TypeSafe AI's Jev 'System One' model gains traction as agent evaluator

Coverage timeline

1. 机器之心机器之心2 months ago
   刷屏了！前OpenAI研究员做的Jev，大家为啥抢着用？

   最近，AI 圈又冒出了一个新名字：Jev。 https://typesafe.ai/blog/introducing-system-one-models-and-jev 过去几天里，Jev 在 X、GitHub 和 Agent 开发者社区迅速刷屏。有人拿它在 40 秒内分析 724 条实时广告，有人把它接进 Claude Code 清理上下文，有人用它给 AI Agent 做任务验收，还有开发者把 Jev 接入浏览器 Agent，用它决定下一步该点哪个按钮、进入哪个页面。 LangChain 也很快跟进，在 9 月 20 日发布了一项 Jev-as-a-Judge 实验，测试它作为 Agent 评估器的表现。 连 OpenAI「重置之神」Tibo 也为 Jev 宣传。 Jev 到底是什么？ 简单来说，它是一种专门处理「判断题」的 AI。 9 月 15 日，TypeSafe AI 正式发布 Jev，并将这类模型称为「System One Models」。按照 TypeSafe 的定义，这类模型接收一段程序状态或文本信息，然后快速返回结构化判断结果以及对应概率。 Jev 刚发布时， 我们就报道过它 。几天过去，它的热度又上了一个台阶，相关推文已有 3700 万人围观。 举个例子，假设一个客服系统收到一封邮件，开发者可以让 Jev 同时判断：「这是销售线索吗？」「用户情绪是否激烈？」「是否需要人工介入？」「属于账单、技术还是销售问题？」 Jev 返回的可能是一组概率：销售线索：0.91；需要人工介入：0.12；技术问题：0.83。应用程序可以立刻根据这些数字进入下一步流程。 Wasp 联合创始人兼 CEO Matija Sosic 也在 X 上发布了一段 45 秒的 Jev 解读视频。 目前 Jev 提供三类核心判断形式：Noul、Choice 和 Score。Noul 负责 Yes/No 类型判断，Choice 从给定选项中选择答案，Score 根据预设标准进行评分。每个结果都会附带概率或置信度，多道问题还可以围绕同一份输入同时进行判断。 这套设计让 Jev 很快找到了一个爆发式增长的应用场景：给 Agent 当「裁判」。 今天的 AI Agent 经常需要连续完成几十甚至几百个步骤。写代码、调用工具、搜索网页、修改文件之后，系统还需要判断任务是否已经完成。这类问题恰好

   
2. Simon Willisonlast month
   Jev introduces a new shape of LLM - System One, aka Decision ModelsHN

   Last week TypeSafe AI unveiled Jev , their first example of a new category of model that they are calling "System One models" (I'm with Maggie Appleton, I think "decision models" is a better name for these). Jev is an interesting variant on the usual LLM format: it still accepts text inputs, but instead of text output it returns floating point numbers corresponding to categories, yes/no questions, ratings, and associated confidence scores. TypeSafe describe Jev like this: Think of Jev as a frontier-intelligence function call: unstructured state in, typed probabilistic decisions out. It's also very fast, and really cheap . Regular LLMs are priced in terms of input and output tokens, with output generally charged at significantly higher rates. Jev charges only for input - output is free - and the input price of their first model is $0.042 per million tokens - cheaper even than OpenAI's GPT-5 Nano ($0.05/million). Jev lets you ask questions about text or semi-structured data. You compose