8.0
热点
AI SCORE
模型发布2026-10-15 13:45
Jev新版加入图像输入与26.2万上下文
MarkTechPost#多模态#长上下文#结构化输出
Editor brief · 编辑速览
TypeSafe AI发布Jev 1.14预览版，新增实验性图像输入和用于边界框的Box类型，并可选择启用262k token上下文。公布的输入价格为每百万token 0.042美元。
人工智能
TypeSafe AI 发布了 System One 决策模型的新版本 Jev 1.14，目前已通过 jev-preview 别名上线。它新增了 3 项处于实验阶段的“危险区”（danger zone）功能：图像、Box 类型和更长的上下文。对开发者来说，Jev 1.14 将这种类型化决策模型进一步扩展到了检测和定位等视觉任务。TypeSafe 特别说明，这 3 项功能都还不能用于生产环境。
**规模：**未披露参数量。默认每个请求支持 64k tokens，每个问题支持 32k tokens；通过请求头显式启用后，可提升至 262k tokens。
**运行方式：**仅通过 TypeSafe 托管 API（POST /v1/systemone）提供服务。未开放权重，也未披露硬件配置和量化版本。
**性能：**各方面均有小幅提升，其中多语言支持的提升最大。这是 TypeSafe 的说法，目前没有公开分数。
**最佳表现：**在 TypeSafe 的 Box 测试中，4 个边缘检查问题识别出了 36 个截断裁剪样本中的 30 个。
**主要不足：**图像和 Box 功能尚未达到生产可用水平，而且 Box 无法回答“未找到”。
Jev 是 TypeSafe AI 的 System One 模型，返回的是类型化决策，而非生成的文本。你向它提交状态（state），并附上指定类型的问题：Choice、Score 或 Noul。Jev 会为每个问题返回对应类型的值、概率和置信度分数。TypeSafe 使用 Reinforcement Learning for Calibrated Decisions（RLCD，面向校准决策的强化学习）来训练它。
根据发布说明，新版本 jev-1.14.0 几乎在所有方面都有细微的小幅改进。TypeSafe 预计，多语言支持将是提升最大的部分。
图像可以组合使用。每张图像只需在顶层 assets 映射中列出一次，并用一个引用字符串标识。然后，你可以在 state、instructions 或 criteria 的任意位置放入这个引用。在模型读取内容之前，API 会将每个引用替换为对应的图像。
TypeSafe 表示，jev-1.13.0 其实一直具备多模态能力。根据 Images 文档，Jev 1.13 和 Jev 1.14 现在都接受图像输入。每个请求都需要携带请求头 TypeSafe-Danger-Zone-Images: true。
TypeSafe 提醒，包括 Jev 在内，所有模型处理图像时的表现都不如处理纯文本时。它建议尽可能使用简单的问题。
Box 是一种新的问题类型，每个问题返回 1 个边界框。答案会给出上、下、左、右四条边的位置，以 0 到 1 之间的比例值表示，同时返回置信度分数。使用 Box 需要选择 jev-1.14.0 或 jev-preview，并携带图像请求头。
Box 始终会返回一个框。即使问题所指的对象并不存在，它仍然会返回 4 条边的位置。TypeSafe 建议搭配一个 Noul 问题，先检查目标是否存在。
TypeSafe 还分享了一项小规模测试：测试使用 36 张绘画裁剪图，每张都裁掉了目标的一部分。分别检查四条边的 4 个 Noul 问题识别出了 30 个截断样本。单独询问“目标是否全部位于图内”，识别出了 26 个。将边界框画成轮廓线，再围绕它提问，则识别出了 20 个。
默认情况下，两个模型的限制都是每个请求 64k tokens、每个问题 32k tokens。根据 Models 文档，发送 TypeSafe-Danger-Zone-Long-Context: true 后，这两个限制都会提高到 262k tokens。TypeSafe 表示，Jev 内部一直支持更长的上下文。之所以主动设置上限，是因为 Jev 和所有模型一样，在输入较长时可靠性会下降。开发团队仍建议使用较短的上下文。
TypeSafe 在发布说明中公布了内部能力测试图表，其中仅将 Jev 与开放权重模型进行比较。文章没有提供具体的分数表。TypeSafe 表示，这种衡量方式很可能偏向自家模型，并建议开发者优先参考自己的 evals。
定价保持不变：每十亿输入 tokens 收费 42 美元，即每百万输入 tokens 收费 0.042 美元。根据 Models 文档，输出 tokens 免费。
发布说明中的上线计划如下：
| 特性 | Jev 1.14 | Jev 1.13 | Gemini 3.5 Flash-Lite |
|---|---|---|---|
| 模型 ID | jev-1.14.0 | jev-1.13.0 | gemini-3.5-flash-lite |
| 模型类型 | 类型化决策模型 | 类型化决策模型 | 通用 LLM |
| 参数量 | 未披露 | 未披露 | 未披露 |
| 默认上下文 | 每个请求 64k / 每个问题 32k | 每个请求 64k / 每个问题 32k | 1,048,576 输入 tokens |
| 长上下文 | 262k，通过请求头显式启用 | 262k，通过请求头显式启用 | 不适用 |
| 图像输入 | 支持，需要实验性请求头 | 支持，需要实验性请求头 | 支持，可输入文本、图像、视频、音频、PDF |
| 边界框 | 原生 Box 类型，边缘位置取值为 0 到 1 | 不支持 | 通过 prompt 生成 JSON box_2d，按文档缩放到 0 到 1000 |
| 输出 | 带置信度的类型化答案 | 带置信度的类型化答案 | 文本，最多 65,536 tokens |
| 输入价格（每百万 tokens） | 0.042 美元 | 0.042 美元 | 0.30 美元 |
| 输出价格（每百万 tokens） | 免费 | 免费 | 2.50 美元 |
| 状态 | 预览版（jev-preview） | 稳定版（jev-latest） | 稳定版 |
Jev 1.14 已通过 jev-preview 上线。jev-latest 将在一周后切换。
Jev 1.13 和 1.14 都可以通过 danger-zone 请求头启用图像功能。
新的 Box 类型为每个问题返回 1 个归一化边界框。
长上下文模式将限制提高到 262k tokens，但会牺牲可靠性。
价格维持在每百万输入 tokens 0.042 美元，输出免费。
欢迎查看发布说明、Models 文档、Images 文档和 Box 文档。所有功劳归于该项目的研究者。也欢迎在 Twitter 上关注我们，加入我们拥有超过 15 万名成员的机器学习 SubReddit，并订阅我们的 Newsletter。等等，你用 Telegram 吗？现在也可以在 Telegram 上加入我们了。
Asif Razzaq 是 Marktechpost AI Media Inc. 的 CEO。作为一名富有远见的创业者和工程师，Asif 致力于发挥人工智能的潜力，造福社会。他最近的一项事业是推出人工智能媒体平台 Marktechpost。该平台以深入报道机器学习和深度学习新闻见长，内容既在技术上严谨，又能让广泛的读者群体轻松理解。平台每月浏览量超过 200 万，体现了它在读者中的受欢迎程度。