对任意文本提问,约半秒内得到类型化、校准过的答案——一个选项、一个分数,或带概率的是/否。是你软件能直接据以行动的决策,而不是要人读的散文。
选一个场景或自己写,编辑问题,点击运行。下面每个答案都是一次真实 API 调用。
Jev 是 TypeSafe AI 的首个 System One 模型。Jev AI 让你在浏览器里试玩它,也能用 API 调用它。
你代码可直接分支处理的数字和标签——绝不是要解析的一段话。
每个答案都带有诚实的置信度,用 RLCD 训练而来。
一次同时问一个选项、一个分数和一个是/否——全部并行作答。
单次类型化 POST —— 兼容 TypeSafe,任何语言都能直接接入。
声明你想要的形状,就精确拿回那个形状——类型化,并附带背后的概率。
答案为“是”的概率,介于 0 到 1 之间。用于闸门、检查和护栏。
返回你其中一个键,并给每个选项一个概率。用于路由和分类。
在你定义的有序刻度上给出一个数字,附带分布。用于优先级、风险和质量。
从现成示例开始——客服分流、内容审核、路由——或自己写。
声明你想要的答案:一个选项、一个分数、一个是/否。可一次问多个。
一次真实调用在 ~70–500ms 内返回类型化、校准过的答案。浏览器里免费。
拿一个 jv_live_ key,就是单次 POST —— TypeScript 里约 30 行。
在 Jev AI、LLM、开源/本地路线或开源自建之间权衡?每一项都有完整拆解。
免费试用完整模型,无需信用卡——就在浏览器里。
输出免费。约 $0.001 一次决策,按 ~$0.42 / M 输入 token。
买积分或按 token 计费——都是同一个托管模型。
Jev AI 是 TypeSafe AI 出品的托管决策模型。它不像 LLM 那样写文字,而是在约 70–500ms 内返回类型化、校准过的答案——一个选项、一个分数,或带概率的是/否——让软件能直接据以行动。
能。本页的 playground 免费运行真实模型,无需注册——上手就有欢迎积分。要用它来开发就买一个 jv_live_ key;每次调用约 $0.001,按输入 token 计费,输出免费。
不是。LLM 生成供人阅读的自由文本;Jev AI 返回供程序据以行动的类型化值——快得多也便宜得多。两者常一起用:LLM 负责写,Jev 负责判断。
TypeSafe AI。Jev 是他们的 “System One” 模型——快速、直觉式的判断——通过托管 API 提供。
模型本身闭权重且托管,所以没有可下载的权重。周边工具——如 GitHub 上的 jev-mcp 服务器——是开源的。也存在开权重、类 Jev 的替代方案(如 Laya)可本地使用。
每次决策约 70–500ms——比前沿 LLM 大约快 40–200 倍,因为它返回一个小的类型化答案,而不是生成大段文字。
能。一次调用传入多个问题,每个都会独立返回类型化结果——在一个请求里对同一输入完成分类、打分和把关。
在软件和 AI agent 里做路由、分类、打分、审核和安全闸门——任何需要快速、机器可读的决策而非散文的地方。