TypeSafe 推出 Jev 决策模型，专做布尔判断、枚举选择和候选打分
Jev 这个决策模型非常有意思。 它不做长文生成，只做三类事： 1. 布尔判断（要不要联网、要不要退出循环） 2. 枚举选择（Agent 走 fast / plan、调哪个模型、分发给哪个 Bot...
TypeSafe 推出的 Jev 决策模型很有意思，它不生成文本，只做布尔判断、枚举选择和候选打分，能帮搜索产品、本地模型网关、多 Agent 协作做决策，比生成式模型更快更高效。
TypeSafe 推出的 Jev 决策模型不生成文本，只做三类事：1. 布尔判断（如是否联网、是否退出循环）；2. 枚举选择（如 Agent 走 fast/plan 模式、调用哪个模型）；3. 候选打分（给多个选项打分排序）。它被定位为 System One，对应生成式模型的 System Two。落地场景包括：搜索意图识别（让 AI 搜索产品更快、更便宜）、本地模型网关（快速路由查询到合适模型）、多 Agent 协作（按能力分派任务）。
Jev 这个决策模型非常有意思。 它不做长文生成，只做三类事： 1. 布尔判断（要不要联网、要不要退出循环） 2. 枚举选择（Agent 走 fast / plan、调哪个模型、分发给哪个 Bot...
Jev 这个决策模型非常有意思。 它不做长文生成，只做三类事： 1. 布尔判断（要不要联网、要不要退出循环） 2. 枚举选择（Agent 走 fast / plan、调哪个模型、分发给哪个 Bot） 3. 候选打分（给多个选项打分，再按分数排序） TypeSafe 把 Jev 定位成 System One：靠快、直觉式的判断做决策。对应的是偏 System Two 的生成式模型——慢而细地推理，再输出文本。 几个很经典的落地场景： 1. 搜索意图识别 AI 搜索产品为了省搜索 API，一般会先打一枪 flash 模型做意图识别，根据 mode: chat / search 再决定要不要联网，用户往往要多等 1–2 秒。Perplexity 一类产品会把这类分流做成专用分类器，压到毫秒级。接入 Jev 后，用枚举选择 mode、或用布尔判断「要不要联网」，就能在不必自训小模型的前提下，把这道闸门做得更快、更便宜。 2. 本地模型网关 本地部署的 Agent（比如 OpenClaw），后面挂了一堆模型 API，token 成本很高。需要一层网关：日常对话走 DeepSeek 之类的 flash，写代码走 Claude 之类的 SOTA。用 Jev 做枚举选择，可以把 query 快速路由到够用且更合适的模型。 3. 多 Agent 协作 不同 Bot 能力不同。群里发布任务后，Leader 要按成员能力分派。用 Jev 做候选打分，就能挑出更匹配的一组 Bot 来协作完成任务。 --- Jev 已在 OpenRouter 上线，但不兼容 OpenAI Chat Completions 格式，要用 Decisions API 自行拼 state + questions。 大家的 Agent 产品都可以接起来了。✌️ 💬 0 🔄 1 ❤️ 7 👀 630 📊 2 ⚡
