.0 许可发布，发布者与 TypeSafe AI 并无关联，其模型卡本身也声明它不隶属于 TypeSafe AI。如果你搜索 Jev，找到一个可下载的检查点，然后纳闷为什么 TypeSafe AI 还在为它卖 API，原因就在这里：它们是两个不同的东西，只是共享三个字母。两者的完整对比，包括这个分支能做什么、不能做什么，见 RSI-Jev vs Jev 1.13: One You Download, One You Call；而关于身份问题的专门说明，见 What Is RSI-Jev?。

如果你想要的不是命名，而是模型的行为，那么对应的页面是jev-model-explained，其中介绍了为什么返回的答案会是标签，以及这对提示词有什么影响。

Jev 1.13 是为什么而构建的

Jev 1.13 专为在模型运行之前就已经是闭式答案的决策而构建。你要么提供标签列表，要么定义量表，要么陈述断言；模型的任务是选择、打分或证明，并为其答案附上一个概率。请求中的每个问题都会针对状态的单次共享读取并行评估，而不是一个接一个地评估，因此在一个请求中附加二十个问题所花的时间几乎不比附加一个问题多——也正因如此，根本没有可计量的输出 token。文档中记录的适用场景都是那些不起眼但会大规模运行的场景：路由和分类、护栏检查、智能体循环中的逐轮验证，以及按照固定评分标准对大量文档进行评分。

它不做的是写作。它不产出散文、不产出代码，也不解释自己的推理过程，并且不接受图像或音频输入。形态是另一个约束：文档记载的预算是每请求 64K token，其中 32K 可供状态与其最长的问题一同使用——对于一份状态再加上它的问题来说算是宽裕，但它不是长上下文模型，因此，依赖一次性读完一整份合同的工作流，是 Jev 1.13 无法承担的工作流。除了形态之外，TypeSafe AI 还维护着一份自己的清单，列出这个模型做错决策的各种情形——按字面理解问题、计数与算术、日期与时间比较、间接指代、体量庞大却大多无关的状态、对抗性内容、相互矛盾的指令、选择题中选项的排列顺序，以及生成。那份清单是九种已命名的失效模式，每一种之下都附有一条建议的补救办法，而且文档记录一直细到它所适用的版本。我们在这里不复述它，因为我们已经妥善维护了它：《Jev 1.13 何处失效：TypeSafe 自己的局限清单》，slug jev-limitations，就是你在把这项技术放到任何要紧事情背后之前该读的页面，也是这个中心的大多数读者真正想要的页面。

权重、许可证以及你可以下载的内容

Jev 1.13 并非开源。TypeSafe AI 没有为它发布任何模型权重，也没有发布任何允许你自己运行它的许可证；该公司开源的是工具——以 MIT 和 Apache-2.0 许可发布的客户端 SDK 和辅助工具——而模型本身仍是托管 API。在数据方面，已公布的承诺是不用客户数据训练模型，以及对与企业客户实行零数据留存。因此，对于 Jev 1.13，不存在“我该下载哪个量化版本”这种答案，也没有 GGUF，任何告诉你不是这样的人，描述的都是另一个名字里带 Jev 的东西。

市场这一角落可下载的产物是 RSI-Jev v6.0-VL，即上文提到的 4B Apache-2.0 模型，你可以把它存在自己的磁盘上并自行提供服务。如果你想要开放权重的理由正是权重必须归你所有，那么它是一个货真价实的选择；而且它是对同一思路的重新实现，而不是 Jev 1.13 的一次发布。我们在《Jev 是开源的吗？不是，而一个开放的第三方模型也能胜任同样的工作》一文中对此做了详尽论证——slug jev-open-source——所以请把本节当作指引，把那篇文章当作论证。一句话版本：TypeSafe AI 的许可证和已发布的产物所允许的，是通过厂商端点或经由网关调用 Jev 1.13；而它们不允许的——因为它们并未提供——是自己运行它。如果你需要把权重握在手中，那么你实际在评估的许可证是 RSI-Jev 的 Apache-2.0，而不是 TypeSafe AI 的。

比较集

本主题下共有五组一对一对比，每一组都围绕一项实测结果展开，而不是泛泛的印象。如果你正要把 Jev 1.13 与某个具体对象进行比较，请直接找到与之匹配的那一组，因为其中每一组都包含一个本页只会抹平的数字：

• jev-vs-claude-fable-5-1 — Jev 对阵 Claude Fable 5.1：一场衡量错了对象的国际象棋对局。Fable 5.1 走出了胜势，却因超时输掉了比赛；这个故事里真正有用的那一半，是面对一个每步要花上数秒的模型时，毫秒级的延迟下限能为你换来什么。

• jev-vs-deepseek-v4-1-flash — Jev 对阵 D​eepSeek V4.1 Flash：千次八美分算不上护城河。在标准意图分类集的 77 个样本上，D​eepSeek V4.1 Flash 每千次分类仅比 Jev 1.13 贵一美分，准确率却领先四个百分点——这正是反对仅凭价格选购决策模型的实在理由。

• jev-vs-gpt-6-astra — Jev 对决 GPT-6 Astra：同一场对比中的法官与被告。给 Jev 打出最高分 1.13 的那个仪表盘，是以 GPT-6 Astra 与 Claude Fable 5.1 的平均评判结果作为参考答案，也就是说，被告在给自己的考卷打分。

• jev-vs-kev — Jev 对比 Kev：一次 95 美元的微调，在支持工单上击败 Jev。Kev 是一个 Apache-2.0 开放权重模型，能以约 95 美元的微调成本复现 Choice / Score / Noul 的请求形态，并在支持工单路由上胜出，却在更难的通用评估中表现崩塌。

• jev-vs-laya — Jev 对比 Laya：在 T4 上耗时 33 毫秒，以及一个随机基线。Laya 是 Convai Innovations 推出的 421M Apache-2.0 决策模型，其可移植性远超 Jev 1.13，但按其自身公布的零样本得分，它的表现还不如始终回答多数类。

另外还有两篇比较文章，与那些没有采用“Jev vs”框架的文章并列；在你断定自己已经读完所有内容之前，这两篇都值得了解：openai-decisions-api-first-client-vs-jev，讲的是市场上最大的供应商推出自己的决策 API 时会发生什么，以及rsi-jev-vs-laya，探讨一旦 Jev 1.13 不再参与比较，两个开放权重替代方案会如何对比。如果你想要的是该模型所属的类别，而不是它的竞争对手，jev-system-one——作为模型类别的“System One”——就是讲这个的页面；而如果你想要的是这一切尚未出现之前我们对 Jev 所做的最早报道，jev-typesafe-system-one-what-we-know就是那篇需要连同所附注意事项一起阅读的文章。

什么尚未确定

有两点，我们宁愿把它们点明，也不愿一笔带过。第一，下一个 Jev 版本尚未公布发布日期——TypeSafe AI 没有发布任何版本号，也没有给出日期，而且其博客根本不标注每篇文章的日期，因此我们唯一能站得住脚的日期，只有别处有记录的这些：2026年9月15日的首个公开构建，供应商于2026年9月21日取消抢先体验等候名单，以及该模型于2026年9月24日进入我们自己的目录。第二，对 Jev 1.13 的独立评估很少。流传最广的准确率数字来自 TypeSafe AI 自己的工作流仪表板，其参考答案是取平均后的模型判断，而非真实基准；其自己的文档也指出可能存在评测框架偏差；该模型的“参差不齐”页面，即供应商自己对它在何处失败的说明，最后一次审阅是在2026年10月2日，它比我们见过的任何关于它的基准测试表都更诚实。

OrcaRouter 上的可用性

我们的线上目录中恰好只有一个 Jev 模型，它就是 typesafe/jev-1.13——必须连版本号一起写，因为版本号是 ID 的组成部分，读者只复制一半就什么也调不到。这唯一的条目现在即可使用。我们不对 Jev 的版本历史作任何声称，也不对任何其他 Jev 模型作任何声称：如果任何地方的某个页面告诉你 OrcaRouter 提供 jev-1.13.0、jev-latest 或 Jev 2，正确的调用字符串依然是上面那一个。它与我们路由的所有其他内容共用同一把密钥——200+ 个模型通过一把兼容 O​penAI 的密钥，按提供商列表价、0% 加价透传——并具备跨提供商的自动故障转移，因此某个决策层停止应答时不会把生成路径一并拖垮，供应商调价也能在当天反映到我们这边，而不必等到下一个计费周期。

您想要哪一页

如果你是从搜索框而不是从链接来到这里的，那很可能这个中心页并不是你需要的页面，而下面十个页面之一才是。这份列表是特意保持简短的。

• 如果你的问题是这个东西会在哪里答错，请阅读jev-limitations。其中列出了厂商的九种失效模式，并对照我们所能看到的情况进行了核查。

• 如果你的问题是我能下载并运行它吗，请阅读jev-open-source。简短的回答是：Jev 1.13 不行，而与之无关的 RSI-Jev 可以，那个页面正是用来把两者区分开的。

• 如果你的问题是我该用这个而不是 X 吗，请阅读上面五项对比中提及你的 X 的那一项。每一项都基于一个实测结果，而对你的决定最重要的那一个，几乎肯定就在其中。

• 如果你的问题是决策模型到底是什么，那么请阅读jev-system-one，它介绍的是整个类别，而不是其中的这个成员。

• 如果你的问题只是什么是 Jev，那答案已经给你了：Jev 1.13，来自 TypeSafe AI，一个 System One 决策模型，它返回的是类型化答案，而不是撰写散文，可在我们这边以 typesafe/jev-1.13 调用。