Jev 是什麼?TypeSafe 決策模型為開發者解說
What Is Jev? TypeSafe's Decision Model Explained for Developers
Jev 是 TypeSafe 推出的決策模型,透過輸入文字與已預先定義的問題,回傳一個已限定選項、分數或是布林值,並附上校準機率與信心分數。
- 核心特性:三種答案形態——Choice(選項)、Score(分級)與 Noul(布林),均以 0~1 的機率分佈回傳,無文字生成,避免幻覺。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
什麼是 Jev?它應該用於什麼?它是 TypeSafe 的決策模型,接受一段文字加上一個已型別化的問題,並回傳一個型別化的答案,該答案是你預先定義的答案集合中的一個選項。因此,如果我有一個關於票務路由的問題,例如這張票應該送到帳單、技術還是帳戶,Jev 會檢視票的文字並以預先定義的選項之一回覆,billing。更酷的是,它還會提供答案選項的校準機率,以及其他各選項的機率。哦,還有一個整體信心分數(稍後再說)。TypeSafe 將這些稱為 System One 模型,Jev 是其中第一個。
但 Jev 真實回傳的是什麼?讓我們找出來!它回傳三個原始資料,下面列出每個的實際 API 回應。以下是如何正確閱讀機率,而不被誤導。以及如何使用 OpenRouter API 金鑰呼叫 Jev。
什麼是決策模型(System One 模型)?
Jev 是一個決策模型。System One 模型是指接收一段狀態,並根據該狀態回傳決策的模型。在此情況下,Jev 的決策永遠是你事先定義的型別化值,外加一個從零到一的實際機率數值。此名稱源自 Daniel Kahneman 在《思考,快與慢》(Thinking, Fast and Slow)中所稱的 System One:快速、模式匹配的思考,而 System Two 則是慢速且深思熟慮的。
那麼什麼使它成為決策模型而非某種預言機?決策模型必須從你事先決定的一小組值中回傳。沒有自由文本,因而不需要你解析或擔心幻覺。
現在,TypeSafe 已校準 Jev,讓它說 0.8(80% 的機率)時,意即像 80% 的降雨機率,Jev 在此類答案上大約正確 80% 的時間(System One 概念)。
這只有在多個答案平均後才成立。任何單一答案仍可能錯誤。這在實務上會產生差異;我們稍後會再次討論此點。
Jev 與 LLM:各自回傳內容
一旦瞭解兩者的功能,Jev 與 LLM 的差異便會明顯。兩者皆能閱讀自然語言,但區別完全在輸出端。
以下是兩者的對照表:
| 生成式 LLM | Jev | |
|---|---|---|
| 輸出 | Tokens:散文、程式碼、你所要求的 JSON | 一個型別化答案加上機率分佈 |
| 形狀保證? | 僅在結構化輸出時才保證,內容仍可能錯誤 | 始終為你預先設定的選項、等級或是是/否機率 |
| 不確定性 | 隱藏於散文中 | 以數值回傳,便於設定閾值 |
| 輸入 | 文字,且常包含影像、音訊或影片 | 僅文字(字串、JSON 物件、文字陣列) |
| OpenRouter 價格 | 依模型、輸入與輸出計費而異 | $0.042 每百萬輸入 token,輸出免費 |
每當你需要文字作為主要輸出,例如回覆、摘要或程式碼修補,請使用 LLM。當你需要做出可執行程式碼的決策時,請使用 Jev。在幾乎所有實際案例中,兩個系統都會協同工作:Jev 進行路由與驗證,LLM 提供語言。這正是配套文章 Jev vs LLM: when to use? 所闡述的內容。它在 140 個支援案例上對此分工進行基準測試…
Jev 的三個原始資料:Choice、Score 與 Noul
你問 Jev 的每個問題都屬於三種型別之一。請求包含兩個部分:state,即要評估的文字,以及一個包含一個或多個已型別化問題的 questions 物件。Jev 會一次性回答所有問題,每個答案都以你提供的鍵返回。
以下範例是我於 2026 年 9 月 21 日發出的真實呼叫。它們透過 OpenRouter 的 Decisions API 對 typesafe/jev-1.13 執行,若你設定 OPENROUTER_API_KEY,即可按原樣執行這些範例。
Choice(選擇):從固定集合中選擇一個選項
當你從 API 接收到 Choice 時,它總是包含三項資訊:所選選項、每個選項的機率,以及信心值。
此指令傳送請求:
curl https://openrouter.ai/api/alpha/decisions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "typesafe/jev-1.13",
"state": "My invoice for September shows two charges for the Pro plan. I only have one workspace.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this ticket?",
"criteria": {
"billing": "Charges, invoices, and refunds",
"technical": "Bugs, outages, and broken features",
"account": "Login, password, and profile changes"
}
}
}
}'此回應顯示 API 所回傳的內容:
{
"model": "typesafe/jev-1.13-20260917",
"answers": {
"team": {
"type": "choice",
"choice": "billing",
"probabilities": { "technical": 0, "account": 0, "billing": 1 },
"confidence": 1
}
},
"usage": { "input_tokens": 357, "output_tokens": 38, "cost": 0.000014994 },
"id": "gen-dec-1790013975-0Cpw7ykY8YRfP85l4eqS",
"provider": "TypeSafe"
}Jev 在做出選擇前會閱讀 criteria 描述,因此請像說明新進員工一樣撰寫。TypeSafe 的 API 參考 說題目 ID(team 在此)從未被送往模型。所有意義必須包含在描述中。其次,model 欄位命名了 OpenRouter 所提供的精確快照。
Score(分數):按你描述的有序等級進行評分
Score 接收一個有序的等級描述陣列。它回傳一個數字,代表文字的分數,以及一個 legend,將陣列中的每個索引對映到其描述,外加 Jev 對每個等級的機率與信心值。
curl https://openrouter.ai/api/alpha/decisions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "typesafe/jev-1.13",
"state": "Export to CSV fails with a 500 error for every workspace in our org since this morning. We can still download JSON exports, but our finance team can only import CSV.",
"questions": {
"severity": {
"type": "score",
"instructions": "How severe is this bug report?",
"criteria": [
"Cosmetic; no impact to functionality",
"Broken or degraded feature, but a workaround exists",
"Blocking issue; no workaround exists"
]
}
}
}'{
"model": "typesafe/jev-1.13-20260917",
"answers": {
"severity": {
"type": "score",
"score": 1.15,
"legend": {
"0": "Cosmetic; no impact to functionality",
"1": "Broken or degraded feature, but a workaround exists",
"2": "Blocking issue; no workaround exists"
},
"probabilities": { "0": 0, "1": 0.85, "2": 0.15 },
"confidence": 0.77
}
},
"usage": { "input_tokens": 354, "output_tokens": 17, "cost": 0.000014868 },
"id": "gen-dec-1790013976-PwmCQLkieCXkoK3qb8Ja",
"provider": "TypeSafe"
}分數 1.15 為等級的機率加權平均值,即 0.85 × 1 + 0.15 × 2,正如上述回應所示。你自己的執行可能會略微偏離幾個百分位,因為 Jev 的機率在不同呼叫間會略有變化。將「我們仍可下載 JSON 匯出」視為解法時,Jev 主要落在等級 1。它也給「阻塞」一些權重,因為財務部門無法使用此解法。
因為分數採用序數尺度,必須將等級按從最少到最多的真實順序排列,並以文字描述每個等級。TypeSafe 檔案列出了 Score 原始型別 的細節,包括最多 10 個等級的上限。
Noul:是/否命題為真的機率
Noul 是三者中最簡單的原始型態。它以命題為輸入,並回傳答案為「是」的機率。
以下指令傳送請求:
curl https://openrouter.ai/api/alpha/decisions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "typesafe/jev-1.13",
"state": "I was charged twice for September. Please refund the duplicate charge.",
"questions": {
"refund": {
"type": "noul",
"instructions": "Is the customer asking for money back?"
}
}
}'以下為 API 所回傳的回應:
{
"model": "typesafe/jev-1.13-20260917",
"answers": {
"refund": { "type": "noul", "noul": 0.99 }
},
"usage": { "input_tokens": 287, "output_tokens": 20, "cost": 0.000012054 },
"id": "gen-dec-1790013977-LxrJdV3aOEliWmRmdmh9",
"provider": "TypeSafe"
}請注意,Noul 答案沒有獨立的 confidence 欄位;機率即為整個答案。下一節說明如何解讀。
一次呼叫中詢問全部三個
你甚至可能在想,嘿,questions 物件能容納多少個問題?隨你多。state 不必是純文字:它可以是帶有全部彈性之 JSON 物件。此時,你的指示可在反引號中以名稱參照其欄位。
假設你想在同一次往返中,從同一票證域一次性詢問 Choice、Score 與 Noul。
以下顯示傳送此請求的指令。
curl https://openrouter.ai/api/alpha/decisions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "typesafe/jev-1.13",
"state": {
"ticket": "Hi, I was charged twice for my Pro subscription this month. Please fix this before my next payroll run on Friday."
},
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle `ticket`?",
"criteria": {
"billing": "Charges, invoices, and refunds",
"technical": "Bugs, outages, and broken features",
"account": "Login, password, and profile changes"
}
},
"urgency": {
"type": "score",
"instructions": "How urgent is `ticket`?",
"criteria": [
"No deadline; routine question",
"Customer wants a fix soon but nothing is blocked",
"Customer names a deadline or something is blocked now"
]
},
"refund": {
"type": "noul",
"instructions": "Is the customer in `ticket` asking for money back?"
}
}
}'以下顯示的回應即為 API 所回傳的內容。
{
"model": "typesafe/jev-1.13-20260917",
"answers": {
"team": {
"type": "choice",
"choice": "billing",
"probabilities": { "technical": 0, "billing": 1, "account": 0 },
"confidence": 1
},
"urgency": {
"type": "score",
"score": 2,
"legend": {
"0": "No deadline; routine question",
"1": "Customer wants a fix soon but nothing is blocked",
"2": "Customer names a deadline or something is blocked now"
},
"probabilities": { "0": 0, "1": 0, "2": 1 },
"confidence": 1
},
"refund": { "type": "noul", "noul": 0.82 }
},
"usage": { "input_tokens": 447, "output_tokens": 69, "cost": 0.000018774 },
"id": "gen-dec-1790013867-chEjwDPvoiiffM3J3eDF",
"provider": "TypeSafe"
}若一切順利,每個答案都會落在你指定的鍵下。在程式碼中,你就能直接去 answers.team.choice 和 answers.refund.noul。
如何閱讀 Jev 的機率與信心值
閱讀 Jev 的機率與信心值時,請記住三項指引。
當 Noul 接近 0.5 時,表示 Jev 不知道該怎麼想。將其視為不確定狀態。我們來做個快速實驗,示範這個情況。我在兩次獨立呼叫中,針對狀態「本月我的卡上有兩筆扣款。若其中一筆是錯誤,我有哪些選擇?」提出相同的退款問題「客戶是否在要求退款?」。其中一次返回 Noul 為 0.52,而在完全相同的訊息(是的,逐字)下,Jev 返回 Noul 為 0.49。如果你想說「哇,客戶只是想要退款」,請注意訊息中並未提及退款。他們只是提及此事,但 Jev 在兩個方向上都有牽引,我們也不會確定。同時,早先 Noul 呼叫中的明確退款請求為 0.99。看到了模式嗎?當結果位於中間時,視為第三種結果,您可以採取行動。詢問後續問題,或將工單交給人工處理。
選擇與分數信心是衡量分佈集中度的指標。當整個分佈的權重集中於一個結果時,信心越高。集中於單一選項的選擇會產生高信心數值,範圍為 0 到 1。信心數值越高,選項之間的猶豫就越少。但 Jev 將注意力集中於某個選項並不代表答案正確。TypeSafe 以其 probabilities 的形狀計算信心數值,而非實際正確性(confidence docs)。極端情況下,將全部權重分配給單一結果的模型,其信心為 1.0;若集中度較低,信心數值會降低。
您可以用帳單範例來驗證。這個 state 更模糊:『我昨天升級到 Pro,但儀錶板仍顯示 Free,我已被扣款。是哪一個?』以下回應顯示 API 真實回傳的內容:
{
"type": "choice",
"choice": "billing",
"probabilities": { "account": 0.02, "technical": 0.19, "billing": 0.79 },
"confidence": 0.69
}Jev 仍選擇 billing,雖然有五分之一的權重落在 technical 上,信心降至 0.69。信心衡量 Jev 在選項之間的撕扯程度,但這些選項是否適當,取決於您。
從您自己的標註資料中自行設定閾值。操作建議很簡單。校準在總體上有效,這表示適當的切點取決於您的錯誤成本。TypeSafe 的 confidence guide 建議三個區間:若信心超過某一閾值,即自動執行。在中間區間謹慎處理,標示為需額外使用者確認或僅標示待審核。若信心低於另一個閾值,則轉交人工或其他系統。
如何設定這些區間?標註數百個範例。對每個範例,檢查 Jev 的機率分佈。接著挑選區間,使自動執行區間內的錯誤率符合您的容忍度。
Jev 留給您的程式碼的部分
Jev 有些功能您可能期望模型能完成,但實際上並未執行。這些功能仍需在您的程式碼或 LLM 中實作:
-
文字產生。每個 Jev 回應皆為前述三種型別之一,絕不會是補完、JSON 主體或解釋。當流程需要句子時,LLM 產生內容,Jev 進行驗證。這份 verified cascade cookbook 展示此模式。
-
可見推理。 Jev 只回傳你選項的分佈,沒有其他。沒有推論、沒有思考過程。將分佈作為記錄與閾值判斷的訊號。為了稽核,請記錄請求 ID、問題名稱、機率以及程式套用的閾值。不要將
state本身記錄在日誌中,因為工單與檔案包含客戶資料。 -
工具呼叫、對話或多步驟規劃。 Jev 以一次往返回答你所傳送的狀態相關問題。它不會呼叫工具,也不會持續對話,也不會執行多步。它在代理內部作為決策部分運作,例如 控制工具呼叫。
這已經三個了!再提供兩個限制條件供你參考:
-
Jev 只接受文字、字串、JSON 物件或文字陣列。不接受影像、音訊或影片。
-
精確算術、日期運算與閾值比較不是 Jev 的工作。先自行計算,將語意部分交給 Jev。
何時使用 Jev 模型
既然你已瞭解 Jev 的功能,接下來討論何時適合使用:當 LLM 預期提供的答案屬於列舉、布林值或數值時。
何時使用 Jev
- 路由與分診:你決定佇列、負責人、優先順序。每張工單提供一個選項與一個分數。
- 大規模分類與標記:成本足夠低(見下方定價)可在每一列執行;輸出已是標籤。
- 控制代理行為:在執行破壞性工具前,詢問 Noul 使用者是否授權刪除這些檔案;若低於閾值則阻擋。
- 驗證 LLM 輸出:先由 LLM 草擬,再詢問 Jev 該草稿是否符合你提供的政策文字。
- 排名與篩選:將候選者按描述層級打分,然後排序。
何時跳過 Jev
當答案需為散文、輸入為影像,或邏輯為確定式時。若需要精確規則?正規表示式或資料庫查詢勝過任何模型。若想在編碼前先試試,Jev Lab 在瀏覽器上對實際呼叫執行多個此類模式。
如何在 OpenRouter 上存取 Jev
你需要一個 OpenRouter API 金鑰 以及模型 ID:typesafe/jev-1.13(固定)或 ~typesafe/jev-latest(別名追蹤最新版本)。相同的呼叫可透過三種方式完成:使用 OpenRouter SDK、TypeSafe SDK 或原始 HTTP。
使用 OpenRouter SDK 的 Decisions API
以下程式碼示範與 confidence 區塊中較混亂的工單相同的呼叫:透過 OpenRouter TypeScript SDK 的 alpha.decisions 進行 POST https://openrouter.ai/api/alpha/decisions 呼叫。程式碼已於 SDK 1.3.11(透過 npm install @openrouter/sdk 安裝)測試。由於頂層 await,請以 bun run 或 ES 模組方式執行。開始:
import { OpenRouter } from '@openrouter/sdk';
const openrouter = new OpenRouter({ apiKey: process.env.OPENROUTER_API_KEY });
const decision = await openrouter.alpha.decisions.create({
decisionsRequest: {
model: 'typesafe/jev-1.13',
state: 'I upgraded to Pro yesterday but the dashboard still says Free and I got charged. Which one is it?',
questions: {
team: {
type: 'choice',
instructions: 'Which team should handle this ticket?',
criteria: {
billing: 'Charges, invoices, and refunds',
technical: 'Bugs, outages, and broken features',
account: 'Login, password, and profile changes',
},
},
},
},
});
const team = decision.answers.team;
if (team.type === 'choice') {
console.log(team.choice, team.probabilities, team.confidence);
}billing { account: 0.01, technical: 0.15, billing: 0.84 } 0.77請注意,這裡的數值與同一工單先前執行的結果(0.79 與 0.69)不同。Jev 的機率會因呼叫而略有波動,建議以區間設定閾值,而非精確值。最後,OpenRouter SDK 以 camelCase 回傳 decision.usage.inputTokens 與 decision.usage.outputTokens,而非原始 API 的 input_tokens 與 output_tokens。
TypeSafe JavaScript SDK 指向 OpenRouter
第二種呼叫方式為 TypeSafe SDK:將 SDK 的基底 URL 指向 OpenRouter,並以 OpenRouter API 金鑰作為 API 金鑰。SDK 會在基底 URL 末尾加上 /v1/systemone。純模型名稱如 jev-1.13 對應 typesafe/jev-1.13。以下程式碼為同一呼叫至 Jev,使用 @typesafe-ai/sdk;程式碼已於 SDK 0.6.0 測試:
import { TypeSafeClient } from '@typesafe-ai/sdk';
const client = new TypeSafeClient({
apiKey: process.env.OPENROUTER_API_KEY,
baseURL: 'https://openrouter.ai/api',
});
const result = await client.systemOne({
model: 'jev-1.13',
state: 'Export to CSV fails with a 500 error for every workspace in our org since this morning. We can still download JSON exports, but our finance team can only import CSV.',
questions: {
severity: {
type: 'score',
instructions: 'How severe is this bug report?',
criteria: [
'Cosmetic; no impact to functionality',
'Broken or degraded feature, but a workaround exists',
'Blocking issue; no workaround exists',
],
},
},
});
console.log(result.answers.severity);{
type: "score",
score: 1.19,
legend: {
"0": "Cosmetic; no impact to functionality",
"1": "Broken or degraded feature, but a workaround exists",
"2": "Blocking issue; no workaround exists",
},
probabilities: {
"0": 0,
"1": 0.81,
"2": 0.19,
},
confidence: 0.72,
}TypeSafe Python SDK 指向 OpenRouter
同樣的概念在 Python 中,使用 typesafe-sdk 0.7.1 (pip install typesafe-sdk):
import os
from typesafe_sdk import TypeSafeClient
client = TypeSafeClient(
api_key=os.environ["OPENROUTER_API_KEY"],
base_url="https://openrouter.ai/api",
)
result = client.system_one(
model="jev-1.13",
state="There are two charges on my card this month. If one of them is a mistake, what are my options?",
questions={
"refund": {"type": "noul", "instructions": "Is the customer asking for money back?"}
},
)
print(result.answers["refund"])type='noul' noul=0.49請將您的 OpenRouter 金鑰安全地儲存在伺服器端。TypeSafe SDK guide 中有關別名對映、回應封包以及錯誤處理的詳細資訊。
Jev 價格與上下文視窗
根據 2026 年 9 月 21 日的 OpenRouter model page:
| Jev 1.13 在 OpenRouter 上 | |
|---|---|
| 輸入價格 | $0.042 每百萬個 token |
| 輸出價格 | $0 |
| 上下文視窗 | 32,000 個 token |
| 模態 | 輸入文字,輸出決策 |
| 供應商 | TypeSafe |
總結來說:上述三題票務呼叫使用了 447 個輸入 token,成本為 $0.000019(約兩千分之一美分)。同等規模的百萬張票成本約 $19。輸出是免費的,答案非常短(每次呼叫介於 17 到 69 個 token 之間)。由於 probabilities 中的鍵順序在不同呼叫間會變動,我建議以名稱而非位置來索引專案。
OpenRouter 列出了 32k 的上下文視窗。TypeSafe 的 model page 顯示每次請求總共 64k 個 token,其中 32k 為您的 state,另加上最長的問題。
Jev 是開源的嗎?
快速提問:Jev 是專有的嗎?答案顯而易見(是),但讓我解釋一下。TypeSafe 尚未發布 Jev 的權重或任何相關論文,且所有想使用 Jev 的人都呼叫同一個託管模型。
試試看
現在是時候用您自己的 OpenRouter API key 來體驗這一切了!取得金鑰,貼上上述的 curl 指令之一,並將 state 改為您系統的實際訊息。
- 如果您更願意使用 TypeSafe 的客戶端,請閱讀 TypeSafe SDK guide。
- 學習如何 用 Jev 控制工具呼叫,在代理行動前加入一個 Noul。
- 閱讀 Jev vs LLM:何時使用各自 以瞭解基準測試,以及路徑-再寫模式。
- 遵循 How to Use Jev 以在 TypeScript 中構建完整的審核流程,並在一次請求中包含 Choice、Score 與 Noul 問題。
- 檢視 Jev 在 Jev 是否像 Frontier 模型一樣準確於分類? 的表現,以及它在 Jev vs LLM-as-a-Judge 中與評審模型的對比。
- The Jev documentation hub 列出了 OpenRouter 上所有 Jev 指南與範例。
- 在你做預算之前,請檢查 模型頁面,瞭解該模型目前的定價情況!
常見問題
什麼是 Jev?
Jev 是由 TypeSafe 開發的決策模型。您與大多數模型的互動方式是傳送文字。與 Jev 的互動不僅如此;您會傳送文字加上一個或多個已型別化的問題,回傳的答案則是已型別化且帶有校準機率的答案。沒有文字生成。TypeSafe 將此類模型稱為 System One 模型。
誰製作 Jev?
Jev 是一個決策模型。它由 TypeSafe(由 Diogo Almeida、Erik Gafni 和 Sasha Sheng 創立的 AI 實驗室)打造。Jev 在 2026 年 9 月 15 日以早期存取方式發布。現在的版本是 Jev 1.13。您可以透過 TypeSafe 自身的 API 或 OpenRouter 取得。
Jev 是 LLM 嗎?
不是。Jev 是非生成式決策模型,而 LLM 是生成式模型:Jev 會像 LLM 一樣閱讀您的自然語言,但不會產生任何文字或 token。Jev 會根據您的問題回傳三種答案形式之一:在預先設定的選項中做選擇、在定義的等級集合上給分數,或是給出「是」與「否」的機率。由於沒有生成文字,無需解析,也不存在輸出幻覺的風險。
Jev 主要用途為何?
好的,你必須決定哪個支援工單應該被分派給哪個團隊。你必須將這篇部落格文章分類為內容型別。你想根據置信度閾值來限制 AI 代理的工具呼叫。你需要將一組候選人按順序排列。你還需要將草稿與政策進行核對。聽起來很熟悉吧?在這些情況下,你會先向 LLM 提問,然後使用正規表示式解析出布林值或列舉值。迎接 Jev,專為這類決策而設計的模型,取代了 LLM+正規表示式的工作流程。
我如何存取 Jev?
如果你想透過 OpenRouter 來存取 Jev?那麼你只需要一個 OpenRouter API 金鑰,並對以下網址傳送 POST 請求:https://openrouter.ai/api/alpha/decisions,使用模型 typesafe/jev-1.13。或者你也可以使用 OpenRouter SDK 中的 decisions 客戶端。你甚至可以使用 TypeSafe JavaScript 和 Python SDK。只需將基礎 URL 設定為 https://openrouter.ai/api 並傳遞你的 OpenRouter 金鑰。
Jev 的價格是多少?
目前(截至 2026 年 9 月 21 日),在 OpenRouter 上的 Jev 1.13 每百萬輸入 token 的費用為 $0.042(輸出完全免費)。這表示在一個簡短的支援票務中,典型的三題呼叫大約使用 450 個輸入 token,成本約為 0.002 美分。請務必檢視模型頁面以瞭解最新價格。
Jev 是開源的嗎?
不是。Jev 是專有模型,因而沒有公開權重或相關論文。然而,你可以透過 TypeSafe API 或 OpenRouter 來呼叫它。