Jev API: czym jest model System One od TypeSafe, ile kosztuje i kiedy go używać

Czym Jev właściwie jest

TypeSafe wprowadził Jev 15 września 2026 jako pierwszy „model System One". Ramy pochodzą z Thinking, Fast and Slow Kahnemana: obecne LLM zachowują się jak system rozumujący, deliberatywny, a TypeSafe buduje szybką, intuicyjną połowę — z tym że „intuicja" oznacza tu skalibrowany rozkład prawdopodobieństwa nad odpowiedziami, a nie przeczucie wyrażone jako tekst.

Nazwa nawiązuje do Jevonsa, a założeniem jest, że szybki, tani prymityw decyzyjny jest wywoływany znacznie częściej niż drogi.

Różnice mechaniczne względem LLM są tym, co ma znaczenie dla inżynierii:

• Wyjście jest typowane. Z góry deklarujesz kształt odpowiedzi — Choice nad wyliczalnymi opcjami, Score nad opisowymi poziomami lub Noul (tak/nie) z prawdopodobieństwem. Nie ma dowolnego tekstu do parsowania, a zgodność ze schematem jest właściwością architektury, a nie czymś, na co liczysz, że model spełni.
• Dostajesz prawdopodobieństwa, nie tylko wybór. Choice zwraca wybraną opcję plus prawdopodobieństwo dla każdej opcji oraz osobną wartość confidence. To pozwala kierować na podstawie niepewności: działaj powyżej progu, przełącz się na większy model poniżej.
• Pytania działają równolegle. Jev przyswaja stan raz i ocenia każde pytanie w żądaniu względem niego jednocześnie. Zadanie trzydziestu pytań zamiast jednego dodaje bardzo niewiele czasu zegarowego, co umożliwia opisane poniżej przypadki klasyfikacji wsadowej.
• Jest celowo wąski. Wytyczna TypeSafe mówi, aby trzymać przepływ sterowania w swoim kodzie i dawać Jevowi atomowe, strukturalne decyzje zamiast jednego dużego osądu.
• Wyjście nie ma struktury sekwencyjnej. Założyciel TypeSafe powiedział, że ciągi znaków i inne sekwencyjne struktury danych nie są dozwolone po stronie wyjścia, a podany powód jest właśnie taki: to pozwala obliczyć każdą odpowiedź równolegle, dlatego nie ma tokenów wyjściowych do rozliczenia. Nie możesz poprosić Jev, żeby napisał ci zdanie, i to ograniczenie jest podstawą ceny.

Minimalne żądanie wygląda tak:

curl -X POST "https://apimaster.ai/v1/systemone" \
  -H "Authorization: Bearer $APIMASTER_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?" }
    }
  }'

Specyfikacja Jev w skrócie

Specyfikacja	Jev 1.13
ID modelu	jev-1.13.0
Aliasy	jev-latest, jev-preview (oba obecnie wskazują na 1.13)
Endpoint APIMaster	POST https://apimaster.ai/v1/systemone
ID modelu APIMaster	jev-latest
Cena	42 USD za miliard tokenów wejściowych / 0,042 USD za 1M
Cena wyjścia	Darmowe — rozliczenie tylko za wejście
Limity szybkości	250 000 tokenów/s i 1200 żądań/minutę, podane jako dynamiczne
Długość kontekstu	64k na żądanie (stan plus wszystkie pytania); 32k dla stanu plus najdłuższego pytania
Typy wejścia	Tekst: ciąg znaków, obiekt JSON lub tablica. Bez obrazu, dźwięku i wideo
Wyjście	Typowane odpowiedzi Choice, Score i Noul z prawdopodobieństwami i pewnością
SDK klienta	Python typesafe-sdk, JavaScript @typesafe-ai/sdk
Własne wagi na konto	Nie. Jev nie jest dostrajany ani adaptowany przez LoRA danymi klienta
Dane treningowe od klientów	Nie. Żądania i odpowiedzi nie są używane do treningu

Gdzie pasuje Jev, a co TypeSafe każe zostawić w kodzie

TypeSafe publikuje również szczegółowo zakres jev-1.13: dziewięć obszarów, każdy z zalecanym wzorcem, ostatnio sprawdzony 17 września 2026.

#	Obszar	Wytyczna TypeSafe
1	Dosłowne czytanie — odpowiada na pytanie, które napisałeś, a nie na to, które miałeś na myśli	Podaj dokładny warunek; umieść przypadki brzegowe w kryteriach
2	Matematyka i liczby — to nie kalkulator i nie liczy niezawodnie	Trzymaj arytmetykę i liczenie w kodzie
3	Porównywanie dat i czasu — daty są czytane jako tekst, a nie uporządkowane wielkości	Wyodrębnij składniki; porównuj w kodzie
4	Pośredniość — podwójne przeczenia i pytania wieloetapowe kosztują dokładność	Zmniejsz liczbę kroków; wskazuj bezpośrednio na istotny stan
5	Duży stan pełen nieistotnych szczegółów	Najpierw filtruj; wysyłaj tylko to, czego potrzebuje pytanie
6	Treść wrogа	Pisz precyzyjne instrukcje i testuj przypadki brzegowe przed wdrożeniem
7	Sprzeczne instrukcje i kryteria	Zgodź instrukcję z kryteriami
8	Zdroworozsądkowe niezmienniki strukturalne	Zadawaj każdą decyzję w jeden sposób; egzekwuj tożsamości w kodzie
9	Generowanie	Użyj modelu generatywnego

Dwa z nich mają największe znaczenie w praktyce. Po pierwsze, liczenie: dokumentacja mówi wprost, że jev-1.13 „nie liczy niezawodnie" — znaków w słowie, wystąpień w fragmencie, elementów na długiej liście — i że błąd rośnie wraz z rozmiarem liczonej rzeczy. Po drugie, generowanie: Jev nie napisze twojego podsumowania, twojej odpowiedzi ani komunikatu commita. On decyduje; coś innego pisze.

Własny zalecany wzorzec TypeSafe dla liczenia pokazuje zamierzony podział pracy: iteruj po kandydatach w kodzie, zadaj jedno Noul na kandydata i sam zsumuj odpowiedzi.

Skąd pochodzą liczby z nagłówków

Dwie liczby towarzyszą niemal każdej dyskusji o Jev. Pochodzą z różnych źródeł i opisują różne rzeczy.

0,7 sekundy. Every opublikował artykuł zatytułowany „TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds". Indeksy buildów, które katalogują ten tekst, opisują go jako 777 osądów w 37 artykułach. Nie udało nam się załadować pełnej treści artykułu, aby potwierdzić podaną w nim kwotę kosztu, więc koszt na przebieg cytowany wokół tego demo traktuj jako własny pomiar autora, a nie opublikowaną stawkę.

724 reklamy, 40 sekund, około 9 centów. Ten przypadek jest udokumentowany dwukrotnie. Strona builda madewithjev.com — 724 competitor ads, broken down podaje, że 724 aktywne reklamy od 37 marek przeanalizowano w około 40 sekund. Post autora na X (17 września 2026) dodaje koszt — „used 9 cents of tokens" — i wymienia wymiary wyodrębniane dla każdej reklamy: hook, format, oferta, CTA, etap świadomości i niedopasowanie strony docelowej.

Warto zachować rozróżnienie między tymi dwoma: 0,7 sekundy to czas oceny modelu na korpusie o skali akapitu, podczas gdy 40 sekund obejmuje pobranie i przetworzenie 724 aktywnych reklam. Żadna z tych liczb nie jest gwarancją przepustowości dla twojego obciążenia.

Co społeczność buduje z jego pomocą

Przyjęcie Jev jest wyjątkowo łatwe do zbadania, ponieważ niemal wszystko opublikowane w pierwszym tygodniu jest open source. Liczby gwiazdek poniżej odczytano z API GitHub 20 września 2026.

Użycie przeglądarki i komputera. browser-use/jev-ultrafast (★10 113) pochodzi od organizacji browser-use i to projekt, który nadał ton. Udostępnia stałą przestrzeń akcji (CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED) i prosi Jev o wybór zarówno operacji, jak i elementu docelowego. Obie decyzje trafiają do jednego żądania TypeSafe, przy czym pytanie o cel jest oznaczone jako spekulatywne. Tylko TYPE_TEXT wywołuje model tekstowy, a przykładowy w README używa małego. Jego zadanie demonstracyjne — Zurych do Londynu w Google Flights — jest podane jako 7,1 sekundy, łącznie z generowaniem tekstu i ładowaniem stron. Nie ma skryptów specyficznych dla witryny.

Kompresja kontekstu agenta kodującego. tamaratran/fast-jev-compaction (★4 544) decyduje, które wyniki narzędzi w transkrypcie agenta kodującego wciąż warto zachować, dzięki czemu długą sesję można skompaktować bez pełnego przebiegu streszczania. Istnieją porty i warianty dla innych środowisk agentów.

Bariery ochronne agentów. DevMortimer/pi-warden (★99) i shiftynick/jev-axi (★17) oba stawiają osąd przed każdym poleceniem lub wywołaniem narzędzia: najpierw pytaj, blokuj niebezpieczne. To wzorzec, w którym „skalibrowane prawdopodobieństwo plus próg w twoim własnym kodzie" jest naprawdę lepsze niż odpowiedź tekstowa, którą trzeba interpretować.

Routing modeli. vinilana/jev-gateway (★61) kieruje proste żądania do warstwy niskokosztowej i eskaluje tylko te trudne. To najbardziej bezpośrednie wyrażenie własnego argumentu TypeSafe — że decyzja może kosztować ułamek generowania, które poprzedza.

Gry i dema sterowania. fhshaik/typesafe-mario (★289) gra w Super Mario Bros. na podstawie strukturalnego stanu emulatora, a RomanSlack/jev-drone (★81) prowadzi pętlę sterowania dronem w MuJoCo. Rozprzestrzeniają się znacznie szybciej, niż są wdrażane; traktuj je jako demonstracje interfejsu, a nie dowód niezawodności produkcyjnej.

Otwarte reprodukcje. To najciekawszy wątek dla każdego, kto chce tę zdolność bez nowego dostawcy. TheoLeeCJ/SemIf (★2 123) uruchamia otwarty model na pojedynczym RTX 3090 w domu i wyraźnie zaznacza, że jest niezależny od TypeSafe. TianyuCodings/NanoJev (★1 175) to reprodukcja w małej skali. convaiinnovations/laya to licencjonowany na Apache-2.0, komercyjnie użyteczny model klasyfikacyjny trenowany z RLCD, opublikowany pod tagami system-one i calibrated-decisions, z towarzyszącym runnerem w receptron/laya. Żaden z nich nie jest Jevem, a publikowane przez nie wykresy benchmarków są ich własne; chodzi o to, że kształt modelu jest reprodukowalny.

Klasyfikacja wsadowa. Powyższy teardown reklam jest flagowym przykładem i to wzorzec najbardziej prawdopodobny do przetrwania kontaktu z produkcją: ustal stan, zadaj wiele wąskich pytań w jednym żądaniu i odczytaj prawdopodobieństwa.

Czy Jev jest faktycznie tańszy niż tani LLM?

Nie pod względem ceny za token wejściowy — i to jest część, którą większość tekstów pomija. Jev pobiera 0,042 USD za 1M tokenów wejściowych. Na APIMaster gpt-5.6-luna jest w promocji od 0,022 USD za 1M tokenów wejściowych — mniej więcej połowy stawki wejściowej Jev — przy glm-5.3-flash za 0,105 i deepseek-flash za 0,15. Najtańsze hostowane modele generatywne już podcinają Jev pod względem ceny wejścia.

Argument kosztowy Jev opiera się na trzech innych rzeczach:

• Brak tokenów wyjściowych. Najtańszy model generatywny wciąż emituje tekst dla każdego osądu, a wyjście jest wyceniane kilka razy wyżej niż wejście. Jev zwraca prawdopodobieństwo i kończy.
• Opóźnienie. TypeSafe publikuje end-to-end czasy odpowiedzi od 70 ms do 500 ms i opisuje porównanie z modelami frontier na zapytaniach o kształcie System One jako 40× do 200× szybsze. Szybkość pozwala uruchomić decyzję w ścieżce żądania, a nie za kolejką.
• Krańcowe pytania są niemal darmowe. Ponieważ pytania rozgałęziają się równolegle nad jednym stanem, dziesiąte pytanie kosztuje ułamek tego, co kosztowałoby dziesiąte wywołanie API.

To, czy to wygrywa, zależy od twojego obciążenia. Jeśli twoje osądy są nieliczne, długie i korzystają z rozumowania, tani LLM ze strukturalnym wyjściem jest lepszym zakupem. Jeśli wykonujesz wiele krótkich osądów na jednostkę pracy albo potrzebujesz odpowiedzi, zanim użytkownik zauważy pauzę, arytmetyka się zmienia.

Jak wywołać Jev na APIMaster?

Nie pod własnym endpointem TypeSafe — a różnica jest strukturalna, nie kwestią konfiguracji:

• Inna trasa. TypeSafe dokumentuje jeden endpoint oceny, /v1/systemone, oraz listę /v1/models. Nie ma udokumentowanego /chat/completions.
• Inne ciało żądania. Żądanie niesie state i mapę typowanych questions. Ciało w stylu OpenAI niesie messages i oczekuje w zamian wygenerowanego tekstu.
• Inna odpowiedź. Otrzymujesz prawdopodobieństwa i wartości pewności kluczowane nazwami pytań, które wybrałeś, a nie ciąg uzupełnienia.

Na APIMaster użyj natywnego żądania System One powyżej z kluczem APIMaster i jev-latest. Dla tego kształtu API nie jest wymagana żadna warstwa tłumaczenia. Endpoint zgodny z OpenAI pozostaje przydatny dla połowy potoku generującej tekst, ale nie jest sposobem wywołania samego Jev.

Co uruchomić dziś, gdy potrzebujesz szybkich osądów

Jeśli naprawdę potrzebujesz osądu z istniejącego endpointu zgodnego z OpenAI, praktycznym pytaniem jest, do której niskokosztowej warstwy go wysłać. Aktywne trasy APIMaster na 20 września 2026:

ID modelu	Trasy w sprzedaży	Od (wejście / wyjście za 1M)	Referencyjna cena katalogowa	Przybliżony rabat
gpt-5.6-luna	3	0,022 / 0,134 USD	0,20 / 1,20 USD	~89% taniej
glm-5.3-flash	3	0,105 / 0,35 USD	0,15 / 0,50 USD	~30% taniej
deepseek-flash	1	0,15 / 0,60 USD	Tak samo jak DeepSeek poza szczytem	Bez narzutu
gpt-5.6-terra	15	0,12 / 0,72 USD	2,00 / 12,00 USD	~94% taniej
gemini-3.8-flash	7	0,20 / 1,00 USD	1,50 / 7,50 USD	~87% taniej

Jev jest aktywny jako warstwa typowanych decyzji; warstwy poniżej są dla warstwy generującej tekst lub eskalacyjnej. Trzy uwagi do czytania tej tabeli. Ceny to najniższa trasa w sprzedaży w momencie sprawdzania, a różne trasy dla tego samego modelu mają różne ceny — otwórz kartę modelu, zanim zobowiążesz się do wolumenu. deepseek-flash jest wyceniony według własnej stawki DeepSeek poza szczytem, więc uczciwym stwierdzeniem jest „bez narzutu bramy", a nie rabat. I niższa cena wejścia nie jest automatycznie tańszym wyborem: długość wyjścia, zachowanie przy trafieniu w cache i wskaźnik ponowień zwykle dominują w końcowym rachunku.

Możliwy podział dla potoku w stylu Jev na jednym kluczu:

1. Umieść wąską, wysokoczęstotliwościową decyzję na małej, niskokosztowej warstwie i bramkuj ją własnym progiem pewności.
2. Eskaluj tylko przypadki poniżej tego progu do mocniejszego modelu.
3. Trzymaj liczenie, arytmetykę i porównywanie dat we własnym kodzie — ta sama rada, której udziela TypeSafe, i dotyczy ona każdego modelu w tabeli.

Załóż konto APIMaster, dodaj kredyt pay-as-you-go od 1 USD, utwórz klucz w konsoli i skieruj klienta zgodnego z OpenAI na https://apimaster.ai/v1 z dowolnym z powyższych ID modeli. Jeden klucz obejmuje rodziny GPT, GLM, DeepSeek, Gemini i Claude, więc ścieżka eskalacji w kroku 2 pozostaje w tej samej integracji. Zweryfikuj trasę za pomocą testera modeli, zanim przeniesiesz ruch produkcyjny.

FAQ

Czym jest Jev? Jev to model System One od TypeSafe AI. Przyjmuje stan plus mapę typowanych pytań i zwraca skalibrowane prawdopodobieństwa — odpowiedzi Choice, Score i Noul — zamiast wygenerowanego tekstu.

Czy Jev jest modelem językowym? Nie — a własne sformułowanie TypeSafe jest jeszcze mocniejsze. W wątku premiery założyciel opisał go jako „a structured data model, but technically not a language model (it doesn't generate language)". Czyta tekst, który wysyłasz, i zwraca typowane decyzje z prawdopodobieństwami i wartościami pewności, i nigdy nie generuje prozy. TypeSafe umieszcza go obok modeli czatu RLHF i modeli rozumowania RLVR jako trzecią kategorię, a nie jako mniejszą wersję którejkolwiek z nich.

Jakie jest ID modelu Jev? jev-1.13.0. Aliasy jev-latest i jev-preview obecnie wskazują na tę samą wersję; SDK domyślnie używają jev-latest.

Ile kosztuje Jev? 42 USD za miliard tokenów wejściowych, czyli 0,042 USD za 1M tokenów wejściowych. Tokeny wyjściowe są darmowe, a rozliczenie dotyczy tylko wejścia.

Czy Jev jest zgodny z OpenAI? Nie. Używa dedykowanego endpointu POST /v1/systemone z ciałem state plus questions i zwraca prawdopodobieństwa zamiast uzupełnień, więc klient w stylu OpenAI nie może go wywołać bez zmian. Na APIMaster wywołaj ten sam natywny kształt pod https://apimaster.ai/v1/systemone z jev-latest.

Czy Jev jest dostępny na APIMaster? Tak. Użyj ID modelu jev-latest z POST https://apimaster.ai/v1/systemone; aktywna cena to 0,042 USD za 1M tokenów wejściowych i 0 USD za wyjście. Zobacz kartę Jev w marketplace przed użyciem produkcyjnym. Połącz go z modelem tekstowym takim jak gpt-5.6-luna, glm-5.3-flash lub deepseek-flash, gdy zadanie wymaga również wygenerowanego tekstu.

Czy Jev obsługuje chiński i inne języki nieangielskie? TypeSafe podaje, że angielski jest głównym językiem treningowym i tam dokładność jest obecnie najlepsza, a inne języki, w tym CJK, są obsługiwane, ale nie równie dobrze. Dokumentacja mówi, aby testować na własnej treści i obserwować wartości pewności przy routingu.

Czy mogę dostroić Jev na własnych danych? Nie. TypeSafe nie dostraja ani nie adaptuje Jev przez LoRA dla poszczególnych klientów i nie trenuje na żądaniach ani odpowiedziach klientów. Zachowanie domenowe kształtuje się przez stan, instrukcje i kryteria w każdym żądaniu.

Które zadania powinienem trzymać poza Jev? TypeSafe publikuje dziewięć: dosłowne czytanie, matematyka i liczby, porównywanie dat i czasu, pośredniość, duże stany pełne nieistotnych szczegółów, treść wrogа, sprzeczne kryteria, zdroworozsądkowe niezmienniki strukturalne i generowanie. Liczenie i arytmetyka należą do twojego kodu.

Czy mogę hostować alternatywę samodzielnie? Istnieją otwarte reprodukcje — między innymi SemIf, NanoJev i enkoder laya na Apache-2.0 — ale to niezależne projekty z własnymi benchmarkami, a nie Jev. Publikowane porównania traktuj jako własne pomiary tych projektów.

Kiedy powinienem użyć Jev zamiast taniego LLM? Gdy decyzja jest wąska i typowana, podejmujesz ją często, a potrzebujesz jej z powrotem w setkach milisekund, a nie sekund. Do rozumowania na długim kontekście, generowania lub czegokolwiek wymagającego arytmetyki lepszym wyborem jest tani model generatywny.

Źródła i dalsza lektura

• TypeSafe — Models — ID modelu, aliasy, cena 42 USD/Btok, limity szybkości, budżet kontekstu, wsparcie językowe i przetwarzanie danych
• TypeSafe — Jev 1.13 jaggedness — obszary wyłączone przez TypeSafe wraz z zalecanym wzorcem dla każdego, sprawdzone 17 września 2026
• TypeSafe — API reference i Quick start — endpoint, kształty żądań i odpowiedzi, użycie SDK
• TypeSafe — Introducing System One Models and Jev — post premiery, liczba end-to-end 70–500 ms i porównanie 40×–200×
• Dyskusja na Hacker News — 1918 punktów w wątku premiery
• browser-use/jev-ultrafast — przestrzeń akcji, projekt operacji i celu w jednym żądaniu oraz demonstracja Google Flights
• Made with Jev — 724 competitor ads, broken down — strona builda analizy reklam, wraz z postem autora
• Every — TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds
• Hugging Face — convaiinnovations/laya i TheoLeeCJ/SemIf — otwarte, niezależne reprodukcje

Dokumentacja modelu i notatki o zakresie TypeSafe zostały sprawdzone 20 września 2026. Trasa i cennik jev-latest na APIMaster zostały sprawdzone 21 września 2026. Ceny, limity szybkości i status projektów się zmieniają — zweryfikuj na bieżącej karcie lub na własnej stronie dostawcy, zanim zobowiążesz obciążenie.