TypeSafe 發布 Jev 1.14.0，新增影像與 box 型別
TypeSafe AI 發布 Jev 1.14.0（jev-preview），並以 danger zone 開關形式開放三項實驗功能：影像、box 型別與更長上下文。影像支援同時適用於 jev-1.13.0，可通過 assets 的查詢替換放進 state、instructions 或 criteria，官方提醒多模態表現弱於純文字。box 返回單個邊界框，僅 1.14.0 可用；長上下文需開啟 TypeSafe-Danger-Zone-Long-Context。
Jev 1.14.0 把影像、box 型別與更長上下文收進 danger zone 開關，並首次公開內部智慧測量（僅含開源權重模型），對使用 Jev API 的開發者與關注開源模型相對排名的讀者有參考價值。
原標題：Jev 1.14: For the Builders and Dreamers
閱讀原文
| 評分 | 68 / 68（平均 68，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
TypeSafe 的 Jev 上線三週估值 75 億美元，首周 ARR 破 1 億
TypeSafe 的 Jev API 上線三週即獲 75 億美元估值，首周 ARR 突破 1 億美元，成為同日湧現的「決策模型」品類的對標基準。OpenAI 同日發布 Decisions API，基於 GPT-6 Luna，支援機率、選項與打分三類請求，輸入每百萬 token 收費 0.10 美元、不計輸出費用，官方稱最快可提速 10 倍；
TypeSafe Jev 聯合 Unsiloed 複核文件抽取欄位
TypeSafe 介紹了把 Unsiloed 的抽取結果交給 Jev 判定的文件複核流水線。Unsiloed 返回欄位值、extraction_score 與 grounding_score 兩個 0–1 置信分以及頁碼和包圍框引用；Jev 用 Noul、Choice、Score 三種答案型別把定向問題轉成帶型別的判斷。範例的六行用藥清單中一行劑量被咖啡漬遮擋、一行數量明顯不合理，Jev 對 row-5 返回 Noul 值 0.94。
Jev 估值 100 億美元，創始人稱日處理破萬億 token
TypeSafe AI 聯合創始人兼 CEO Diogo Almeida 在 Latent Space 訪談中透露，其 System-One 模型 Jev 估值達 100 億美元，日處理量已突破一萬億 token，且夜間流量持續走高，說明大量呼叫來自機器自動化。Jev 1.13.0 在第三方 JevBench v1.2.1 綜合榜以 75.3 分排名第一，發布影片 6 天瀏覽量超 3870 萬。
Jev 走紅，NeurIPS 2025 論文 ConfTuner 早已探索相似思路
TypeSafe AI 的 Jev 模型近期走紅，其介面可直接返回預設選項、分數或事件機率，供程式碼呼叫，但未開源、架構未公開。NeurIPS 2025 入選論文 ConfTuner 提出 Tokenized Brier Score，僅用對錯標籤即可訓練置信度機率分佈，在 LLaMA、Qwen、Ministral 上把平均 ECE 從 0.2768、0.3781、0.4393 降至 0.1082、0.2872、0.1884，4 張 A40 上約 4 分鐘完成微調。
無 LLM agent 的 Jev 診斷管線：105 次通過 76.2%
一個不含 LLM agent 的 Jev 驅動診斷管線，在 SREGym-Lite 的 21 個故障、105 次診斷中通過 80 次（76.2%），中位診斷時間 14.6 秒。管線先用程式化收集器讀取 Kubernetes 物件、事件、近期 Pod 日誌與資源用量，按元件彙總後交給 Jev，由它在給定選項中選出可能根因、判斷元件是源頭還是下游受害者，並挑出關鍵證據，再組裝成診斷報告。Jev 全程只做選擇，不生成命令也不寫報告；