TypeSafe Jev模型：快速System One选择器
介绍TypeSafe的Jev模型，它是一种不进行长对话或深度思考的快速模型，仅从给定选项中选择，并描述了其规则层过滤合法动作的应用设置。
THE JEV GUIDE · CURATED EDITION
工作原理.
TypeSafe Jev 的发布、原理、演示与社区实践，按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
5419条已收录内容
2789条原帖视频
Sponsors
这些产品赞助了本目录。 把你的产品放上来
Jev：不生成文本的AI决策模型
Jev模型不生成文本，而是提供类型化响应和概率，用于自动化软件决策和数据分类。输入价格0.042美元，输出免费。
Jev作为“流量控制器”的分诊比喻
用分诊护士比喻，说明Jev决定请求去向，LLM仅在必要时作为专家介入，而非最终分析师。
Jev 基于状态与预设问题输出概率
帖子说明 Jev 接收当前状态和预先确定答案的问题，只在这些答案上返回概率；标签由应用定义，模型不会生成新标签。
Jev 决策模型：LLM 生成，Jev 决定
帖子探讨了Jev作为决策模型的工作方式：大多数AI系统让单个大模型完成排序、路由、判断、推理和写作，而Jev指南提出分工——LLM负责生成，Jev负责决定。内容还解释了决策模型在系统中所处的位置，并指出指南尚未证明的部分。
信息流里每 16 张、每一页都有一张。每周 $50，任意一周可停。
Ollama 0.35 可运行 Jev 决策模型
通过 Ollama 0.35 在本地运行 Jev 决策模型，输入一段文本即可获得团队分配、退款决策和紧急程度等建议。每个输出附带概率，但分数（如 0.815）是概率加权平均值，需与置信度区分，避免误读。
用开源语言模型与Token概率模拟Jev
作者探讨了如何通过开源语言模型与token概率来模拟Jev，解析其工作原理，并展示了基于DiffusionGemma的演示，已部署在Cloudflare Workers AI上。 链接
Jev：快速请求路由
Jev在请求发送到大模型前进行快速检查，以极低成本在不到一秒内将任务分配给合适的模型。
Jev 1.13：用于判断而非生成的模型
TypeSafe 构建的 Jev 1.13 接受上下文和类型化问题，返回概率，无需清理段落或调整 JSON 输出。
Jev AI：低成本路由与筛选
Jev在笔记本Jarvis环境中路由请求，读取百万token仅需4.2美分，输出免费，只从用户提供的列表中选择答案。
Jev 93% 可跳过人工核验
在人工复核错误率上限为1%的条件下，Jev 允许93%的答案跳过人工检查，OpenAI 为66%，大型通用模型虽可达98%，但速度慢约10倍。
Jev 基准测试：保留私有部分以衡量真实技能
hev mind 撰文认为，将一半基准保持私有，让排名反映真实技能而非记忆的答案，是正确的决定。 链接
