智东西10月15日消息，今早，美国AI公司TypeSafe AI发布了新模型Jev 1.14.0，同时放出图像输入、全新问题类型Box（非决策问题）、262k长上下文这三项实验功能，三项功能被统一归入名为“危险区”（Danger Zone）的实验计划。
这三项功能默认关闭，需要用户手动打开API开关，官方声明称这批功能均未达生产标准，风险自负。
9月16日，隐身研发两年的TypeSafe正式推出Jev。这款模型不同于生成连续文本的大语言模型，它会直接输出分类、选项、是非判断等结构化决策，并提供经过校准的置信度。
TypeSafe将其称为首个System One（系统一）模型，意指一种更接近快速、直觉式判断的决策模型。
Jev的发布让决策模型快速进入更多人的视野。10月10日，TypeSafe宣布完成8.7亿美元（约合人民币58.6亿元）A轮融资，估值达到75亿美元（约合人民币505亿元），由a16z领投，红杉资本和DCVC参投。
随着这一领域受到关注，微软推出了支持结构化决策的Microsoft-Decision-1，开源社区则涌现出Kev、Laya、Decider等Jev类项目。
此次Jev 1.14.0的发布，也是TypeSafe宣布融资后的首次模型更新。
一、模型小幅升级，官方提醒别轻信评测
Jev 1.14.0本身并非一次大幅升级。TypeSafe将其形容为一次“不炫技”的更新，改动细微但覆盖面广，预计提升最明显的是多语言能力。
不过，中文用户暂时还不能期待它与英文表现持平。官方文档指出，包括中文在内的非英语语言虽然可以处理，但效果仍不如英语，建议开发者上线前先用自己的内容进行测试。
版本管理方面，1.14.0目前使用预览别名 jev-preview，预计一周后切换为默认别名 jev-latest，1.13.0则会继续保留一段时间。
此外，TypeSafe还新增了模型改进授权选项。开启后，TypeSafe可以读取和分析输入与输出，以发现模型表现不稳定的问题、排查实际使用场景中的故障。官方表示，这些查询不会用于模型训练。
价格方面维持不变，每百万输入Token收费0.042美元，输出免费。
除了版本改动，官方还公布一份内部评测，根据三张评测图，在8个模型的综合智能分对比中，Jev 1.14.0以60.0分排名第一，高于1.13.0的58.9分；得分最高的开源模型kev-27b为46.7分。
在校准误差这一指标上，Jev 1.14.0也以1.6的成绩表现最好。
不过，TypeSafe也提醒，这份榜单仅供参考，评测只涵盖开源权重模型，结果可能偏向自家模型，后续分数也可能调整。
因此，官方建议重点比较开源模型之间的相对表现。有意思的是，三张评测图右上角都标注着一句话：警告：AI基准测试，请勿轻信。
二、图像、Box、262k上下文：三项实验功能
Jev这次开放的图像功能，使用起来并不局限于某一种输入格式。官方称其具有“完全可组合”的特性，也即状态信息、问题指令，甚至评判标准中，都可以加入图像，三种问题类型均支持图像输入。
官方还透露，Jev 1.13.0其实早已具备多模态能力，只是此前没有正式开放图像功能。这次更新后，开发者可以通过实验接口启用图像输入。
目前图像输入仅支持PNG、JPEG静态图片，边长须在256至1568像素之间，单张图片不超过16MiB，费用按输入token计算。官方提醒，Jev处理多模态任务时的表现仍不如纯文本任务。
Jev的上下文上限也有了大幅提高。默认情况下，单次请求最多支持64k token，单个问题最多支持32k token；开启实验开关后，两项上限都能提升至262k token。
不过，官方提醒，长上下文可能让模型运行得更慢、表现更不准确，建议只在确有需要时开启。
这次更新还新增了Box问题类型，让Jev能够直接在图像中定位指定目标，并返回对应的边界框坐标。坐标经过归一化处理，范围为0至1，分别对应图像的宽和高。
官方列出的应用场景包括识别柜台上的杯子、定位扫描件中的签名，以及框出门口的人。Box也是Jev首个不只服务于智能判断（smart-if）的问题类型。
需要注意的是，图像和长上下文功能均可通过实验开关在Jev 1.13.0中启用，Box则是Jev 1.14.0独有的新功能。
三、官方打开“危险区”：没把握的功能，先放给开发者玩玩
图像输入和长上下文目前均默认关闭，开发者需要在API请求头中添加相应开关才能启用。TypeSafe将它们统一归入“危险区”（Danger Zone），提醒用户自行承担使用风险。
这不仅是一个命名上的提醒，也意味着这些功能暂时不受正式版的可靠性保障。开发者可以提前尝试新能力，但需要自行验证输出是否准确、是否适合具体任务，尤其不能未经测试就将其用于生产环境。
TypeSafe解释，这源于产品可靠性与开放探索之间的取舍：面向生产环境的模型需要经过充分验证，但开发者的需求难以预判，如果所有新功能都必须达到成熟的生产标准，一些新想法就很难得到实际检验。
因此，公司选择先开放实验功能，再根据使用反馈持续迭代。
结语：从“看图决策”到真正可用，还有多远？
图像输入和Box的加入，让Jev的决策能力从文本延伸到视觉场景。对于Agent而言，这意味着它不仅要处理文字指令，还可以尝试识别画面中的目标，为后续操作提供判断依据。
但从实验功能到稳定的生产能力，中间还有一段距离。Jev目前的多模态表现仍弱于纯文本，长上下文也存在速度和准确性上的取舍。
TypeSafe选择先开放接口，让开发者在真实任务中验证能力，同时明确提示风险。对于Jev这样的决策模型来说，能否在复杂输入下持续给出可靠结果，并真正嵌入Agent工作流，才决定了它的应用空间。
来源：TypeSafe博客