近日，TypeSafe AI 正式发布旗下首个 System One Model——Jev。这一模型并不以聊天、写作或长文本生成为主要目标，而是针对软件系统中的分类、评分、路由和条件判断进行优化。TypeSafe 将其定义为一种“面向机器”的 AI 模型：输入程序状态和预先定义的问题后，Jev 可直接返回结构化决策及相应概率，供软件继续执行后续逻辑。
目前 Jev 主要支持 Choice、Score 和 Boolean 三类判断。Choice 可从多个候选项中选择最合适的结果，例如判断客服工单应该进入销售、技术支持还是退款流程；Score 可用于评估紧急程度、风险、内容质量等指标；Boolean 则用于判断某个条件是否成立，并返回对应概率。多个问题还可以在一次请求中并行处理。
与传统 LLM 按 Token 顺序生成文本不同，Jev 更强调软件可以直接读取的类型化输出和置信度。开发者可以根据概率设置不同阈值，例如高置信度时自动执行，低置信度时交由人工审核，因此更适合 Agent 工具选择、工作流分支、风险判断、模型结果验证等自动化场景。
TypeSafe 还为这类模型提出了 RLCD（Reinforcement Learning for Calibrated Decisions） 训练方法，重点优化决策及其概率校准。官方公布的 Jev 输入价格为 每 10 亿 Token 42 美元，即约 0.042 美元 / 百万 Token。TypeSafe 自有工作流测试显示，Jev 在部分 System One 任务中最高可达到 193.6 倍速度提升和 444.6 倍成本降低，不过这些数据来自 TypeSafe 自建评测，应主要作为其特定自动化任务的参考，而不是通用模型性能对比。
目前 Jev 仍处于 Early Access 阶段，TypeSafe 尚未公开其参数规模和模型权重。9 月 16 日，Vercel 已宣布 Jev 接入 AI Gateway，开发者可通过 typesafe-ai/jev 调用。
