TypeSafe Jev 1.14：它是决策模型，不是聊天机器人

Jev 1.14 的类型化决策、$0.042/M 输入价格、概率输出、多语言更新、实验性图片能力与 SandBase decisions API。

作者 Evelyn Park模型介绍

TypeSafe Jev 1.14 标题与薄荷绿决策开关

Jev 1.14 虽然出现在模型目录里，但把它当聊天模型调用会从第一步就走偏。它不写回答，而是接收应用状态和一组类型化问题，返回选项、评分、概率或框。代码再根据置信度决定自动执行还是交给人。我们第一次请求偷懒传了 options 数组，直接 400；换成文档要求的 criteria 映射才得到有效结果。

TypeSafe 在 2026 年 10 月 14 日发布 Jev 1.14，这是第二版公开的 “System One” 决策模型。价格是每百万输入 token $0.042，输出不计费。稳定文本路径适合路由、分类和打分；图片、Box 和 262K 长上下文仍是官方明确标注“不够稳定”的实验功能。

先说结论

  • Jev 不生成自由文本，只返回预先声明的 choice、score、noul 概率和实验性 box。
  • 当前价格为输入 $0.042/M，输出 $0/M。
  • 默认限制是每请求 64K、每问题 32K；上游 danger-zone header 可把两者提高到 262K。
  • 我们 10 月 26 日在 SandBase 上把一条 SSO 故障正确分到 technical=1.0，紧急概率为 0.63。
  • 适合放进确定性工作流，不适合解释、写作、多轮聊天、音频或视频。

System One 模型是什么

Jev 1.14 是 TypeSafe AI 的闭源决策模型。官方把流程概括为 state → question → decision → action：程序提供记录或文档，声明问题和答案形状，再用普通 if 处理概率。

TypeSafe Jev 1.14 发布页，把图片、Box 与长上下文标为 danger-zone 功能 TypeSafe 10 月 14 日发布页把稳定的小幅模型改进和实验功能分开。截图于 2026-10-26。

它和 LLM 的 JSON mode 有本质差别：JSON mode 仍在生成 token，可能需要校验和重试；Jev 的接口把结果限制在问题类型里。不会类型错误，不等于不会判断错误。一个高置信度的错标签仍然是错，所以阈值和业务评测集不能省。

项目Jev 1.14
发布TypeSafe AI，2026-10-14
SandBase IDtypesafe/jev-1.14
上游 IDjev-1.14.0
稳定输入字符串、对象或数组形式的文本 state
稳定输出Choice、Score、Noul
实验功能图片、Box、262K 长上下文
默认上下文每请求 64K、每问题 32K
价格输入 $0.042/M，输出免费

四种问题，各有边界

choice 从 criteria 映射里选一项，同时返回完整概率分布；score 在自定义量尺上定位；noul 给出一个命题为真的概率；1.14 新增的 box 返回归一化框坐标和置信度，目前仍属实验功能。

TypeSafe Choice 文档展示 criteria 映射和带概率的返回值 Choice 文档要求每个候选项在 criteria 中有清楚边界，返回结果带概率分布。截图于 2026-10-26。

一次请求可以针对同一份 state 并行问多个独立问题，例如工单队列、紧急程度、情绪和是否需要人工复核。但这不是推理链：同一请求里的问题不能依赖另一个问题的答案，条件逻辑要留在代码里。

我们实际跑通的请求

第一次调用使用 options: ["billing", "technical", "account"]，SandBase 返回 400。正确写法是 criteria 对象：键是允许值，值解释每个选项负责什么。

curl https://api.sandbase.ai/v1/decisions \
  -H "Authorization: Bearer $SANDBASE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model":"typesafe/jev-1.14",
    "state":{"ticket":"启用 SSO 后三位同事无法登录，但发票正常。"},
    "questions":{
      "queue":{"type":"choice","instructions":"哪个团队处理？","criteria":{
        "billing":"扣款、发票和支付问题",
        "technical":"配置和认证故障",
        "account":"资料或订阅管理"
      }},
      "urgent":{"type":"noul","instructions":"是否需要紧急处理？"}
    }
  }'

返回值选择 technical，概率和 confidence 都是 1；urgent 为 0.63。用量是 371 输入、55 输出 token，按当前公式约 $0.000016，输出不计费。

一个概率不是指令。应用可以在队列 confidence 高于 0.8 时自动分单，但把 0.4–0.8 的紧急程度交给人。这些阈值属于产品政策，不是 Jev 给出的事实。

SandBase 的 Jev 1.14 模型页，展示 decisions 路由、价格和上下文 SandBase 当前列出 typesafe/jev-1.14：输入约 $0.04/M，输出 $0，页面显示每问题 32K 上下文。截图于 2026-10-26。

SandBase 通过 /v1/decisions 转发原生决策结构，并把响应中的模型名改为平台 ID；它不训练 Jev。

价格和真正的成本单位

371 token 的请求按公式是 $0.000015582。若一个月跑 100 万次相同大小的请求，共 3.71 亿输入 token，约 $15.58。把多个独立问题放在一次请求里，可以避免重复发送 state，但每个问题的 instructions 与 criteria 仍计入输入。

方案输出适合风险
Jev 1.14类型化概率路由、审核、排序不解释，阈值要评测
小型 LLM + JSON Schema生成 JSON抽取兼解释解析、重试、输出费用
规则引擎确定分支明确政策模糊语言容易脆
人工审核判断与解释高风险歧义慢且贵

更可靠的组合通常是：明确规则先处理，模糊中间段交给 Jev，置信度落在审核区间时升级给人或大模型。可继续看 5 种 Agent 设计模式 和 生产 Agent 护栏指南。

1.14 更新和限制

TypeSafe 称这版整体小幅提升，最大收益预期在多语言。但文档仍明确说英语最好，CJK 能处理但水平不等。中文工单必须用自己的样本验证，不能拿一句发布说明代替评测。

图片、box 和 262K 长上下文都需要上游 danger-zone 控制。TypeSafe 直说这些功能还有太多 jaggedness，不为生产场景背书。SandBase 当前公开 schema 只明确暴露 state 和 questions；除非具体路由写明并有一次带日期的成功调用，不要假定实验 header 与 assets 已透传。

常见问题

Jev 1.14 是 LLM 吗？

它能理解自然语言并做判断，但不是聊天或文本生成模型，输出是类型化决策和概率。

价格是多少？

TypeSafe 与 SandBase 当前都列出输入 $0.042/M，输出不计费。

Noul 是什么？

Noul 是 yes/no 问题类型，返回 0 到 1 的概率，而不是生成“是”或“否”。

能读图片吗？

TypeSafe 提供实验性图片输入和 Box 类型，但明确说尚不适合生产；还要核对你使用的路由是否透传相关字段。

应该用 alias 还是固定版本？

如果业务阈值依赖概率分布，应该固定版本。移动 alias 可能在代码不变时改变结果。

Jev 1.14 的价值恰恰在于它拒绝当聊天机器人。把 state 写清楚，用 criteria 拉开相邻选项，把最后权力留给代码。从 Jev 1.14 模型页 开始，然后用自己的标注样本校准阈值，再自动化有后果的分支。