Jev API: Mikä TypeSafen System One -malli on, mitä se maksaa ja milloin sitä kannattaa käyttää

Mikä Jev oikeastaan on

TypeSafe esitteli Jevin 15. syyskuuta 2026 ensimmäisenä "System One -mallina." Kehys tulee Kahnemanin teoksesta Thinking, Fast and Slow: nykyiset LLM:t käyttäytyvät kuin harkitseva, deliberatiivinen järjestelmä, ja TypeSafe rakentaa nopeaa, intuitiivista puoliskoa — paitsi että "intuitio" tarkoittaa tässä kalibroitua todennäköisyysjakaumaa vastausten yli, ei tekstiksi muutettua mutu-tuntumaa.

Nimi viittaa Jevonsiin, ja myyntipuhe on, että nopeaa, edullista päätösprimitiiviä kutsutaan paljon useammin kuin kallista.

Mekaaniset erot LLM:ään verrattuna ovat ratkaisevia insinöörityön kannalta:

• Tuotos on tyypitetty. Määrittelet vastauksen muodon etukäteen — Choice lueteltavissa olevien vaihtoehtojen yli, Score kuvailevien tasojen yli tai Noul (kyllä/ei) todennäköisyydellä. Vapaamuotoista tekstiä ei tarvitse jäsentää, ja skeeman noudattaminen on arkkitehtuurin ominaisuus eikä asia, jonka toivot mallin noudattavan.
• Saat todennäköisyydet, et vain valintaa. Choice palauttaa valitun vaihtoehdon sekä todennäköisyyden jokaiselle vaihtoehdolle ja erillisen confidence-arvon. Tämä mahdollistaa epävarmuuden perusteella reitittämisen: toimi kynnyksen yläpuolella, palaa isompaan malliin sen alapuolella.
• Kysymykset suoritetaan rinnakkain. Jev ottaa staten vastaan kerran ja arvioi jokaisen pyynnön kysymyksen sitä vasten samanaikaisesti. Kolmenkymmenen kysymyksen esittäminen yhden sijaan lisää hyvin vähän seinäkelloaikaa, mikä tekee alla olevista eräluokittelun käyttötapauksista mahdollisia.
• Se on kapea tarkoituksella. TypeSafen ohje on pitää ohjausvirta koodissasi ja antaa Jeville atomisia, jäsenneltyjä päätöksiä yhden suuren arvion sijaan. Tulosteessa ei ole peräkkäisrakennetta. TypeSafen perustaja on sanonut, että merkkijonot ja muut peräkkäiset tietorakenteet eivät ole sallittuja tulostuspuolella, ja ilmoitettu syy on juuri tämä: se on se, mikä mahdollistaa jokaisen vastauksen laskemisen rinnakkain, minkä vuoksi laskutettavia tulostustokeneita ei ole. Et voi pyytää Jeviä kirjoittamaan sinulle lausetta, ja tämä rajoitus on se, johon hinta perustuu.

Minimaalinen pyyntö näyttää tältä:

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Help! My payouts have been failing for 3 days.",
    "model": "jev-latest",
    "questions": {
      "is_urgent": { "type": "noul", "instructions": "Does this convey urgency?" }
    }
  }'

Jevin tekniset tiedot yhdellä silmäyksellä

Tekninen tieto	Jev 1.13
Mallitunnus	jev-1.13.0
Aliakset	jev-latest, jev-preview (molemmat osoittavat tällä hetkellä versioon 1.13)
Päätepiste	POST https://api.typesafe.ai/v1/systemone
Hinta	$42 miljardilta syötetokenilta / $0.042 per 1M
Lähtötokenien hinnoittelu	Ilmainen — laskutus vain syötteestä
Nopeusrajoitukset	250 000 tokenia/s ja 1 200 pyyntöä/minuutti, ilmoitettu dynaamisiksi
Kontekstin pituus	64k pyyntöä kohden (state plus kaikki kysymykset); 32k statelle ja pisimmälle kysymykselle
Syötetyypit	Teksti: merkkijono, JSON-objekti tai taulukko. Ei kuvaa, ääntä tai videota
Tuotos	Tyypitetyt Choice-, Score- ja Noul-vastaukset todennäköisyyksineen ja confidence-arvoineen
Asiakasohjelman SDK:t	Python typesafe-sdk, JavaScript @typesafe-ai/sdk
Mukautetut painot tiliä kohden	Ei. Jeviä ei hienosäädetä tai LoRA-soviteta asiakastiedoilla
Asiakkaiden koulutusdata	Ei. Pyyntöjä ja vastauksia ei käytetä koulutukseen

Mihin Jev sopii, ja mitä TypeSafe kehottaa pitämään koodissa

TypeSafe julkaisee myös jev-1.13:ta koskevan soveltamisalan yksityiskohtaisesti: yhdeksän aluetta, kullekin suositeltu malli, viimeksi tarkistettu 17. syyskuuta 2026.

#	Alue	TypeSafen ohje
1	Kirjaimellinen lukeminen — se vastaa kysymykseen, jonka kirjoitit, ei siihen, jota tarkoitit	Ilmoita tarkka ehto; laita rajatapaukset kriteereihin
2	Matematiikka ja numerot — se ei ole laskin eikä laske luotettavasti	Pidä aritmetiikka ja laskenta koodissa
3	Päivämäärän ja ajan vertailu — päivämäärät luetaan tekstinä, ei järjestettyinä suureina	Poimi osat; vertaa koodissa
4	Epäsuoruus — kaksoiskielteet ja monivaiheiset kysymykset heikentävät tarkkuutta	Vähennä vaiheita; osoita suoraan olennaiseen stateen
5	Suuri state täynnä epäolennaista yksityiskohtaa	Suodata ensin; lähetä vain se, mitä kysymys tarvitsee
6	Vihamielinen sisältö	Kirjoita tarkat ohjeet ja testaa rajatapaukset ennen käyttöönottoa
7	Ristiriitaiset ohjeet ja kriteerit	Kohdista ohje ja kriteerit toisiinsa
8	Maalaisjärjen rakenteelliset invariantit	Kysy jokainen päätös yhdellä tavalla; valvo identiteettejä koodissa
9	Generointi	Käytä generatiivista mallia

Kaksi näistä on käytännössä tärkeimpiä. Ensinnäkin laskeminen: dokumentaatio toteaa suoraan, että jev-1.13 "ei laske luotettavasti" — merkkejä sanassa, esiintymiä kohdassa, kohteita pitkässä luettelossa — ja että virhe kasvaa laskettavan kohteen koon myötä. Toiseksi generointi: Jev ei kirjoita yhteenvetoasi, vastaustasi tai commit-viestiäsi. Se päättää; jokin muu kirjoittaa.

TypeSafen oma suositeltu malli laskemiseen näyttää tarkoitetun työnjaon: iteroi ehdokkaiden yli koodissa, kysy yksi Noul per ehdokas ja laske vastaukset itse yhteen.

Mistä otsikkoluvut tulevat

Kaksi lukua kulkee lähes jokaisen Jev-keskustelun mukana. Ne tulevat eri lähteistä ja kuvaavat eri asioita.

0,7 sekuntia. Every julkaisi artikkelin otsikolla "TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds." Kyseisen kirjoituksen katalogisoivat build-hakemistot kuvaavat sitä 777 arvioksi 37 artikkelin yli. Emme voineet ladata koko artikkelin runkoa vahvistaaksemme sen kustannuslukua, joten suhtaudu kyseisen demon ympärillä mainittuun ajokohtaiseen kustannukseen kirjoittajan omana mittauksena, ei julkaistuna hintana.

724 mainosta, 40 sekuntia, noin 9 senttiä. Tämä on dokumentoitu kahdesti. Build-sivu madewithjev.com — 724 competitor ads, broken down toteaa, että 724 live-mainosta 37 brändiltä analysoitiin noin 40 sekunnissa. Kirjoittajan julkaisu X:ssä (17. syyskuuta 2026) lisää kustannuksen — "used 9 cents of tokens" — ja luettelee per mainos poimitut ulottuvuudet: hook, formaatti, tarjous, CTA, tietoisuuden vaihe ja laskeutumissivun epäsuhta.

Näiden kahden välinen ero kannattaa pitää mielessä: 0,7 sekuntia on mallin arviointiaika kappaleluokan korpuksella, kun taas 40 sekuntia kattaa 724 live-mainoksen noutamisen ja käsittelyn. Kumpikaan luku ei ole läpäisykykytakuu työkuormallesi.

Mitä yhteisö rakentaa sen avulla

Jevin käyttöönottoa on poikkeuksellisen helppo tarkastella, koska lähes kaikki ensimmäisellä viikolla julkaistu on avoimen lähdekoodin. Alla olevat tähtimäärät luettiin GitHub API:sta 20. syyskuuta 2026.

Selainten ja tietokoneiden käyttö. browser-use/jev-ultrafast (★10 113) tulee browser-use-organisaatiosta ja on projekti, joka asetti sävyn. Se tarjoaa kiinteän toimintavaruuden (CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED) ja pyytää Jeviä valitsemaan sekä toiminnon että kohde-elementin. Molemmat päätökset menevät yhteen TypeSafe-pyyntöön, ja kohdekysymys on merkitty spekulatiiviseksi. Vain TYPE_TEXT kutsuu tekstimallia, ja README:n oma esimerkki käyttää pientä sellaista. Sen esittelytehtävä — Zürichistä Lontooseen Google Flightsissa — on ilmoitettu 7,1 sekunniksi sisältäen tekstin generoinnin ja sivujen lataukset. Sivustokohtaisia skriptejä ei ole.

Koodausagentin kontekstin pakkaus. tamaratran/fast-jev-compaction (★4 544) päättää, mitkä työkalujen tulokset koodausagentin transkriptissa kannattaa vielä säilyttää, jotta pitkä istunto voidaan pakata ilman täyttä tiivistämiskierrosta. Muita agenttikehyksiä varten on olemassa porttauksia ja muunnelmia.

Agenttien suojakaiteet. DevMortimer/pi-warden (★99) ja shiftynick/jev-axi (★17) asettavat molemmat arvion jokaisen komennon tai työkalukutsun eteen: kysy ensin, estä vaaralliset. Tämä on malli, jossa "kalibroitu todennäköisyys plus kynnys omassa koodissa" on aidosti parempi kuin tekstivastaus, joka sinun on tulkittava.

Mallien reititys. vinilana/jev-gateway (★61) reitittää yksinkertaiset pyynnöt edulliselle tasolle ja eskaloitsee vain vaikeat. Se on suorin ilmaus TypeSafen omasta argumentista — että päätös voi maksaa murto-osan sen portittamasta generoinnista.

Pelit ja ohjausdemot. fhshaik/typesafe-mario (★289) pelaa Super Mario Bros. -peliä jäsennellystä emulaattorin statesta, ja RomanSlack/jev-drone (★81) ajaa dronen ohjaussilmukkaa MuJocossa. Nämä leviävät paljon nopeammin kuin valmistuvat; suhtaudu niihin rajapinnan esittelyinä, ei todisteina tuotantoluotettavuudesta.

Avoimet reproduktiot. Tämä on mielenkiintoisin ketju kenelle tahansa, joka haluaa kyvyn ilman uutta toimittajaa. TheoLeeCJ/SemIf (★2 123) ajaa avointa mallia yhdellä RTX 3090:llä kotona ja toteaa selvästi olevansa riippumaton TypeSafesta. TianyuCodings/NanoJev (★1 175) on pienimuotoinen reproduktio. convaiinnovations/laya on Apache-2.0-lisensoitu, kaupallisesti käytettävä enkooderi, jossa on RLCD-koulutetut päätösosat, julkaistu system-one- ja calibrated-decisions-tunnisteilla, ja mukana on ajuri repossa receptron/laya. Mikään näistä ei ole Jev, ja niiden julkaisemat vertailukaaviot ovat niiden omia; pointti on, että mallin muoto on toistettavissa.

Eräluokittelu. Yllä oleva mainosanalyysi on lippulaivaesimerkki, ja se on malli, joka todennäköisimmin kestää kosketuksen tuotantoon: pidä state kiinteänä, kysy monta kapeaa kysymystä yhdessä pyynnössä ja lue todennäköisyydet.

Onko Jev todella halvempi kuin edullinen LLM?

Ei syötetokenia kohden, ja tämä on osa, jonka useimmat kirjoitukset ohittavat. Jev veloittaa $0.042 per 1M syötetokenia. APIMasterissa gpt-5.6-luna on alennuksessa alkaen $0.022 per 1M syötetokenia — noin puolet Jevin syötehinnasta — kun glm-5.3-flash on $0.105 ja deepseek-flash $0.15. Halvimmat hostatut generatiiviset mallit alittavat jo Jevin syötehinnassa.

Jevin kustannusargumentti nojaa kolmeen muuhun asiaan:

• Ei lähtötokenia. Halvinkin generatiivinen malli tuottaa tekstiä jokaisesta arviosta, ja lähtö on hinnoiteltu useita kertoja syötettä korkeammaksi. Jev palauttaa todennäköisyyden ja lopettaa.
• Latenssi. TypeSafe julkaisee päästä päähän -vasteajat 70 ms – 500 ms ja kuvaa vertailua huippumalleihin System One -muotoisissa kyselyissä 40× – 200× nopeammaksi. Nopeus on se, mikä mahdollistaa päätöksen ajamisen pyyntöpolun sisällä jonon sijaan.
• Marginaaliset kysymykset ovat lähes ilmaisia. Koska kysymykset jakautuvat rinnakkain yhden staten yli, kymmenes kysymys maksaa murto-osan siitä, mitä kymmenes API-kutsu maksaisi.

Voittaako tämä, riippuu työkuormastasi. Jos arvioitasi ovat harvassa, pitkiä ja hyötyvät päättelystä, edullinen LLM jäsennellyllä tuotoksella on parempi ostos. Jos teet monta lyhyttä arviota työyksikköä kohden tai tarvitset vastauksen ennen kuin käyttäjä huomaa tauon, aritmetiikka muuttuu.

Voitko kutsua Jeviä OpenAI-yhteensopivalla avaimella?

Ei TypeSafen omaa päätepistettä vasten, ja ero on rakenteellinen eikä konfiguraatiokysymys:

• Eri reitti. TypeSafe dokumentoi yhden arviointipäätepisteen, /v1/systemone, ja /v1/models-listauksen. Dokumentoitua /chat/completions-päätepistettä ei ole.
• Eri runko. Pyyntö sisältää state-kentän ja kartan tyypitettyjä questions-kysymyksiä. OpenAI-tyylinen runko sisältää messages-kentän ja odottaa generoitua tekstiä takaisin.
• Eri vastaus. Saat todennäköisyydet ja confidence-arvot valitsemiesi kysymysnimien avaimina, et valmistumismerkkijonoa.

Toimittajan API:a vasten OpenAI-yhteensopivan asiakasohjelman saaminen keskustelemaan Jevin kanssa tarkoittaa käännöskerroksen kirjoittamista molempiin suuntiin — mitä yllä olevan reititysosion yhteisön yhdyskäytävät tekevät. Jev on onboarding-vaiheessa APIMasterissa, ja tämä sivu päivitetään, kun integraatio on julkaistu. Siihen asti nopean arvion live-vaihtoehto OpenAI-yhteensopivalla päätepisteellä on jokin alla olevista edullisista tasoista.

Mitä ajaa tänään, kun tarvitset nopeita arvioita

Jos se, mitä todella tarvitset, on arvio olemassa olevasta OpenAI-yhteensopivasta päätepisteestä, käytännön kysymys on, mille edulliselle tasolle se lähetetään. APIMasterin live-reitit 20. syyskuuta 2026:

Mallitunnus	Alennuksessa olevat reitit	Alkaen (syöte / lähtö per 1M)	Viite-listahinta	Likimääräinen alennus
gpt-5.6-luna	3	$0.022 / $0.134	$0.20 / $1.20	~89 % pois
glm-5.3-flash	3	$0.105 / $0.35	$0.15 / $0.50	~30 % pois
deepseek-flash	1	$0.15 / $0.60	Sama kuin DeepSeekin off-peak	Ei lisämaksua
gpt-5.6-terra	15	$0.12 / $0.72	$2.00 / $12.00	~94 % pois
gemini-3.8-flash	7	$0.20 / $1.00	$1.50 / $7.50	~87 % pois

Jev itse on vielä onboarding-vaiheessa kirjoitushetkellä; alla oleva taso on se, mitä ajaa sillä välin. Kolme huomiota taulukon lukemiseen. Hinnat ovat alin alennuksessa oleva reitti tarkistushetkellä, ja saman mallin eri reiteillä on eri hinnat — avaa mallikortti ennen kuin sitoudut volyymiin. deepseek-flash on hinnoiteltu DeepSeekin omalla off-peak-hinnalla, joten rehellinen ilmaus on "ei yhdyskäytävän lisämaksua", ei alennus. Ja alhaisempi syötehinta ei automaattisesti ole halvempi valinta: lähtöpituus, välimuistiosumien käyttäytyminen ja uudelleenyritysaste hallitsevat yleensä lopullista laskua.

Toimiva työnjako Jev-tyyliselle putkelle yhdellä avaimella:

1. Laita kapea, suurtaajuinen päätös pienelle, edulliselle tasolle ja portita omalla confidence-kynnykselläsi.
2. Eskaloi vain ne tapaukset, jotka jäävät kynnyksen alapuolelle, vahvemmalle mallille.
3. Pidä laskeminen, aritmetiikka ja päivämäärävertailu omassa koodissasi — sama neuvo, jonka TypeSafe antaa, ja se pätee jokaiseen taulukon malliin.

Luo APIMaster-tili, lisää pay-as-you-go-saldoa alkaen $1, luo avain konsolissa ja osoita OpenAI-yhteensopiva asiakasohjelma osoitteeseen https://apimaster.ai/v1 millä tahansa yllä olevista mallitunnuksista. Yksi avain kattaa GPT-, GLM-, DeepSeek-, Gemini- ja Claude-perheet, joten vaiheen 2 eskalaatiopolku pysyy samassa integraatiossa. Vahvista reitti mallitestaajalla ennen kuin siirrät tuotantoliikennettä.

FAQ

Mikä on Jev? Jev on TypeSafe AI:n System One -malli. Se ottaa staten sekä kartan tyypitettyjä kysymyksiä ja palauttaa kalibroituja todennäköisyyksiä — Choice-, Score- ja Noul-vastauksia — generoidun tekstin sijaan.

Onko Jev kielimalli? Ei — ja TypeSafen oma sanamuoto on vielä tiukempi kuin tuo. Julkaisuketjussa perustaja kuvaili sitä "jäsennellyksi datamalliksi, mutta teknisesti ei kielimalliksi (se ei tuota kieltä)". Se lukee lähettämäsi tekstin ja palauttaa tyypitettyjä päätöksiä todennäköisyyksineen ja luottamusarvoineen, eikä se koskaan tuota proosaa. TypeSafe sijoittaa sen RLHF-keskustelumallien ja RLVR-päättelymallien rinnalle kolmanneksi kategoriaksi eikä kummankaan pienemmäksi versioksi.

Mikä on Jevin mallitunnus? jev-1.13.0. Aliakset jev-latest ja jev-preview osoittavat tällä hetkellä samaan versioon; SDK:t käyttävät oletuksena jev-latest-aliasta.

Paljonko Jev maksaa? $42 miljardilta syötetokenilta, mikä on $0.042 per 1M syötetokenia. Lähtötokenit ovat ilmaisia, ja laskutus perustuu vain syötteeseen.

Onko Jev OpenAI-yhteensopiva? Ei TypeSafen omassa API:ssa. Se käyttää omaa POST /v1/systemone -päätepistettä, jonka runko on state plus questions, ja palauttaa todennäköisyyksiä valmistumisten sijaan, joten OpenAI-tyylinen asiakasohjelma ei voi kutsua sitä sellaisenaan. Jev on onboarding-vaiheessa APIMasterissa, ja tämä sivu päivitetään, kun integraatio on julkaistu.

Onko Jev saatavilla APIMasterissa? Ei vielä myynnissä — Jev on onboarding-vaiheessa APIMasterissa, ja tämä sivu päivitetään, kun integraatio on julkaistu. Sillä välin edullinen tekstitaso, jonka pariksi päätöskerros tulisi laittaa, on jo saatavilla; katso live-kortit malleille gpt-5.6-luna, glm-5.3-flash ja deepseek-flash.

Tukeeko Jev kiinaa ja muita ei-englanninkielisiä kieliä? TypeSafe ilmoittaa, että englanti on ensisijainen koulutuskieli ja että tarkkuus on tällä hetkellä parhaimmillaan siinä, ja että muita kieliä, mukaan lukien CJK, tuetaan mutta ei yhtä hyvin. Dokumentaatio kehottaa testaamaan omalla sisällölläsi ja seuraamaan confidence-arvoja reitityksessä.

Voinko hienosäätää Jeviä omalla datallani? Et. TypeSafe ei hienosäädä tai LoRA-sovita Jeviä asiakaskohtaisesti eikä kouluta asiakkaiden pyynnöillä tai vastauksilla. Verkkotunnuksen käyttäytymistä muovataan kunkin pyynnön statella, ohjeilla ja kriteereillä.

Mitkä tehtävät minun tulisi pitää poissa Jevistä? TypeSafe julkaisee yhdeksän: kirjaimellinen lukeminen, matematiikka ja numerot, päivämäärän ja ajan vertailu, epäsuoruus, suuret statet täynnä epäolennaista yksityiskohtaa, vihamielinen sisältö, ristiriitaiset kriteerit, maalaisjärjen rakenteelliset invariantit ja generointi. Laskeminen ja aritmetiikka kuuluvat koodiisi.

Voinko itse hostata vaihtoehdon? On olemassa avoimia reproduktioita — SemIf, NanoJev ja Apache-2.0-lisensoitu laya-enkooderi niiden joukossa — mutta ne ovat itsenäisiä projekteja omine vertailuarvoineen, eivät Jev. Suhtaudu julkaistuihin vertailuihin projektien omina mittauksina.

Milloin minun tulisi käyttää Jeviä edullisen LLM:n sijaan? Kun päätös on kapea ja tyypitetty, teet sen usein ja tarvitset sen takaisin sadoissa millisekunneissa sekuntien sijaan. Pitkän kontekstin päättelyyn, generointiin tai mihin tahansa, joka vaatii aritmetiikkaa, edullinen generatiivinen malli on parempi valinta.

Lähteet ja lisälukemisto

• TypeSafe — Models — mallitunnus, aliakset, $42/Btok-hinnoittelu, nopeusrajoitukset, kontekstibudjetti, kielituki ja tietojenkäsittely
• TypeSafe — Jev 1.13 jaggedness — alueet, jotka TypeSafe rajaa pois, ja suositeltu malli kullekin, tarkistettu 17. syyskuuta 2026
• TypeSafe — API reference ja Quick start — päätepiste, pyynnön ja vastauksen muodot, SDK:n käyttö
• TypeSafe — Introducing System One Models and Jev — julkaisupostaus, 70–500 ms päästä päähän -luku ja 40×–200× vertailu
• Hacker News -keskustelu — 1 918 pistettä julkaisuketjussa
• browser-use/jev-ultrafast — toimintavaruus, yhden pyynnön toiminto-ja-kohde-suunnittelu ja Google Flights -esittely
• Made with Jev — 724 competitor ads, broken down — mainosanalyysin build-sivu, sekä kirjoittajan julkaisu
• Every — TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds Avoimet reproduktiot. Tämä on kiinnostavin ketju kenelle tahansa, joka haluaa kyvyn ilman uutta toimittajaa. TheoLeeCJ/SemIf (★2,123) ajaa avointa mallia yksittäisellä RTX 3090:llä kotona ja on eksplisiittinen siitä, että se on riippumaton TypeSafesta. TianyuCodings/NanoJev (★1,175) on pienimuotoinen reproduktio. convaiinnovations/laya on Apache-2.0-lisensoitu, kaupallisesti käytettävä luokittelumalli, joka on koulutettu RLCD:llä, julkaistu system-one- ja calibrated-decisions-tunnisteilla, ja sen mukana tulee ajuri repositoriossa receptron/laya. Mikään näistä ei ole Jev, ja niiden julkaisemat benchmark-kaaviot ovat niiden omia; pointti on, että mallin muoto on toistettavissa.

TypeSafen mallidokumentaatio ja soveltamisalan huomautukset tarkistettiin 20. syyskuuta 2026; tähtimäärät ja APIMasterin reittihinnat luettiin samana päivänä. Jevin APIMaster-onboarding on käynnissä ja tämä sivu päivitetään sen edetessä. Hinnoittelu, nopeusrajoitukset ja projektin tila muuttuvat — vahvista live-kortilta tai toimittajan omalta sivulta ennen kuin sitoudut työkuormaan.