Jev API: що таке модель System One від TypeSafe, скільки вона коштує і коли її використовувати

Що таке Jev насправді

TypeSafe представила Jev 15 вересня 2026 року як першу «модель System One». Ця рамка походить із книги Канемана «Думати швидко та повільно»: сучасні LLM поводяться як система, що міркує й обдумує, а TypeSafe будує швидку, інтуїтивну половину — щоправда, «інтуїція» тут означає калібрований розподіл імовірностей над відповідями, а не інтуїтивне відчуття, втілене в текст.

Назва — відсилання до Джевонса, а суть пропозиції в тому, що швидкий і дешевий примітив прийняття рішень викликається набагато частіше, ніж дорогий.

Механічні відмінності від LLM — це те, що має значення для інженерії:

• Вивід типізований. Ви заздалегідь оголошуєте форму відповіді — Choice за перелічуваними варіантами, Score за описовими рівнями або Noul (так/ні) з імовірністю. Немає вільного тексту для парсингу, а відповідність схемі є властивістю архітектури, а не тим, на що ви сподіваєтеся, що модель дотримається.
• Ви отримуєте ймовірності, а не лише вибір. Choice повертає обраний варіант плюс імовірність для кожного варіанта та окреме значення confidence. Саме це дозволяє маршрутизувати за невизначеністю: діяти вище порогу, переходити до більшої моделі нижче нього.
• Запитання виконуються паралельно. Jev приймає state один раз і оцінює кожне запитання в запиті щодо нього одночасно. Постановка тридцяти запитань замість одного додає дуже мало реального часу, і саме це уможливлює сценарії пакетної класифікації, описані нижче.
• Вона навмисно вузька. Порада TypeSafe — тримати керувальну логіку у своєму коді й давати Jev атомарні, структуровані рішення, а не одне велике судження.
• Вивід не має послідовної структури. Засновник TypeSafe сказав, що рядки та інші послідовні структури даних не допускаються на боці виводу, і зазначена причина — саме це: це те, що дозволяє обчислювати кожну відповідь паралельно, і саме тому немає вихідних токенів, за які виставляти рахунок. Ви не можете попросити Jev написати вам речення, і саме на цьому обмеженні побудована ціна.

Мінімальний запит виглядає так:

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?" }
    }
  }'

Специфікації Jev коротко

Специфікація	Jev 1.13
ID моделі	jev-1.13.0
Аліаси	jev-latest, jev-preview (обидва наразі вказують на 1.13)
Ендпоінт APIMaster	POST https://apimaster.ai/v1/systemone
ID моделі на APIMaster	jev-latest
Ціна	$42 за мільярд вхідних токенів / $0.042 за 1 млн
Ціна виводу	Безкоштовно — оплата лише за вхідні дані
Ліміти швидкості	250 000 токенів/с і 1 200 запитів/хвилину, заявлені як динамічні
Довжина контексту	64k на запит (state плюс усі запитання); 32k для state плюс найдовше запитання
Типи вхідних даних	Текст: рядок, JSON-об'єкт або масив. Без зображень, аудіо чи відео
Вивід	Типізовані відповіді Choice, Score і Noul з імовірностями та впевненістю
Клієнтські SDK	Python typesafe-sdk, JavaScript @typesafe-ai/sdk
Власні ваги для акаунта	Ні. Jev не донавчається й не адаптується через LoRA на даних клієнта
Дані клієнтів для навчання	Ні. Запити та відповіді не використовуються для навчання

Де місце Jev і що TypeSafe радить залишати в коді

TypeSafe також детально публікує межі застосування jev-1.13: дев'ять областей, кожна з рекомендованим натомість патерном; востаннє переглянуто 17 вересня 2026 року.

#	Область	Рекомендація TypeSafe
1	Буквальне прочитання — він відповідає на запитання, яке ви написали, а не на те, яке мали на увазі	Сформулюйте точну умову; граничні випадки винесіть у критерії
2	Математика й числа — це не калькулятор, і він не рахує надійно	Залишайте арифметику й підрахунок у коді
3	Порівняння дат і часу — дати читаються як текст, а не як упорядковані величини	Видобувайте компоненти; порівнюйте в коді
4	Непрямість — подвійні заперечення та багатокрокові запитання коштують точності	Зменшуйте кількість кроків; вказуйте безпосередньо на відповідний state
5	Великий state, повний нерелевантних деталей	Спочатку фільтруйте; надсилайте лише те, що потрібно запитанню
6	Змагальний контент	Пишіть точні інструкції та тестуйте граничні випадки перед розгортанням
7	Суперечливі інструкції та критерії	Узгодьте інструкцію й критерії
8	Структурні інваріанти здорового глузду	Ставте кожне рішення одним способом; забезпечуйте тотожності в коді
9	Генерація	Використовуйте генеративну модель

Дві з них найважливіші на практиці. По-перше, підрахунок: документація прямо зазначає, що jev-1.13 «не рахує надійно» — символів у слові, входжень в уривку, елементів у довгому списку — і що похибка зростає разом із розміром об'єкта підрахунку. По-друге, генерація: Jev не напише ваш підсумок, вашу відповідь чи повідомлення коміту. Він вирішує; пише щось інше.

Власний рекомендований патерн TypeSafe для підрахунку показує задуманий розподіл праці: перебирайте кандидатів у коді, ставте одне Noul на кожного кандидата й підсумовуйте відповіді самостійно.

Звідки беруться числа з заголовків

Два числа супроводжують майже кожну дискусію про Jev. Вони походять із різних джерел і описують різні речі.

0,7 секунди. Every опублікував статтю під назвою «TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds». Індекси збірок, які каталогізують цей матеріал, описують його як 777 суджень у 37 статтях. Ми не змогли завантажити повний текст статті, щоб підтвердити її показник вартості, тож вартість за один запуск, яку наводять навколо цього демо, слід вважати власним виміром автора, а не опублікованим тарифом.

724 оголошення, 40 секунд, близько 9 центів. Цей випадок задокументовано двічі. Сторінка збірки madewithjev.com — 724 competitor ads, broken down зазначає, що 724 активні оголошення від 37 брендів було проаналізовано приблизно за 40 секунд. Допис автора в X (17 вересня 2026 року) додає вартість — «used 9 cents of tokens» — і перелічує виміри, витягнуті для кожного оголошення: гачок, формат, пропозиція, CTA, стадія обізнаності та розбіжність із цільовою сторінкою.

Варто зберігати різницю між ними: 0,7 секунди — це час оцінювання моделлю корпусу масштабу абзацу, тоді як 40 секунд охоплюють завантаження й обробку 724 активних оголошень. Жодне з цих чисел не є гарантією пропускної здатності для вашого навантаження.

Що спільнота будує на ньому

Впровадження Jev надзвичайно легко дослідити, бо майже все, опубліковане першого тижня, має відкритий код. Кількість зірок нижче зчитано з GitHub API 20 вересня 2026 року.

Робота з браузером і комп'ютером. browser-use/jev-ultrafast (★10 113) походить від організації browser-use і саме цей проєкт задав тон. Він надає фіксований простір дій (CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED) і просить Jev обрати як операцію, так і цільовий елемент. Обидва рішення йдуть в один запит до TypeSafe, причому запитання про ціль позначене як спекулятивне. Лише TYPE_TEXT викликає текстову модель, і власний приклад у README використовує невелику. Його демонстраційне завдання — Цюрих–Лондон на Google Flights — оцінюється у 7,1 секунди, включно з генерацією тексту й завантаженням сторінок. Жодних скриптів під конкретні сайти немає.

Стиснення контексту кодинг-агента. tamaratran/fast-jev-compaction (★4 544) вирішує, які результати інструментів у транскрипті кодинг-агента ще варто зберігати, щоб довгу сесію можна було стиснути без повного проходу сумаризації. Існують порти й варіанти для інших агентних оболонок.

Запобіжники для агентів. DevMortimer/pi-warden (★99) і shiftynick/jev-axi (★17) ставлять судження перед кожною командою чи викликом інструмента: спершу запитати, заблокувати небезпечні. Це той патерн, де «калібрована ймовірність плюс поріг у вашому власному коді» справді кращий за текстовий висновок, який доводиться інтерпретувати.

Маршрутизація моделей. vinilana/jev-gateway (★61) маршрутизує прості запити на дешевий рівень і передає вище лише складні. Це найпряміший вияв власного аргументу TypeSafe — що рішення може коштувати частину від генерації, яку воно відкриває.

Ігри та демонстрації керування. fhshaik/typesafe-mario (★289) грає в Super Mario Bros. на основі структурованого стану емулятора, а RomanSlack/jev-drone (★81) запускає цикл керування дроном у MuJoCo. Вони поширюються значно швидше, ніж доводяться до продакшену; ставтеся до них як до демонстрацій інтерфейсу, а не як до доказів продакшн-надійності.

Відкриті відтворення. Це найцікавіша лінія для тих, хто хоче цю можливість без нового вендора. TheoLeeCJ/SemIf (★2 123) запускає відкриту модель на одній RTX 3090 вдома й прямо зазначає, що він незалежний від TypeSafe. TianyuCodings/NanoJev (★1 175) — це відтворення у малому масштабі. convaiinnovations/laya — це класифікаційна модель під Apache-2.0, придатна для комерційного використання, навчена з RLCD, опублікована з тегами system-one і calibrated-decisions, із супровідним раннером у receptron/laya. Жоден із них не є Jev, і графіки бенчмарків, які вони публікують, — їхні власні; суть у тому, що форму цієї моделі можна відтворити.

Пакетна класифікація. Розбір оголошень вище — головний приклад, і це патерн, який найімовірніше виживе в зіткненні з продакшеном: тримайте state фіксованим, ставте багато вузьких запитань в одному запиті й читайте ймовірності.

Чи справді Jev дешевший за недорогий LLM?

Ні, якщо рахувати за вхідний токен, і саме цю частину більшість оглядів пропускає. Jev бере $0.042 за 1 млн вхідних токенів. На APIMaster gpt-5.6-luna продається від $0.022 за 1 млн вхідних токенів — приблизно половина ставки Jev за вхідні дані — тоді як glm-5.3-flash — $0.105, а deepseek-flash — $0.15. Найдешевші хостингові генеративні моделі вже обходять Jev за ціною вхідних даних.

Аргумент Jev щодо вартості спирається на три інші речі:

• Немає вихідних токенів. Найдешевша генеративна модель усе одно видає текст для кожного судження, а вихід коштує в кілька разів дорожче за вхід. Jev повертає ймовірність і зупиняється.
• Затримка. TypeSafe публікує наскрізний час відповіді від 70 мс до 500 мс й описує порівняння з фронтир-моделями на запитах у форматі System One як у 40–200 разів швидше. Саме швидкість дозволяє рішенню виконуватися всередині шляху запиту, а не за чергою.
• Граничні запитання майже безкоштовні. Оскільки запитання розгалужуються паралельно над одним state, десяте запитання коштує частину від того, скільки коштував би десятий виклик API.

Чи це перемагає, залежить від вашого навантаження. Якщо ваших суджень мало, вони довгі й виграють від міркування, недорогий LLM зі структурованим виводом — краща покупка. Якщо ви робите багато коротких суджень на одиницю роботи або вам потрібна відповідь раніше, ніж користувач помітить паузу, арифметика змінюється.

Як викликати Jev на APIMaster?

Не через власний ендпоінт TypeSafe, і різниця тут структурна, а не в налаштуваннях:

• Інший маршрут. TypeSafe документує один ендпоінт оцінювання, /v1/systemone, і перелік /v1/models. Задокументованого /chat/completions немає.
• Інше тіло запиту. Запит містить state і мапу типізованих questions. Тіло у стилі OpenAI містить messages і очікує у відповідь згенерований текст.
• Інша відповідь. Ви отримуєте ймовірності та значення впевненості, ключовані назвами запитань, які ви обрали, а не рядок завершення.

На APIMaster використовуйте наведений вище нативний запит System One з ключем APIMaster і jev-latest. Для такої форми API шар трансляції не потрібен. OpenAI-сумісний ендпоінт залишається корисним для тієї половини пайплайну, що генерує текст, але це не спосіб викликати сам Jev.

Що запускати сьогодні, коли потрібні швидкі судження

Якщо вам насправді потрібне судження від наявного OpenAI-сумісного ендпоінта, практичне питання — на який недорогий рівень його надіслати. Актуальні маршрути APIMaster станом на 20 вересня 2026 року:

ID моделі	Маршрутів у продажу	Від (вхід / вихід за 1 млн)	Довідкова ціна за прайс-листом	Приблизна знижка
gpt-5.6-luna	3	$0.022 / $0.134	$0.20 / $1.20	~89% знижки
glm-5.3-flash	3	$0.105 / $0.35	$0.15 / $0.50	~30% знижки
deepseek-flash	1	$0.15 / $0.60	Як у DeepSeek поза піком	Без націнки
gpt-5.6-terra	15	$0.12 / $0.72	$2.00 / $12.00	~94% знижки
gemini-3.8-flash	7	$0.20 / $1.00	$1.50 / $7.50	~87% знижки

Jev доступний як шар типізованих рішень; рівні нижче — для шару генерації тексту або ескалації. Три зауваження щодо читання цієї таблиці. Ціни — це найнижчий маршрут у продажу на момент перевірки, і різні маршрути для однієї моделі мають різні ціни — відкрийте картку моделі, перш ніж брати обсяг. deepseek-flash має ціну за власним тарифом DeepSeek поза піковими годинами, тож чесне формулювання — «без націнки шлюзу», а не знижка. І нижча ціна вхідних даних не означає автоматично дешевший вибір: довжина виходу, поведінка кеш-влучань і частота повторів зазвичай визначають фінальний рахунок.

Робочий розподіл для пайплайну у стилі Jev на одному ключі:

1. Вузьке високочастотне рішення покладіть на невеликий дешевий рівень і ставте ворота за власним порогом впевненості.
2. Ескалюйте до сильнішої моделі лише випадки, що падають нижче цього порогу.
3. Тримайте підрахунок, арифметику й порівняння дат у власному коді — та сама порада, яку дає TypeSafe, і вона стосується кожної моделі в таблиці.

Створіть акаунт APIMaster, додайте кредит із оплатою за використання від $1, створіть ключ у консолі і націльте OpenAI-сумісний клієнт на https://apimaster.ai/v1 з будь-яким із наведених вище ID моделей. Один ключ покриває родини GPT, GLM, DeepSeek, Gemini і Claude, тож шлях ескалації з кроку 2 залишається в тій самій інтеграції. Перевірте маршрут за допомогою тестувальника моделей, перш ніж переводити продакшн-трафік.

FAQ

Що таке Jev? Jev — це модель System One від TypeSafe AI. Вона приймає state плюс мапу типізованих запитань і повертає калібровані ймовірності — відповіді Choice, Score і Noul — замість згенерованого тексту.

Чи Jev — мовна модель? Ні — і власне формулювання TypeSafe ще категоричніше. У треді про запуск засновник описав її як «a structured data model, but technically not a language model (it doesn't generate language)». Вона читає надісланий вами текст і повертає типізовані рішення з ймовірностями та значеннями впевненості, і ніколи не генерує прозу. TypeSafe ставить її поряд з RLHF-чат-моделями та RLVR-моделями міркування як третю категорію, а не як меншу версію жодної з них.

Який ID моделі Jev? jev-1.13.0. Аліаси jev-latest і jev-preview наразі вказують на ту саму версію; SDK типово використовують jev-latest.

Скільки коштує Jev? $42 за мільярд вхідних токенів, тобто $0.042 за 1 млн вхідних токенів. Вихідні токени безкоштовні, і оплата лише за вхідні.

Чи сумісний Jev з OpenAI? Ні. Він використовує окремий ендпоінт POST /v1/systemone з тілом state плюс questions і повертає ймовірності, а не завершення, тож клієнт у стилі OpenAI не може викликати його без змін. На APIMaster викликайте ту саму нативну форму за адресою https://apimaster.ai/v1/systemone з jev-latest.

Чи доступний Jev на APIMaster? Так. Використовуйте ID моделі jev-latest з POST https://apimaster.ai/v1/systemone; актуальна ціна — $0.042 за 1 млн вхідних токенів і $0 за вихідні. Дивіться картку Jev у маркетплейсі перед використанням у продакшені. Поєднуйте його з текстовою моделлю, як-от gpt-5.6-luna, glm-5.3-flash або deepseek-flash, коли завдання також потребує згенерованого тексту.

Чи підтримує Jev китайську та інші мови, крім англійської? TypeSafe зазначає, що англійська — основна мова навчання і саме на ній точність наразі найкраща, а інші мови, зокрема CJK, підтримуються, але не однаково добре. Документація радить тестувати на власному контенті й стежити за значеннями впевненості під час маршрутизації.

Чи можна доналаштувати Jev на власних даних? Ні. TypeSafe не доналаштовує й не адаптує Jev через LoRA для окремих клієнтів і не навчається на запитах чи відповідях клієнтів. Поведінка в предметній області формується через state, інструкції та критерії в кожному запиті.

Які завдання варто тримати поза Jev? TypeSafe публікує дев'ять: буквальне прочитання, математика й числа, порівняння дат і часу, непрямість, великі state, повні нерелевантних деталей, змагальний контент, суперечливі критерії, структурні інваріанти здорового глузду та генерація. Підрахунок і арифметика належать вашому коду.

Чи можна розгорнути альтернативу самостійно? Існують відкриті відтворення — серед них SemIf, NanoJev і енкодер laya під Apache-2.0 — але це незалежні проєкти з власними бенчмарками, а не Jev. Ставтеся до опублікованих порівнянь як до власних вимірів цих проєктів.

Коли варто використовувати Jev замість недорогого LLM? Коли рішення вузьке й типізоване, ви ухвалюєте його часто і потребуєте відповіді за сотні мілісекунд, а не за секунди. Для міркування над довгим контекстом, генерації або всього, що потребує арифметики, кращим вибором буде недорога генеративна модель.

Джерела та додаткове читання

• TypeSafe — Models — ID моделі, аліаси, ціна $42/Btok, ліміти швидкості, бюджет контексту, підтримка мов і обробка даних
• TypeSafe — Jev 1.13 jaggedness — області, які TypeSafe виносить за межі, з рекомендованим патерном для кожної; переглянуто 17 вересня 2026 року
• TypeSafe — API reference і Quick start — ендпоінт, форми запиту й відповіді, використання SDK
• TypeSafe — Introducing System One Models and Jev — пост про запуск, показник наскрізного часу 70–500 мс і порівняння у 40–200 разів
• Обговорення на Hacker News — 1 918 балів у треді про запуск
• browser-use/jev-ultrafast — простір дій, дизайн з операцією й ціллю в одному запиті та демонстрація на Google Flights
• Made with Jev — 724 competitor ads, broken down — сторінка збірки з аналізом оголошень, разом із дописом автора
• Every — TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds
• Hugging Face — convaiinnovations/laya і TheoLeeCJ/SemIf — відкриті, незалежні відтворення

Документацію моделей TypeSafe та нотатки про межі застосування було перевірено 20 вересня 2026 року. Маршрут і ціноутворення jev-latest на APIMaster було перевірено 21 вересня 2026 року. Ціни, ліміти швидкості та статус проєктів змінюються — перевіряйте на актуальній картці або на власній сторінці вендора, перш ніж брати на себе навантаження.