Jev

JevBench 是由 Benchmark Heaven 独立维护的 Jev 类 System 1 决策模型基准（非 TypeSafe AI 官方），专门评估模型在给定状态与有界评分标准下返回带类型答案（含概率）的能力。

Nutlope 发布了一个开源欺诈检测演示，展示如何将 Jev 语义决策引擎与 Kimi K3 大模型组合为分层分类管线。Jev 对 100 封真实邮件（50 欺诈/50 合法）进行初筛并返回置信度分数，≥95% 的预测直接采纳，低于阈值者交由 Kimi K3 独立复审。

前 OpenAI 研究员、RLHF（人类反馈强化学习）核心贡献者 Diogo Almeida 正式推出了 TypeSafe AI 及其首款 System One 模型——Jev。Jev 放弃了传统 LLM 的“字符串生成”能力，转而专注于输出类型化的概率决策。它不写文章，不聊天，而是作为一个高速、低成本、无幻觉的“智能函数”，直接嵌入软件工作流中。

Jev Ultrafast 是 browser-use 团队推出的新一代浏览器自动化智能体，其核心创新在于将传统“视觉感知→推理→动作生成”的串行流程，重构为单次 TypeSafe 请求即可完成的结构化决策问题。

Astra-Ares 是一款运行在 Codex 任务之上的适配工具，首个借助 Jev 在 Codex 执行过程中动态调节 GPT-6（Astra、Sol、Luna）推理努力，根据任务下一步复杂度匹配对应的推理深度，从而削减整体 Token 使用量。

fast-jev-compaction 是一款专为 Claude Code 设计的上下文压缩工具，通过 TypeSafe Jev 的快速决策能力替代传统 LLM 摘要机制。

jevals 是一套面向AI智能体的评估与防护Python库，核心思路是使用Jev这类决策模型，替代传统生成式大模型（LLM）作为评判器。

laya-opencv 是一套将 OpenCV 视觉算法与 Laya/Jev 判定模型结合的本地工作台，核心思路：OpenCV负责看图、分割、测量，数字指标交给硬规则校验，最后由判定模型综合给出结论。