Jev API: что такое модель System One от TypeSafe, сколько она стоит и когда её использовать

Что такое Jev на самом деле

TypeSafe представила Jev 15 сентября 2026 года как первую «модель System One». Формулировка пришла из книги Канемана «Думай медленно… решай быстро»: современные LLM ведут себя как рассуждающая, обдумывающая система, а TypeSafe строит быструю, интуитивную половину — только «интуиция» здесь означает калиброванное распределение вероятностей по ответам, а не предчувствие, выраженное текстом.

Название — отсылка к Джевонсу, а суть предложения в том, что быстрое и недорогое примитивное решение вызывается гораздо чаще, чем дорогое.

Для инженерии важны именно механические отличия от LLM:

• Вывод типизирован. Вы заранее объявляете форму ответа — Choice по перечислимым вариантам, Score по описательным уровням или Noul (да/нет) с вероятностью. Свободного текста для разбора нет, а соответствие схеме — свойство архитектуры, а не то, на соблюдение чего вы надеетесь со стороны модели.
• Вы получаете вероятности, а не только выбор. Choice возвращает выбранный вариант плюс вероятность для каждого варианта и отдельное значение confidence. Именно это позволяет маршрутизировать по неопределённости: действовать выше порога, переключаться на более крупную модель ниже него.
• Вопросы выполняются параллельно. Jev поглощает state один раз и оценивает все вопросы запроса относительно него одновременно. Тридцать вопросов вместо одного добавляют совсем немного времени выполнения — именно это делает возможными сценарии пакетной классификации, описанные ниже.
• Она узкая намеренно. TypeSafe советует держать управляющий поток в своём коде и давать Jev атомарные, структурированные решения вместо одного крупного суждения. У выходных данных нет последовательной структуры. Основатель TypeSafe заявил, что строки и другие последовательные структуры данных недопустимы на стороне вывода, и названная причина именно такова: именно это позволяет вычислять каждый ответ параллельно, а значит, выходных токенов, за которые нужно платить, просто нет. Вы не можете попросить Jev написать вам предложение, и именно на этом ограничении строится цена.

Минимальный запрос выглядит так:

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?" }
    }
  }'

Характеристики Jev одним взглядом

Характеристика	Jev 1.13
ID модели	jev-1.13.0
Алиасы	jev-latest, jev-preview (оба сейчас указывают на 1.13)
Эндпоинт	POST https://api.typesafe.ai/v1/systemone
Цена	$42 за миллиард входных токенов / $0.042 за 1M
Цена вывода	Бесплатно — биллинг только по входу
Лимиты запросов	250,000 токенов/с и 1,200 запросов/минуту; заявлены как динамические
Длина контекста	64k на запрос (state плюс все вопросы); 32k для state плюс самый длинный вопрос
Типы ввода	Текст: строка, JSON-объект или массив. Без изображений, аудио и видео
Вывод	Типизированные ответы Choice, Score и Noul с вероятностями и confidence
Клиентские SDK	Python typesafe-sdk, JavaScript @typesafe-ai/sdk
Пользовательские веса на аккаунт	Нет. Jev не дообучается и не адаптируется через LoRA на данных клиентов
Обучающие данные от клиентов	Нет. Запросы и ответы не используются для обучения

Где место Jev и что TypeSafe советует оставлять в коде

TypeSafe также подробно публикует область применения jev-1.13: девять областей, каждая с рекомендуемым вместо этого шаблоном; последний пересмотр — 17 сентября 2026 года.

#	Область	Рекомендация TypeSafe
1	Буквальное чтение — он отвечает на тот вопрос, который вы написали, а не на тот, который вы имели в виду	Формулируйте точное условие; пограничные случаи выносите в критерии
2	Математика и числа — он не калькулятор и не считает надёжно	Оставляйте арифметику и подсчёт в коде
3	Сравнение дат и времени — даты читаются как текст, а не как упорядоченные величины	Извлекайте компоненты; сравнивайте в коде
4	Косвенность — двойные отрицания и многошаговые вопросы снижают точность	Сокращайте число шагов; указывайте прямо на релевантный state
5	Большой state, полный нерелевантных деталей	Сначала фильтруйте; отправляйте только то, что нужно для вопроса
6	Состязательный контент	Пишите точные инструкции и тестируйте граничные случаи перед развёртыванием
7	Противоречивые инструкции и критерии	Согласуйте инструкцию и критерии
8	Структурные инварианты здравого смысла	Задавайте каждое решение одним способом; обеспечивайте тождества в коде
9	Генерация	Используйте генеративную модель

Две из них важнее всего на практике. Во-первых, подсчёт: в документации прямо сказано, что jev-1.13 «не считает надёжно» — символы в слове, вхождения в отрывке, элементы в длинном списке — и что ошибка растёт с размером того, что подсчитывается. Во-вторых, генерация: Jev не напишет ваше резюме, ваш ответ или сообщение коммита. Он решает; пишет что-то другое.

Собственный рекомендуемый TypeSafe шаблон для подсчёта показывает задуманное разделение труда: перебирайте кандидатов в коде, задавайте по одному Noul на кандидата и суммируйте ответы сами.

Откуда берутся заглавные цифры

Две цифры сопровождают почти каждое обсуждение Jev. Они происходят из разных источников и описывают разные вещи.

0,7 секунды. В Every вышла статья под заголовком «Jev от TypeSafe оценил всё, что я написал, за 0,7 секунды». Индексы сборок, каталогизирующие эту статью, описывают её как 777 оценок в 37 статьях. Мы не смогли загрузить полный текст статьи, чтобы подтвердить её цифру стоимости, поэтому относитесь к стоимости одного прогона, упоминаемой вокруг этой демонстрации, как к собственному измерению автора, а не к опубликованному тарифу.

724 объявления, 40 секунд, около 9 центов. Этот случай задокументирован дважды. Страница сборки made with Jev — 724 рекламных объявления конкурентов с разбором утверждает, что 724 живых объявления от 37 брендов были проанализированы примерно за 40 секунд. В посте автора в X (17 сентября 2026 года) добавлена стоимость — «израсходовано токенов на 9 центов» — и перечислены извлекаемые по каждому объявлению параметры: хук, формат, оффер, CTA, стадия осведомлённости и несоответствие целевой странице.

Различие между ними стоит сохранять: 0,7 секунды — это время оценки моделью корпуса масштаба абзаца, тогда как 40 секунд охватывают загрузку и обработку 724 живых объявлений. Ни одна из цифр не является гарантией пропускной способности для вашей нагрузки.

Что сообщество строит на его основе

Принятие Jev необычайно легко изучить, потому что почти всё, опубликованное в первую неделю, имеет открытый исходный код. Количество звёзд ниже считано через GitHub API 20 сентября 2026 года.

Браузер и компьютерное использование. browser-use/jev-ultrafast (★10,113) — проект из организации browser-use, задавший тон. Он предоставляет фиксированное пространство действий (CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED) и просит Jev выбрать как операцию, так и целевой элемент. Оба решения идут в один запрос к TypeSafe, причём вопрос о цели помечен как спекулятивный. Только TYPE_TEXT вызывает текстовую модель, и собственный пример в README использует небольшую. Его демонстрационная задача — Цюрих — Лондон в Google Flights — оценивается в 7,1 секунды, включая генерацию текста и загрузку страниц. Скриптов под конкретные сайты нет.

Сжатие контекста кодинг-агента. tamaratran/fast-jev-compaction (★4,544) решает, какие результаты инструментов в транскрипте кодинг-агента ещё стоит сохранять, чтобы длинную сессию можно было сжать без полного прохода суммирования. Существуют порты и варианты для других агентных обвязок.

Ограничители для агентов. DevMortimer/pi-warden (★99) и shiftynick/jev-axi (★17) оба ставят суждение перед каждой командой или вызовом инструмента: сначала спросить, опасные — заблокировать. Это тот шаблон, где «калиброванная вероятность плюс порог в вашем собственном коде» действительно лучше текстового ответа, который вам приходится интерпретировать.

Маршрутизация моделей. vinilana/jev-gateway (★61) направляет простые запросы на недорогой тариф и эскалирует только сложные. Это самое прямое выражение собственного аргумента TypeSafe — что решение может стоить долю от генерации, которую оно обслуживает.

Игры и демонстрации управления. fhshaik/typesafe-mario (★289) играет в Super Mario Bros. по структурированному состоянию эмулятора, а RomanSlack/jev-drone (★81) крутит контур управления дроном в MuJoCo. Такие проекты распространяются гораздо быстрее, чем доходят до продакшна; относитесь к ним как к демонстрациям интерфейса, а не как к доказательству надёжности в продакшне.

Открытые воспроизведения. Это самая интересная ветка для тех, кому нужна такая возможность без нового вендора. TheoLeeCJ/SemIf (★2,123) запускает открытую модель на одной RTX 3090 дома и прямо заявляет, что не связан с TypeSafe. TianyuCodings/NanoJev (★1,175) — воспроизведение в меньшем масштабе. convaiinnovations/laya — энкодер под Apache-2.0, коммерчески пригодный, с головами принятия решений, обученными по RLCD, опубликован под тегами system-one и calibrated-decisions, с сопровождающим раннером в receptron/laya. Ни один из них не является Jev, а публикуемые ими графики бенчмарков — их собственные; суть в том, что форма модели воспроизводима.

Пакетная классификация. Разбор рекламы выше — флагманский пример, и это шаблон, который чаще всего выживает при контакте с продакшном: зафиксировать state, задать много узких вопросов в одном запросе и прочитать вероятности.

Jev действительно дешевле недорогой LLM?

Не по цене за входной токен, и именно этот момент пропускает большинство статей. Jev берёт $0.042 за 1M входных токенов. На APIMaster gpt-5.6-luna доступна по акции от $0.022 за 1M входных токенов — примерно половина ставки Jev на входе — при glm-5.3-flash на уровне $0.105 и deepseek-flash на уровне $0.15. Самые дешёвые хостинговые генеративные модели уже обходят Jev по цене входа.

Аргумент о стоимости Jev опирается на три других вещи:

• Никаких выходных токенов. Даже самая дешёвая генеративная модель всё равно выдаёт текст на каждое суждение, а выход стоит в несколько раз дороже входа. Jev возвращает вероятность и останавливается.
• Задержка. TypeSafe публикует сквозное время ответа от 70 мс до 500 мс и описывает сравнение с фронтир-моделями на запросах формы System One как в 40–200 раз быстрее. Именно скорость позволяет решению выполняться внутри пути запроса, а не за очередью.
• Предельные вопросы почти бесплатны. Поскольку вопросы раскрываются параллельно по одному state, десятый вопрос стоит долю от того, во что обошёлся бы десятый вызов API.

Что победит — зависит от вашей нагрузки. Если суждений у вас мало, они длинные и выигрывают от рассуждения, лучшая покупка — недорогая LLM со структурированным выводом. Если вы принимаете много коротких решений на единицу работы или вам нужен ответ раньше, чем пользователь заметит паузу, арифметика меняется.

Можно ли вызывать Jev с OpenAI-совместимым ключом?

Против собственного эндпоинта TypeSafe — нет, и различие структурное, а не вопрос конфигурации:

• Другой маршрут. TypeSafe документирует один эндпоинт оценки /v1/systemone и листинг /v1/models. Документированного /chat/completions нет.
• Другое тело. Запрос несёт state и карту типизированных questions. OpenAI-подобное тело несёт messages и ожидает в ответ сгенерированный текст.
• Другой ответ. Вы получаете вероятности и значения confidence, ключами которых служат выбранные вами имена вопросов, а не строку completion.

В случае API вендора заставить OpenAI-совместимый клиент говорить с Jev означает написать слой трансляции в обе стороны — именно это делают шлюзы сообщества из раздела о маршрутизации выше. Jev находится в процессе подключения на APIMaster, и эта страница будет обновлена, когда интеграция станет доступна. До тех пор живой вариант быстрого решения на OpenAI-совместимом эндпоинте — один из недорогих тарифов ниже.

Что запускать сегодня, когда нужны быстрые решения

Если на самом деле вам нужен вердикт от существующего OpenAI-совместимого эндпоинта, практический вопрос — на какой недорогой тариф его отправлять. Актуальные маршруты APIMaster на 20 сентября 2026 года:

ID модели	Маршрутов по акции	От (вход / выход за 1M)	Справочная цена по прейскуранту	Прибл. скидка
gpt-5.6-luna	3	$0.022 / $0.134	$0.20 / $1.20	~89% скидка
glm-5.3-flash	3	$0.105 / $0.35	$0.15 / $0.50	~30% скидка
deepseek-flash	1	$0.15 / $0.60	Как у DeepSeek вне пиковых часов	Без наценки
gpt-5.6-terra	15	$0.12 / $0.72	$2.00 / $12.00	~94% скидка
gemini-3.8-flash	7	$0.20 / $1.00	$1.50 / $7.50	~87% скидка

Сам Jev на момент написания всё ещё в процессе подключения; тариф ниже — это то, что запускать в ожидании. Три замечания о том, как читать эту таблицу. Цены — это самый низкий маршрут по акции на момент проверки, и разные маршруты для одной модели имеют разные цены — откройте карточку модели, прежде чем брать объём. deepseek-flash оценён по собственному тарифу DeepSeek вне пиковых часов, так что честная формулировка — «без наценки шлюза», а не скидка. И более низкая цена входа не автоматически означает более дешёвый выбор: длина вывода, поведение при попадании в кэш и частота повторов обычно определяют итоговый счёт.

Рабочее разделение для конвейера в стиле Jev на одном ключе:

1. Отдайте узкое, высокочастотное решение небольшому недорогому тарифу и ограничьте его собственным порогом уверенности.
2. Эскалируйте только те случаи, что падают ниже этого порога, на более сильную модель.
3. Оставляйте подсчёт, арифметику и сравнение дат в своём коде — тот же совет, что даёт TypeSafe, и он применим к каждой модели в таблице.

Создайте аккаунт APIMaster, добавьте оплату по мере использования от $1, создайте ключ в консоли и направьте OpenAI-совместимый клиент на https://apimaster.ai/v1 с любым из ID моделей выше. Один ключ покрывает семейства GPT, GLM, DeepSeek, Gemini и Claude, так что путь эскалации из шага 2 остаётся на той же интеграции. Проверьте маршрут с помощью тестера моделей, прежде чем переводить на него продакшн-трафик.

FAQ

Что такое Jev? Jev — это модель System One от TypeSafe AI. Она принимает state плюс карту типизированных вопросов и возвращает калиброванные вероятности — ответы Choice, Score и Noul — вместо сгенерированного текста.

Jev — это языковая модель? Нет — и формулировка самой TypeSafe ещё категоричнее. В ветке запуска основатель описал её как «структурированную модель данных, но технически не языковую модель (она не генерирует язык)». Она читает отправленный вами текст и возвращает типизированные решения с вероятностями и значениями уверенности, и она никогда не генерирует связный текст. TypeSafe ставит её в один ряд с чат-моделями RLHF и reasoning-моделями RLVR как третью категорию, а не как уменьшенную версию любой из них.

Каков ID модели Jev? jev-1.13.0. Алиасы jev-latest и jev-preview сейчас указывают на ту же версию; SDK по умолчанию используют jev-latest.

Сколько стоит Jev? $42 за миллиард входных токенов, то есть $0.042 за 1M входных токенов. Выходные токены бесплатны, биллинг только по входу.

Jev OpenAI-совместим? Нет, на собственном API TypeSafe. Он использует выделенный эндпоинт POST /v1/systemone с телом state плюс questions и возвращает вероятности, а не completion, поэтому OpenAI-подобный клиент не может вызывать его без изменений. Jev находится в процессе подключения на APIMaster, и эта страница будет обновлена, когда интеграция станет доступна.

Доступен ли Jev на APIMaster? Пока не в продаже — Jev находится в процессе подключения на APIMaster, и эта страница будет обновлена, когда интеграция станет доступна. Тем временем недорогой текстовый тариф, с которым вы бы сочетали слой принятия решений, уже доступен; смотрите актуальные карточки gpt-5.6-luna, glm-5.3-flash и deepseek-flash.

Поддерживает ли Jev китайский и другие неанглийские языки? TypeSafe указывает, что английский — основной язык обучения и именно на нём точность сейчас лучше всего, а другие языки, включая CJK, обрабатываются, но не одинаково хорошо. Документация советует тестировать на собственном контенте и следить за значениями confidence при маршрутизации.

Можно ли дообучить Jev на своих данных? Нет. TypeSafe не дообучает и не адаптирует Jev через LoRA под каждого клиента и не обучается на запросах или ответах клиентов. Поведение в предметной области формируется через state, инструкции и критерии в каждом запросе.

Какие задачи стоит держать вне Jev? TypeSafe публикует девять: буквальное чтение, математика и числа, сравнение дат и времени, косвенность, большие state, полные нерелевантных деталей, состязательный контент, противоречивые критерии, структурные инварианты здравого смысла и генерация. Подсчёт и арифметика — в вашем коде.

Можно ли развернуть альтернативу самостоятельно? Есть открытые воспроизведения — среди них SemIf, NanoJev и энкодер laya под Apache-2.0 — но это независимые проекты со своими бенчмарками, а не Jev. Относитесь к опубликованным сравнениям как к собственным измерениям проектов.

Когда стоит использовать Jev вместо недорогой LLM? Когда решение узкое и типизированное, вы принимаете его часто и вам нужно получить ответ за сотни миллисекунд, а не за секунды. Для рассуждений на длинном контексте, генерации или всего, что требует арифметики, лучший выбор — недорогая генеративная модель.

Источники и дополнительное чтение

• TypeSafe — Модели — ID модели, алиасы, цена $42/Btok, лимиты запросов, бюджет контекста, поддержка языков и обращение с данными
• TypeSafe — неровность Jev 1.13 — области, которые TypeSafe выводит за скобки, с рекомендуемым шаблоном для каждой; пересмотрено 17 сентября 2026 года
• TypeSafe — справочник по API и Быстрый старт — эндпоинт, формы запроса и ответа, использование SDK
• TypeSafe — представляем модели System One и Jev — пост о запуске, цифра сквозного времени 70–500 мс и сравнение 40×–200×
• Обсуждение на Hacker News — 1,918 баллов в ветке о запуске
• browser-use/jev-ultrafast — пространство действий, дизайн «операция и цель в одном запросе» и демонстрация с Google Flights
• Made with Jev — 724 рекламных объявления конкурентов с разбором — страница сборки по анализу объявлений, вместе с постом автора
• Every — Jev от TypeSafe оценил всё, что я написал, за 0,7 секунды Открытые воспроизведения. Это самая интересная ветка для тех, кто хочет получить эту возможность без нового вендора. TheoLeeCJ/SemIf (★2,123) запускает открытую модель на одной RTX 3090 дома и явно заявляет о своей независимости от TypeSafe. TianyuCodings/NanoJev (★1,175) — это мелкомасштабное воспроизведение. convaiinnovations/laya — это модель классификации под лицензией Apache-2.0, коммерчески пригодная, обученная с помощью RLCD, опубликованная под тегами system-one и calibrated-decisions, с сопутствующим раннером в receptron/laya. Ни одна из них не является Jev, и публикуемые ими графики бенчмарков — их собственные; суть в том, что форма модели воспроизводима.

Документация моделей TypeSafe и заметки об области применения были проверены 20 сентября 2026 года; количество звёзд и цены маршрутов APIMaster считаны в тот же день. Подключение Jev к APIMaster в процессе, и эта страница будет обновляться по мере продвижения. Цены, лимиты запросов и статус проектов меняются — проверяйте по актуальной карточке или собственной странице вендора, прежде чем поручать им нагрузку.