Jev API：TypeSafe 的 System One 模型是什么、费用多少、何时使用
Jev 是 TypeSafe 的 System One 模型：它返回经过校准的概率，而非文本。在 APIMaster 上通过 jev-latest 和原生 systemone 端点即可使用；本文介绍其价格、请求结构、限制以及适用场景。
发布于 · 更新于
Jev 是 TypeSafe AI 的“System One”模型，它不写文本。 你发送一个 state（字符串、JSON 对象或数组）以及一组带有类型的问题映射，它会返回经过校准的概率，你的代码可以直接据此分支：Choice 从你定义的一组选项中选出一个，Score 根据你定义的水平对内容进行评分，Noul 返回某个是/否陈述为真的概率。一次请求中的所有问题都会在同一次处理中针对同一个 state 进行评估，而且不会逐 token 生成任何内容。
已确认的规格，核查于 2026 年 9 月 20 日：
- 模型 ID
jev-1.13.0，别名jev-latest（SDK 默认值）和jev-preview。两个别名目前都指向 1.13。 - 端点
POST https://api.typesafe.ai/v1/systemone，以及GET /v1/models。Python SDK 为typesafe-sdk，JavaScript 为@typesafe-ai/sdk。 - 价格 每十亿输入 token 42 美元（每 1M 为 0.042 美元）。输出 token 免费；仅按输入计费。
- 上下文 每请求 64k token，涵盖 state 加上所有问题的总和；state 加上单个最长问题为 32k。
- 速率限制 250,000 token/秒和 1,200 请求/分钟。TypeSafe 表示这些限制会动态调整，且可能在不另行通知的情况下变更。
- 输入 仅文本。图像、音频、视频和二进制文件必须先转换为文本或结构化字段，再作为 state 发送。
- 语言 英语是主要训练语言；其他语言（包括 CJK 文字）可以处理，但“效果并不一样好”。
Jev 现已在 APIMaster 上线，模型 ID 为 jev-latest。 它使用原生 POST https://apimaster.ai/v1/systemone 契约：发送 state 加上带类型的 questions，而不是 messages。该实时路由的费用为 每 1M 输入 token 0.042 美元，输出 0 美元，与 TypeSafe 公布的输入价格一致；在 2026 年 9 月 21 日核查时有 1 条路由处于活跃状态。打开 Jev 市场卡片 查看实时可用性和计费详情。
APIMaster 价格核查，2026-09-24： 下面把官方原价、APIMaster 当前价格、路由数和模型卡放在一起；实时价格可能变化，以市场卡片为准。
| 模型 ID | 原价（每 1M 输入 / 输出） | APIMaster 当前价格 | 活跃路由 | 折扣 | 模型卡 |
|---|---|---|---|---|---|
jev-latest |
$0.042 / — |
$0.042 / $0 |
1 | 0% off | 查看折扣 |
gpt-5.6-luna |
$0.20 / $1.20 |
$0.0178 / $0.1067 |
7 | 91% off | 查看折扣 |
你实际搭配购买的是文本模型。 TypeSafe 自己的文档将生成任务交给生成式模型，社区项目也只在需要书面输出的步骤调用小型文本模型。这正是 APIMaster 能帮上忙的地方：gpt-5.6-luna 实时价格低至 每 1M 输入 0.022 美元 / 输出 0.134 美元（3 条路由在售，比 OpenAI 的 0.20 / 1.20 美元标价低约 89%），glm-5.3-flash 低至 0.105 / 0.35 美元（3 条路由，比智谱标价低约 30%），deepseek-flash 低至 0.15 / 0.60 美元（1 条路由，与 DeepSeek 的错峰价格一致，无网关加价）。一个 OpenAI 兼容密钥即可覆盖所有这些模型——参见 GPT-5.6 Luna 卡片 和 模型市场。路由价格随渠道供应而变化，因此实时卡片上的数字才是最终依据。
GPT 体验卡（GPT-6 Astra、GPT-6 Sol、GPT-5.6、GPT-5.5、gpt-5.6-luna、gpt-5.6-sol、gpt-5.6-terra、gpt-6.1-sol、gpt-6-astra、gpt-6-sol和gpt-6-luna 可用）
现在注册，领取 $20 GPT 体验卡
Jev 究竟是什么
TypeSafe 于 2026 年 9 月 15 日推出 Jev，称其为首个“System One 模型”。这一表述来自卡尼曼的《思考，快与慢》：当前的 LLM 表现得像一个推理、审慎的系统，而 TypeSafe 正在构建快速、直觉的那一半——只不过这里的“直觉”指的是对答案的经过校准的概率分布，而不是被渲染成文本的直觉感受。
这个名字引用了杰文斯（Jevons），其卖点在于：一个快速、低成本的决策原语被调用的频率会远远高于昂贵的模型。
对工程而言，真正重要的是它与 LLM 的机制差异：
- 输出是带类型的。 你预先声明答案的形状——在可枚举选项上的
Choice、在描述性水平上的Score，或带有概率的Noul（是/否）。没有需要解析的自由文本，而匹配 schema 是架构本身的属性，而不是你寄希望于模型遵守的东西。 - 你得到的是概率，而不仅仅是一个选择。 一个
Choice会返回所选选项，以及每个选项的概率和一个单独的confidence值。正因如此，你才能根据不确定性进行路由：高于阈值就行动，低于阈值就回退到更大的模型。 - 问题并行运行。 Jev 只摄入一次 state，并同时针对它评估请求中的每个问题。问三十个问题而不是一个，所增加的墙钟时间非常少，这正是下文批量分类用例得以成立的原因。
- 它有意保持狭窄。 TypeSafe 的建议是：把控制流留在你的代码中，让 Jev 做原子化、结构化的决策，而不是做一个大的整体判断。
- 输出没有顺序结构。 TypeSafe 的创始人曾表示，字符串和其他顺序数据结构不允许出现在输出侧，给出的理由正是这一点：正是它让每个答案都能并行计算，这也是为什么没有输出 token 需要计费。你不能让 Jev 给你写一句话，而这一限制正是其价格的基础。
一个最小请求如下所示：
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?" }
}
}'
Jev 规格一览
| 规格 | Jev 1.13 |
|---|---|
| 模型 ID | jev-1.13.0 |
| 别名 | jev-latest、jev-preview（目前两者都指向 1.13） |
| APIMaster 端点 | POST https://apimaster.ai/v1/systemone |
| APIMaster 模型 ID | jev-latest |
| 价格 | 每十亿输入 token 42 美元 / 每 1M 0.042 美元 |
| 输出定价 | 免费——仅按输入计费 |
| 速率限制 | 250,000 token/秒和 1,200 请求/分钟，声明为动态 |
| 上下文长度 | 每请求 64k（state 加所有问题）；state 加最长问题为 32k |
| 输入类型 | 文本：字符串、JSON 对象或数组。不支持图像、音频或视频 |
| 输出 | 带类型的 Choice、Score 和 Noul 答案，含概率和置信度 |
| 客户端 SDK | Python typesafe-sdk、JavaScript @typesafe-ai/sdk |
| 每账户自定义权重 | 否。Jev 不会使用客户数据进行微调或 LoRA 适配 |
| 来自客户的训练数据 | 否。请求和响应不会被用于训练 |
Jev 的适用场景，以及 TypeSafe 建议留在代码中处理的部分
TypeSafe 还详细公布了 jev-1.13 的适用范围：九个领域，每个都附有它建议改用的模式，最后审阅于 2026 年 9 月 17 日。
| # | 领域 | TypeSafe 的建议 |
|---|---|---|
| 1 | 字面阅读——它回答的是你写的问题，而不是你想问的问题 | 明确陈述确切条件；把边界情况写入标准中 |
| 2 | 数学和数字——它不是计算器，也无法可靠计数 | 将算术和计数留在代码中 |
| 3 | 日期和时间比较——日期被当作文本读取，而非可排序的量 | 提取各组成部分；在代码中比较 |
| 4 | 间接性——双重否定和多跳问题会损失准确率 | 减少跳数；直接指向相关 state |
| 5 | 充满无关细节的大型 state | 先过滤；只发送问题所需的内容 |
| 6 | 对抗性内容 | 编写精确指令，并在部署前测试边界情况 |
| 7 | 相互矛盾的指令和标准 | 使指令与标准保持一致 |
| 8 | 常识性结构不变量 | 每个决策只以一种方式提问；在代码中强制不变量 |
| 9 | 生成 | 使用生成式模型 |
其中两点在实践中最为重要。第一，计数：文档明确说明 jev-1.13“无法可靠计数”——单词中的字符数、段落中的出现次数、长列表中的项目数——并且误差会随着被计数对象的规模而增长。第二，生成：Jev 不会写你的摘要、回复或提交信息。它做决定；由别的东西来写。
TypeSafe 自己推荐的计数模式展示了预期的分工：在代码中遍历候选项，为每个候选项问一个 Noul，然后自己把答案加起来。
那些头条数字从何而来
几乎每一场关于 Jev 的讨论都会带上两个数字。它们来源不同，描述的事情也不同。
0.7 秒。 Every 发表了一篇题为“TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds”的文章。收录该文章的资料索引将其描述为：37 篇文章中的 777 次判断。我们无法加载文章全文来确认其成本数字，因此围绕该演示所引用的单次运行成本应视为作者自己的测量，而非公布的价格。
724 条广告、40 秒、约 9 美分。 这一点有两次记录。构建页面 madewithjev.com — 724 competitor ads, broken down 指出，来自 37 个品牌的 724 条实时广告在约 40 秒内完成了分析。作者的 X 帖子（2026 年 9 月 17 日）补充了成本——“used 9 cents of tokens”——并列出每条广告提取的维度：钩子、形式、优惠、CTA、认知阶段和落地页不匹配。
两者之间的区别值得保留：0.7 秒是模型在段落级语料上的评估时间，而 40 秒涵盖的是抓取和处理 724 条实时广告。这两个数字都不是你工作负载的吞吐量保证。
社区正在用它构建什么
Jev 的采用情况异常容易考察，因为第一周发布的内容几乎全是开源的。下面的 star 数读取自 2026 年 9 月 20 日的 GitHub API。
浏览器和计算机使用。 browser-use/jev-ultrafast（★10,113）来自 browser-use 组织，是定下基调的项目。它暴露一个固定的动作空间（CLICK、TYPE_TEXT、SELECT、SCROLL_UP、SCROLL_DOWN、WAIT、DONE、BLOCKED），并要求 Jev 同时选择操作和目标元素。两项决策放入同一个 TypeSafe 请求，其中目标问题被标记为推测性。只有 TYPE_TEXT 会调用文本模型，而且 README 自己的示例用的是一个小模型。其演示任务——在 Google Flights 上从苏黎世到伦敦——被引述为 7.1 秒，包含文本生成和页面加载。没有任何针对特定网站的脚本。
编码代理的上下文压缩。 tamaratran/fast-jev-compaction（★4,544）判断编码代理记录中哪些工具结果仍然值得保留，从而无需完整摘要处理即可压缩长会话。针对其他代理运行框架的移植版本和变体也已存在。
代理护栏。 DevMortimer/pi-warden（★99）和 shiftynick/jev-axi（★17）都在每条命令或工具调用前放置一个判断：先询问，再阻止危险操作。在这个模式中，“经过校准的概率加上你自己代码中的阈值”确实优于需要你去解读的文本答案。
模型路由。 vinilana/jev-gateway（★61）将简单请求路由到低成本层级，只升级困难请求。它是 TypeSafe 自身论点最直接的体现——一个决策的成本可以只是它所把关的生成任务的一小部分。
游戏和控制演示。 fhshaik/typesafe-mario（★289）根据结构化的模拟器状态玩《超级马里奥兄弟》，RomanSlack/jev-drone（★81）在 MuJoCo 中运行无人机控制循环。这些项目传播的速度远快于它们交付的速度；请把它们视为对接口的演示，而非关于生产可靠性的证据。
开放复现。 对于想要这种能力又不想引入新供应商的人来说，这是最有趣的一条线索。TheoLeeCJ/SemIf（★2,123）在家中单块 RTX 3090 上运行一个开放模型，并明确表示它与 TypeSafe 无关。TianyuCodings/NanoJev（★1,175）是一个小规模复现。convaiinnovations/laya 是一个 Apache-2.0、可商用的分类模型，使用 RLCD 训练，发布在 system-one 和 calibrated-decisions 标签下，并在 receptron/laya 中有配套的运行器。这些都不是 Jev，它们发布的基准图表也是它们自己的；重点在于这种模型形态是可以复现的。
批量分类。 上面的广告拆解是旗舰示例，也是最有可能经得起生产考验的模式：保持 state 固定，在一次请求中问许多狭窄的问题，然后读取概率。
Jev 真的比低成本 LLM 更便宜吗？
按输入 token 算并不便宜，而这是大多数文章都会跳过的部分。Jev 收费 每 1M 输入 token 0.042 美元。在 APIMaster 上，gpt-5.6-luna 的促销价低至 每 1M 输入 token 0.022 美元——大约是 Jev 输入费率的一半——glm-5.3-flash 为 0.105 美元，deepseek-flash 为 0.15 美元。最便宜的托管生成式模型在输入价格上已经低于 Jev。
Jev 的成本论据建立在另外三件事上：
- 没有输出 token。 最便宜的生成式模型仍会为每次判断输出文本，而输出价格是输入的数倍。Jev 返回一个概率就结束。
- 延迟。 TypeSafe 公布的端到端响应时间为 70ms 到 500ms，并称在 System One 形态的查询上，与前沿模型相比快 40 倍到 200 倍。速度正是让决策能运行在请求路径内、而不是排在队列后面的原因。
- 边际问题的成本几乎为零。 因为问题是在同一个 state 上并行扇出的，第十个问题的成本只是第十次 API 调用的一小部分。
这是否划算取决于你的工作负载。如果你的判断数量少、篇幅长且能受益于推理，那么带结构化输出的低成本 LLM 更值得买。如果你每单位工作要做许多短判断，或者需要在用户察觉到停顿之前拿到答案，那么这笔账就不一样了。
如何在 APIMaster 上调用 Jev？
不是调用 TypeSafe 自己的端点，而且这一差异是结构性的，而非配置问题：
- 不同的路由。 TypeSafe 文档中只有一个评估端点
/v1/systemone，以及一个/v1/models列表。没有文档记载的/chat/completions。 - 不同的请求体。 请求携带
state和一个带类型的questions映射。OpenAI 风格的请求体携带messages，并期望返回生成的文本。 - 不同的响应。 你收到的是以你选择的问题名称为键的概率和置信度值，而不是补全字符串。
在 APIMaster 上，使用上面的原生 System One 请求，配合 APIMaster 密钥和 jev-latest。对于这种 API 形态，不需要任何转换层。OpenAI 兼容端点对于流水线中生成文本的那一半仍然有用，但它不是调用 Jev 本身的方式。
当你需要快速判断时，今天该用什么
如果你真正需要的是从一个现有的 OpenAI 兼容端点获得判断，实际问题是该把它发到哪个低成本层级。截至 2026 年 9 月 20 日的实时 APIMaster 路由：
| 模型 ID | 在售路由 | 起价（每 1M 输入 / 输出） | 参考标价 | 大致折扣 |
|---|---|---|---|---|
gpt-5.6-luna |
3 | $0.022 / $0.134 | $0.20 / $1.20 | 约 89% off |
glm-5.3-flash |
3 | $0.105 / $0.35 | $0.15 / $0.50 | 约 30% off |
deepseek-flash |
1 | $0.15 / $0.60 | 与 DeepSeek 错峰价相同 | 无加价 |
gpt-5.6-terra |
15 | $0.12 / $0.72 | $2.00 / $12.00 | 约 94% off |
gemini-3.8-flash |
7 | $0.20 / $1.00 | $1.50 / $7.50 | 约 87% off |
Jev 作为带类型的决策层实时可用；下表中的层级用于生成文本或升级层。关于这张表有三点说明。价格是核查时在售的最低路由价格，同一模型的不同路由价格不同——在承诺用量之前先打开模型卡片。deepseek-flash 按 DeepSeek 自己的错峰价格定价，所以诚实的说法是“无网关加价”，而不是折扣。而且更低的输入价格并不自动意味着更便宜：输出长度、缓存命中行为和重试率通常才是最终账单的决定因素。
在一个密钥上运行 Jev 风格流水线的一种可行分工：
- 把狭窄、高频的决策放在一个小型、低成本层级上，并用你自己的置信度阈值把关。
- 只把低于该阈值的案例升级到更强的模型。
- 把计数、算术和日期比较留在你自己的代码中——这与 TypeSafe 给出的建议相同，而且它适用于表中的每一个模型。
创建 APIMaster 账户，从 1 美元起添加按量付费额度，在 控制台 中创建密钥，并将一个 OpenAI 兼容客户端指向 https://apimaster.ai/v1，使用上表中任意模型 ID。一个密钥即可覆盖 GPT、GLM、DeepSeek、Gemini 和 Claude 系列，因此第 2 步的升级路径可以保持在同一集成上。在将生产流量切换过去之前，用 模型测试器 验证路由。
FAQ
什么是 Jev？
Jev 是 TypeSafe AI 的 System One 模型。它接收一个 state 和一组带类型的问题映射，返回经过校准的概率——Choice、Score 和 Noul 答案——而不是生成的文本。
Jev 是语言模型吗？ 不是——而且 TypeSafe 自己的措辞比这更明确。在发布帖中，创始人将其描述为“a structured data model, but technically not a language model (it doesn't generate language)”。它读取你发送的文本，返回带类型的决策以及概率和置信度值，且从不生成散文。TypeSafe 将其与 RLHF 聊天模型和 RLVR 推理模型并列为第三类，而不是任何一类的缩小版。
Jev 的模型 ID 是什么？
jev-1.13.0。别名 jev-latest 和 jev-preview 目前指向同一版本；SDK 默认使用 jev-latest。
Jev 的费用是多少？ 每十亿输入 token 42 美元，即每 1M 输入 token 0.042 美元。输出 token 免费，仅按输入计费。
Jev 兼容 OpenAI 吗？
不兼容。它使用专用的 POST /v1/systemone 端点，请求体为 state 加 questions，返回的是概率而非补全，因此 OpenAI 风格的客户端无法原样调用它。在 APIMaster 上，用 jev-latest 在 https://apimaster.ai/v1/systemone 调用同样的原生形态。
Jev 在 APIMaster 上可用吗？
可用。使用模型 ID jev-latest 配合 POST https://apimaster.ai/v1/systemone；实时价格为每 1M 输入 token 0.042 美元，输出 0 美元。生产使用前请查看 Jev 市场卡片。当任务还需要生成文本时，可搭配文本模型，如 gpt-5.6-luna、glm-5.3-flash 或 deepseek-flash。
Jev 支持中文和其他非英语语言吗？ TypeSafe 表示英语是主要训练语言，也是目前准确率最高的语言，其他语言（包括 CJK）可以处理，但效果并不一样好。文档建议在你自己的内容上测试，并在路由时关注置信度值。
我可以用自己的数据微调 Jev 吗？ 不可以。TypeSafe 不会按客户对 Jev 进行微调或 LoRA 适配，也不会用客户的请求或响应进行训练。领域行为通过每次请求中的 state、指令和标准来塑造。
哪些任务应该排除在 Jev 之外？ TypeSafe 公布了九类：字面阅读、数学和数字、日期和时间比较、间接性、充满无关细节的大型 state、对抗性内容、相互矛盾的标准、常识性结构不变量，以及生成。计数和算术应留在你的代码中。
我可以自托管替代方案吗？
存在开放复现——其中包括 SemIf、NanoJev 以及 Apache-2.0 的 laya 编码器——但它们是独立项目，有自己的基准，并非 Jev。请将公布的对比视为这些项目自己的测量结果。
什么时候应该用 Jev 而不是低成本 LLM？ 当决策狭窄且带类型、你需要频繁做出决策，并且需要在数百毫秒而不是数秒内拿到结果时。对于长上下文推理、生成或任何需要算术的任务，低成本的生成式模型是更好的选择。
来源与延伸阅读
- TypeSafe — Models — 模型 ID、别名、每十亿 token 42 美元定价、速率限制、上下文预算、语言支持和数据处理
- TypeSafe — Jev 1.13 jaggedness — TypeSafe 划定在范围外的领域，以及每个领域的推荐模式，审阅于 2026 年 9 月 17 日
- TypeSafe — API reference 和 Quick start — 端点、请求和响应形态、SDK 用法
- TypeSafe — Introducing System One Models and Jev — 发布文章、70–500ms 端到端数字和 40×–200× 对比
- Hacker News 讨论 — 发布帖获得 1,918 分
- browser-use/jev-ultrafast — 动作空间、单请求内操作与目标的设计，以及 Google Flights 演示
- Made with Jev — 724 competitor ads, broken down — 广告分析的构建页面，以及 作者的帖子
- Every — TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds
- Hugging Face — convaiinnovations/laya 和 TheoLeeCJ/SemIf — 开放、独立的复现
TypeSafe 的模型文档和范围说明核查于 2026 年 9 月 20 日。APIMaster 的 jev-latest 路由和定价核查于 2026 年 9 月 21 日。定价、速率限制和项目状态会变化——在投入工作负载之前，请在实时卡片或供应商自己的页面上核实。