产品截图
详细介绍
Jev是什么
Jev 是 TypeSafe AI 推出的 AI 结构化决策模型，创始人是前 OpenAI 研究员 Diogo Almeida。Jev基于 Transformer 但不是大语言模型，不会输出句子，而是在预设选项内返回类型化决策：Choice（选项）、Score（评分）、Noul（概率），附带置信度。模型响应延迟约 70—500 毫秒，专用于 Agent 高频判断场景，如工具路由、工单分流、游戏决策。
Jev的主要功能
Jev 的三种输出形态
三者关系：可在同一次 API 调用中任意混用，共享同一份输入状态、并行独立评估——加问题几乎不增加延迟，也不会产生上下文腐化。
如何使用Jev
Jev的核心优势
Jev的同类竞品对比
Jev的应用场景
核心功能
✓Choice 选项决策：从预设的选项列表（最多 255 个）中选出最合适的一项，返回选项、概率分布和置信度，适用于路由和分类。
✓Score 评分：将输入按自定义量表（如 1–5 级）打分，返回分数、概率和置信度，用于衡量紧迫度、质量或风险等级。
✓Noul 是非判断：对”这条陈述是否为真”输出一个 0–1 的概率值，适用于是否需要转人工、是否需采取行动等二元判断。
✓并行多问题：一次 API 调用可同时混问多个问题，共享同一份输入、独立并行评估，加问题几乎不增加延迟也不产生上下文腐化。
✓置信度输出：Choice 和 Score 附带校准后的置信度评分，代码可据此做分流——高置信自动执行、低置信升级大模型或转人工。
✓无幻觉类型化输出：严格限定在用户预设的选项和类型范围内返回，无需 JSON 解析，杜绝格式错误和越界乱答。
✓极低延迟：端到端响应约 70–500 毫秒，比同类大语言模型快 20–200 倍，支持每秒约 10 次的高频决策循环。
✓Choice（选项决策）：从用户预先定义的选项列表中（最多 255 个）选出最合适的一项，返回所选选项、各选项的概率分布以及置信度，适用于路由、分类、工具选择等”多选一”场景。
✓Score（量表评分）：将输入状态按用户划定的评分量表打分，返回分数、各级别概率分布和置信度，适用于紧迫度评估、质量评级、风险分级等”打几分”场景。
✓Noul（是非判断）：对一条陈述是否为真输出一个 0–1 之间的概率值，不单独返回置信度，适用”是否需要转人工””是否要求采取行动”等二元判断场景。