📢 TypeSafe AI · Jev 现已登陆 API 作为 @typesafeai 发布的首款 System One 模型，Jev 专为软件内的高速结构化决策打造。它不生成文本：输入应用状态与类型化问题，直接返回带概率与置信度的决策，无需 JSON Prompt，也无需解析输出。模型支持 Choice / Score / Noul 三类原语并行评估，端到端延迟约 70–500ms，输入仅 $0.042 / 百万 Token、输出免费，适用于工单路由、内容审核、风险评分与 Agent 分支判断。 API 现已开放，在 API 模型的「官方」→「全量接入」列表（通过 Jev-1.13.0 或 Jev-Latest 调用），欢迎体验！ 👉 体验入口： 🔗 了解更多：

⚡Funding Brief⚡ TypeSafe AI 宣布完成8.7億美元A輪融資，估值為75億美元。本輪由Andreessen Horowitz領投，Sequoia Capital、現有投資者DCVC及天使投資人也有參與。 a16z普通合夥人Martin Casado將加入TypeSafe董事會。 公司表示，將以這筆資金開發更多machine-native模型與基礎設施，並增加企業功能。TypeSafe也稱約三分之一的《財富》500大企業正在使用其Jev模型，但未公佈客戶名稱。 Source: TypeSafe AI / Andreessen Horowitz，2026-10-09

a16z 领投，AI 模型 Jev 开发商 TypeSafe AI 估值达 75 亿美元 AI “决策”模型 Jev 的开发商 TypeSafe AI 完成约 8.7 亿美元融资，投后估值 75 亿美元，由 a16z 领投。 据悉，TypeSafe AI旗下AI模型Jev在发布数周后迅速走红，其联合创始人Diogo Almeida表示，发布视频走红后，公司获得大量企业高管、开发者和投资者关注 目前已被约三分之一的《财富》500强企业使用，并在数天内突破100万用户。

AWS、Cloudflare 和 Databricks 这两天都跟进了决策模型。 AWS 推出开源的 Strands Decider 2B。它基于 Qwen3.5-2B，去掉文本生成模块，换成专门负责选答案的决策模块，再用 LoRA 微调。官方测试中，它在 RTX 3090 上单次决策中位延迟约 115ms，完整训练约 11 小时。 Cloudflare 一口气发布 Clef 和 Clef-flash，分别基于 Qwen3.8-27B 和 Qwen3.5-9B 改造，并全部开源。在 Cloudflare 对 Jev 官方评测集的测试中，Clef 系列在 4 类任务中的 3 类超过 Jev；Clef-flash 的中位延迟为 38.8ms，Jev 为 524.1ms。 Databricks 则把这套能力直接做进了平台。新上线的 ai_decide 可以在 SQL 或 REST API 中调用，对数据做分类、打分和 Agent 路由，接口还直接兼容 TypeSafe AI API。官方称一次决策可以在不到一秒内返回。 决策模型正在被云平台直接吃进产品里。AWS 做模型，Cloudflare 接进 Workers AI，Databricks 干脆做成 ai_decide 函数。以后开发者可能不再专门接一个 Jev，而是像调用分类、检索一样，直接用平台自带的决策能力。

最近一直在链上打狗枯坐以及钻研AI，都快忘了更新推文 先说一下AI，最近在体验JEV 直观的感受就是快，几秒就能给出反馈 别在花钱去某海鲜市场买了，如果你急用➕有钱 当我没说，官方申请流程： 1、官网申请加入waitlist，申请当天能过🔗： 2、告诉你的Codex：安装npx skills add typesafe-ai/skills –skill typesafe-ai 3、回到网站，建立API Key 4、在 AI 里说一句 “use the TypeSafe skill” 5、另外可以给ai这张图片 让他判断什么时候用jev，然后让他搞成全局模式 这里有大佬总结的JEV案例库，可以看一下大佬们都使用在了哪些场景

让小模型看一张图回答一串选择题，常见做法是让它输出 JSON，可问题一多格式就开始出错，代码那头直接解析失败。 jev-visual 换了个思路，参考 TypeSafe 家 Jev 的做法，不让模型生成文字，而是给每个候选答案直接打分，挑分最高的那个。 它是个在 Apple 芯片 Mac 上跑的学习项目，模型用 0.8B 的 Qwen3.5。同一张图一次能问 1 到 64 个问题，选项题、是非题、分等级打分都行。 图片和上下文只算一遍，各个问题共用。作者在 M4 上测了 64 个问题，每个问题单独算要 37.30 秒，共用之后 2.40 秒。 GitHub： 仓库里带了三个小游戏演示，传送带分拣、打砖块、用摄像头手势控制粒子。 打砖块那个挺实在，小模型盯不住球，作者干脆把画面分成五块，只问球在哪一块。 首次运行要下载大约 600 MB 的模型，之后全在本地跑，有网页界面、命令行和接口三种用法，还配了中文说明。 想弄明白视觉模型推理每一步在干什么，照着 README 给的阅读顺序看代码，会顺很多。

Jev是新出的模型，这两天在X上很火。它的思路很有意思。 人的思维分成两种模式：System 1（快思考），System 2（慢思考）。 开发团队TypeSafe 的论点是： 今天的主流模型都是System 2。它们倾向于把思路写成一段话，再一个token一个token地吐出来，速度很慢。 所以他们把Jev这类东西叫System One Model：不聊天、不解释、不写句子，专门做“看完状态立刻给出结构化判断”。 官方原话大概是：把它当成一个前沿智能的函数调用——非结构化状态进去，带概率的类型化决策出来。 我准备试一试。如果有效，那就出一期视频聊聊。

今日爆款 Jev 应用分享🔥 全网玩家把 Jev 玩成了下一代「200ms 点下一格的浏览器手 + 开源本地决策核 + 技能路由闸 + 监督神经 + 超快浏览器 Agent」： 1️⃣ browser-use/jev-ultrafast（ 动态索引动作空间 + Jev 选操作/元素，小模型只打字。Flights 7.1 秒级别。 “浏览器手第一次 200ms 级决策，而不是截图慢慢想”！ 2️⃣ keeltrace/hermes-nerve（Jev 监督） Jev / Laya / OpenJev Reflex 可选的监督神经系统，看板 + 上下文治理 + token 轨迹。 “每一步第一次有神经反射，而不是同一把锤子砸所有钉子”！ 3️⃣ DECRUX9812/typesafe-skill-router 或类似 Jev 技能路由（社区热门） 模型开口前先判该上哪条技能，对不上就一行都不注入。 “技能第一次是点名上岗，而不是一千条 SKILL.md 全灌进上下文”！ 4️⃣ kerpopule/hermes-jev-skills（社区） 九条纯 SKILL.md：模型路由、记忆过滤、技能选择、计算机/浏览器动作，跨 Hermes / Claude / Codex。 “小决策第一次交给 System One，而不是烧前沿模型 token”！ 5️⃣ ajensenwaud/hermes-jev-plugin 或 jev-typesafe（Hermes 目录） TypeSafe Jev 工具：yes/no、routing、rubric scoring，带校准概率。 “决策第一次有类型和概率，而不是黑盒猜”！ Jev 把 System One 决策核真正焊进 Agent 循环了，速度与成本双杀。

自己做的网站上线好几个月，Google 上就是搜不到，找人做 SEO 诊断要花钱，自己对着官方文档一条条查，又不知道先改哪个。 jev-seo 是一个开源的网站 SEO 体检工具，给它一个首页网址，大约一分钟把整个站爬一遍，出一份排好优先级的整改清单。 它对照 Google 官方搜索文档里的 52 条规则逐项检查，死链、重定向、结构化数据、页面加载体验这些都会查到。 每个页面还会交给 TypeSafe 的 Jev 模型判断，这页是干什么的、内容够不够具体、有没有几页在抢同一个搜索词。 GitHub： 报告一次出 PDF、Excel 和 Markdown 三份，PDF 给客户看，Excel 里每条整改项都带优先级、改法和官方出处，直接能当进度表用。 费用挺低的，标准模式一个站大约花 1 美分的模型调用费，不用订 SEO 数据服务。作者还拿同样 59 个页面跑了两遍，打分平均只差 0.03。 能在命令行跑，也能装进 Claude Code 当 Skill 用。给客户建站的，交付时附一份这个报告，比口头说一句「SEO 做好了」有说服力。

今日爆款 Jev 应用 🔥 全网玩家把 Jev 玩成了下一代「200ms 点下一格的浏览器手 + 开源本地决策核 + 每个区块做一次买卖的交易员 + 看辅助树再点的电脑操作员 + 全网用例雷达」： 1️⃣ browser-use/jev-ultrafast（ Browser Use 亲儿子：页面下一步点谁，交给 Jev 的 Choice，不让大模型写议论文。17k+ 星。 “网页 Agent 第一次按毫秒决策，而不是每点一次按钮烧一轮前沿模型”！ 2️⃣ NandhaKishorM/laya（ 开源权重决策模型：本地几十决策 / 秒，Jev 形状的 Choice / Score / Noul，不把数据送出机器。热榜新贵。 “System One 第一次能离线上膛，而不是每个 if 都要打一枪云 API”！ 3️⃣ jarrodwatts/jev-trader（ Monad 上 Kuru MON-USDC：每个区块（~300ms）问一次买还是卖，挂 post-only，带 dry-run。 “交易第一次是类型化判断，而不是让聊天模型写一份『我认为应当买入』”！ 4️⃣ awlevin/typesafe-computer-use（ macOS 电脑操作：每一步一个 Jev 决策，成本约 $0.0002 / 步。 “键鼠第一次按概率分支，而不是把整屏截图丢给会写作文的模型猜坐标”！ 5️⃣ everyinfra/jev-radar（ 独立雷达：220+ 已核验用例、置信度分级、每 3 小时回扫，中英白皮书。 “生态第一次有证据账本，而不是再刷一页『大家好像都在用 Jev』的传闻”！ // 这波直接把 Jev 从「不会写字的新模型」推到「浏览器能点、本地能跑、链上能下单、桌面能动手、地图能查全」的决策基础设施。谁先把这五件套接到自己的 loop 里，谁就把 2026 的 System One 战争锁在自己代码里。直接冲。