Jev уже доступен — попробуйте бесплатно, без регистрации

Модель ИИ, которая возвращает
типизированные решения, а не текст.

Jev = быстрые типизированные решения для ИИ-агентов и ПО — choice, score или вероятность да/нет, за 70–500ms.

40–200× быстрее, чем LLMБесплатныйживой playground0 галлюцинаций по построению
Живой пример — реальное обращение в поддержку, три типизированных решения в одном вызове:
вводX post (12,400 likes, 1,900 reposts): "I quit my $240k job with no backup plan. Everyone said I was insane. 8 months later I'm making more than I ever…
Чтение сообщения…
POST jevtypesafeai.com/api/v1/decide
state — the input software gives Jev242c
questions — the typed decisions you want back
choicehook_type
What kind of hook does the first line use?
→ one of: open_loop, bold_claim, story, data, none
noulopens_loop
Does the hook open a curiosity loop the reader has to keep reading to close?
→ probability 0.0 … 1.0
noulfirst_line_number
Does the first line contain a specific number or dollar figure?
→ probability 0.0 … 1.0
choiceevidence
How is the claim backed up?
→ one of: demonstrated, claimed, none
scorevirality
How strong is this post's viral potential?
→ 0…3 · 4 levels
real API · free · no signup
Typed, calibrated output appears here.
Pick a demo, tweak the input, and hit Run Jev.
Как это работает

На входе хаотичный текст, на выходе типизированное решение

Вы передаёте Jev контекст и вопросы. Он возвращает вашему коду структурированные, откалиброванные значения — никакого текста для разбора.

ввод · state
Любой хаотичный текст, который уже есть у вашего ПО
Jev · System One
Оценивает каждый вопрос за один round trip · 70–500ms
вывод · типизированный
choicetopicbilling
scoreseverity3.0 / 3
noulescalateyes · 0.92
Значения, на которых ваш код может ветвиться напрямую
Первые шаги

Jev — это open source?

Нет — Jev это размещённая модель от TypeSafe AI, которую вызывают через API. Но инструменты вокруг неё открыты: awesome-jev, jev-mcp и интеграция с LangChain. Сама модель работает на серверах TypeSafe.

Как на практике использовать Jev?

Три пути: официальный доступ TypeSafe, шлюз (Vercel AI Gateway, OpenRouter или Cloudflare) или мгновенный размещённый ключ от нас. Полное руководство на странице «Получить Jev».

Для чего нужен Jev

Интеллект, который живёт внутри вашего ПО

Большей части интеллекта не нужно превращаться в окно чата. Jev принимает небольшие, быстрые, высокочастотные решения, которые раньше требовали хрупких правил или избыточного вызова LLM.

?

Маршрутизация и классификация

Отправьте тикет, письмо, событие или документ в нужное место с помощью одного типизированного choice и откалиброванных вероятностей.

▤

Оценка и приоритизация

Превратите нечёткие суждения — риск, срочность, качество, соответствие лида — в упорядоченный score, по которому можно задать порог.

✓

Защита и фильтрация

Задайте вопрос noul да/нет и получите вероятность, чтобы автоматически одобрять лёгкие случаи и эскалировать неопределённые.

70–500ms
Задержка ответа
$0.25–$0.42/M
Входные токены (вывод бесплатно)
255
Опций на choice
0
Ошибок типов, гарантированно
Где команды это используют

Один вызов — типизированное решение

Те же три примитива охватывают огромный диапазон небольших, быстрых суждений, которые ПО делает весь день. Несколько примеров:

Сортировка поддержки

escalate: yes · 0.92

Маршрутизация и приоритизация входящих тикетов

Модерация контента

allow: no · 0.08

Фильтрация постов пользователей до публикации

Отбор резюме

depth: 3.1 / 4

Оценка кандидатов по нескольким измерениям

Оценка лидов

fit: strong

Квалификация входящих лидов продаж

Риск в ревью кода

risk: high

Пометка рискованных pull request'ов

Guardrails для LLM

injection: yes · 0.97

Выявление джейлбрейков и prompt injection

Извлечение данных

department: receiving

Превращение свободного текста в типизированные поля

Сигнал оттока

sentiment: 3 / 3

Чтение настроения и намерения уйти

Попробуйте их в playground ▶
В цикле агента

Нечёткое if, которого не хватало вашему агенту

Агенты проводят большую часть времени на крошечных суждениях — срочно ли это, рискованно ли это, какая модель, нужно ли это ещё. Слишком нечётко для написанного вручную if, слишком мелко для фронтирной LLM. Это территория Jev.

⇄

Маршрутизация к нужной модели

Оцените сложность запроса и отправьте его на быструю, сбалансированную или фронтирную модель — паттерн, который поставляют LangChain и роутеры вроде pi-jev-router.

⛨

Guardrails для вызовов инструментов

Прежде чем агент выполнит команду shell или отредактирует файл, оцените риск и разрешите, подтвердите или заблокируйте — быстрая проверка безопасности в цикле.

↧

Сжатие контекста

Решайте keep / truncate / drop для каждого устаревшего результата инструмента, чтобы длинные сессии сокращались — дословно, без переписывания с потерями в виде резюме.

Попробуйте пресеты агента ▶Skill для агентов →Шлюзы и open-source инструменты →
Три примитива

Каждое решение относится к одному из трёх типов

Вы описываете state и вопросы. Jev оценивает их все за один round trip и возвращает типизированные значения с вероятностями.

C

choice

Выберите один из до 255 помеченных вариантов. Возвращает ключ-победитель, вероятности по каждому варианту и уверенность.

S

score

Разместите ввод на упорядоченном спектре из 2–10 уровней. Возвращает дробный score плюс полное распределение.

N

noul

Откалиброванное да/нет в виде вероятности от 0 до 1 — идеально для фильтров, gate'ов и guardrails.

Смотреть полные примеры API →

Направьте Jev на вашу самую сложную развилку

Вставьте свой state и вопросы в playground — он работает против реального API, бесплатно.

Открыть playground ▶
Jev от TypeSafe AI — попробуйте модель System One и её API · Jev by TypeSafe AI