TypeSafe 决策模型 Jev 是什么：面向开发者的原理解读

什么是 Jev？你应该用它来做什么？它是 TypeSafe 的决策模型，接收一段文本和一个带类型的问题，然后返回一个带类型的答案，该答案是你预定义答案集中的选项之一。所以，如果我有一个关于工单路由的问题，比如这个工单应该去账单、技术还是账户，Jev 会查看工单文本，并用预定义选项之一来回答，billing。但更酷的是，它还会给出答案选项的校准概率以及其他每个选项的概率。哦，还有一个整体置信度分数（稍后详述）。TypeSafe 称这些为 System One 模型，Jev 是其中第一个。

但 Jev 实际返回什么？让我们一探究竟！它返回三个原语，下面每个都有真实的 API 响应。以下是如何在不自欺欺人的情况下解读概率。以及如何使用 OpenRouter API 密钥调用 Jev。

什么是决策模型（System One 模型）？

Jev 是一个决策模型。System One 模型接收一个状态，并根据该状态返回一个决策。在这种情况下，Jev 的决策始终是你预先定义的一个带类型的值，外加一个从 0 到 1 的实际概率数字。这个名字来源于 Daniel Kahneman 在《思考，快与慢》中所称的 System One：快速、模式匹配的思考，而 System Two 则是缓慢且深思熟虑的。

那么，是什么让它成为决策模型而不是某种神谕？决策模型必须从你事先决定的一小组值中返回。没有自由形式的文本，因此你无需解析或担心幻觉。

现在，TypeSafe 对 Jev 进行了校准，所以当它说 0.8（80% 的概率）时，就像 80% 的降雨概率一样，Jev 对于这类答案大约有 80% 的时间是正确的（System One 概念）。

这只有在许多答案上取平均时才成立。任何单个答案仍然可能是错误的。这带来了实际差异；我们稍后会回到这一点。

Jev 与 LLM：各自返回什么

一旦你理解了 Jev 和 LLM 各自的功能，它们之间的区别就变得清晰了。两者都能阅读自然语言，但分歧完全在输出端。

以下是两者的并排比较：

	生成式 LLM	Jev
输出	Token：散文、代码、你要求的 JSON	一个带类型的答案加上概率分布
形状有保证吗？	只有在结构化输出时才有，而且内容仍可能出错	始终是你的选项之一、级别或一个是/否概率
不确定性	隐藏在散文之中	以数字形式返回，你可以据此设置阈值
输入	文本，通常还有图像、音频或视频	仅文本（字符串、JSON 对象、文本数组）
OpenRouter 上的价格	因模型而异，输入和输出均计费	每百万输入 token 0.042 美元，输出免费

每当你需要文字作为主要输出时，例如回复、摘要或代码补丁，就使用 LLM。当你需要做出代码可操作的决策时，就使用 Jev。在几乎所有现实世界的案例中，这两个系统协同工作：Jev 路由和验证事物，而 LLM 提供语言。这正是配套文章 Jev 与 LLM：何时使用哪个所讨论的内容。它在 140 个支持案例上对这两种分工进行了基准测试，并在 TypeScript 中将两者结合在一起。

Jev 的三个原语：Choice、Score 和 Noul

你向 Jev 提出的每个问题都属于三种类型之一。一个请求包含两部分：state，即要评估的文本，以及一个 questions 对象，其中包含一个或多个带类型的问题。Jev 会一次性回答所有问题，每个答案都返回在你指定的键下。

下面的示例是我在 2026 年 9 月 21 日发出的真实调用。它们通过 OpenRouter 的 Decisions API 针对 typesafe/jev-1.13 运行，如果你设置了 OPENROUTER_API_KEY，就可以按原样运行这些示例。

Choice：从固定集合中挑选一个选项

当你从 API 获得一个 Choice 时，它总是包含三样东西：选中的选项、每个选项的概率，以及一个置信度值。

此命令发送请求：

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"
        }
      }
    }
  }'

此响应显示了 API 返回的内容：

{
  "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 在做出选择之前会阅读 criteria 描述，所以请像给新员工做简报那样来写它们。TypeSafe 的 API 参考指出，问题 id（此处为 team）永远不会发送给模型。所有含义都必须体现在描述中。其次，model 字段指明了 OpenRouter 所提供的精确快照。

Score：按照你描述的有序等级进行评分

Score 接受一个有序的等级描述数组。它返回一个表示文本得分的数字，以及一个 legend，将数组中的每个索引映射到其描述，外加 Jev 对每个等级的概率和一个置信度值。

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"
}

得分 1.15 是各等级的概率加权平均值，即 0.85 乘以 1 加上 0.15 乘以 2，如上述响应所示。你自己的运行结果会相差百分之几，因为 Jev 的概率在每次调用之间会略有变化。将“我们仍然可以下载 JSON 导出”解读为一种变通方法，Jev 主要落在等级 1 上。它也给“阻塞”赋予了一定权重，因为财务部门无法使用这种变通方法。

由于分数是有序尺度，你必须让等级保持从最低到最高的真实顺序，并用文字描述每个等级。TypeSafe 文档列出了 Score 原语的详细信息，包括最多 10 个等级的上限。

Noul：是/否命题成立的概率

Noul 是三种原语中最简单的一种。它接受一个命题作为输入，并返回答案为“是”的概率。

下面的命令发送请求：

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?"
      }
    }
  }'

以下是 API 返回的响应：

{
  "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"
}

请记住，Noul 的答案没有单独的 confidence 字段。概率就是整个答案。下一节将解释如何解读它。

在一次调用中提出全部三种问题

你甚至可能会问自己，嘿，那个 questions 对象里能放多少个问题？想放多少就放多少。state 不必是普通字符串：它可以是 JSON 对象，并具备由此带来的全部灵活性。然后你的指令可以用反引号按名称引用其字段。

假设你想在一次往返中，从同一个工单领域一次性提出一个 Choice、一个 Score 和一个 Noul。

发送此请求的命令如下所示。

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?"
      }
    }
  }'

下面显示的响应是 API 返回的响应。

{
  "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"
}

如果一切顺利，每个答案都会落在你指定的键下。在代码中，你就可以直接访问 answers.team.choice 和 answers.refund.noul。

如何解读 Jev 的概率和置信度

在解读 Jev 的概率和置信度时，有三条准则需要牢记。

当 Noul 接近 0.5 时，那是 Jev 在说它不知道该怎么想。把它理解为一种不确定状态。我们做个快速实验来演示。我在两次独立的调用中，针对状态“我这个月卡上有两笔扣款。如果其中一笔是错误，我有哪些选择？”问了同一个退款问题：“客户是在要求退款吗？”一次返回的 Noul 为 0.52，而在完全相同的消息上（是的，逐字相同），Jev 返回的 Noul 为 0.49。如果你忍不住想说“唉，客户就是在要求退款”，请考虑客户在消息中从未要求过退款。他们只是在绕着它转，但 Jev 感受到两个方向的拉扯，你我也同样无法确定。与此同时，早先那次 Noul 调用中明确的退款请求达到了 0.99。看出规律了吗？当结果处于中间时，把它当作第三种结果，一种你可以采取行动的结果。追问一个问题，或者把工单转交给人工。

Choice 和 Score 置信度是衡量分布集中程度的指标。分布的权重越集中在某一个结果上，置信度就越高。集中在单个选项上的选择会产生一个高置信度数值，范围从 0 到 1。置信度数值越高，选项之间的犹豫就越少。但 Jev 把注意力集中在一个选项上，并不意味着答案就是对的。TypeSafe 的置信度数值来自其 probabilities 的形状，而非其实际正确性（置信度文档）。在极端情况下，将所有权重都分配给一个结果的模型，其置信度为 1.0，而集中度较低则会降低该数值。

你可以用账单示例来验证这一点。这个 state 更模糊：“我昨天升级到了 Pro，但仪表盘仍显示 Free，而且我被扣费了。到底是哪个？”下面的响应向你展示了 API 实际返回的内容：

{
  "type": "choice",
  "choice": "billing",
  "probabilities": { "account": 0.02, "technical": 0.19, "billing": 0.79 },
  "confidence": 0.69
}

Jev 仍然选择 billing，尽管其五分之一的权重落在 technical 上，置信度降至 0.69。置信度是衡量 Jev 在选项之间有多纠结的指标，但这些选项是否选得好，取决于你。

从你自己的标注数据中选取你自己的阈值。操作建议很简单。校准在总体上成立，这意味着适合你的正确截断值取决于你的错误代价有多高。TypeSafe 的置信度指南建议三个区间：如果置信度超过某个阈值，就自动执行。在中间区间谨慎推进，标记出来让用户额外确认，或者直接标记待审核。如果置信度低于另一个阈值，则转交给人工或不同系统。

如何设置这些区间？标注几百个示例。对每个示例，检查 Jev 的概率落在哪里。然后选取能确保执行区间内的错误率是你可接受的区间。

Jev 留给你的代码处理的部分

有几件事 Jev 不会做，但你作为模型可能会期望它做。这些留在你自己的代码中或交给 LLM：

文本生成。每个 Jev 响应都是前面展示的三种类型化形状之一，绝不是补全，绝不是 JSON 主体，绝不是解释。当流水线需要一句话时，由 LLM 生成，Jev 来检查。验证级联 cookbook 展示了这种模式。
可见推理。 Jev 只返回你选项上的分布，别的什么都不返回。没有理由，没有思维链。把分布作为记录和设置阈值的信号。为了审计追踪，记录请求 ID、问题名称、概率以及你的代码所应用的阈值。不要把 state 本身记录到日志中，因为工单和文档包含客户数据。
工具调用、对话或多步计划。 Jev 在一次往返中回答你发送的关于你发送的状态的问题。它不进行工具调用，不保持对话，也不采取步骤。它作为决策部分在智能体内部工作，例如门控工具调用。

这是三个！还有两个约束需要记住：

Jev 只接受文本、字符串、JSON 对象或文本数组。不接受图像、音频或视频。
精确算术、日期计算和阈值比较不是 Jev 的工作。先计算它们，然后把语义部分交给 Jev。

何时使用 Jev 模型

现在你已经了解了 Jev 的作用，让我们谈谈什么时候使用它有意义：当你的 LLM 预期提供的答案适合枚举、布尔值或数字时。

何时使用 Jev

路由和分诊： 你确定队列、负责人、优先级。每个工单一个 Choice 和一个 Score。
大规模分类和标记： 足够便宜（见下方定价），可以对每一行运行；输出已经是一个标签。
门控智能体操作： 在破坏性工具运行之前，询问 Noul 用户的请求是否授权删除这些文件；低于你的阈值则阻止。
验证 LLM 输出： 用 LLM 起草，然后询问 Jev 该草稿是否基于你提供的策略文本。
排序和过滤： 根据描述的水平对候选进行评分，然后排序。

何时跳过 Jev

当答案需要是散文时，或者当输入是图像时，或者当逻辑是确定性的时。精确规则？正则表达式或数据库查找胜过任何模型。在编码之前想试试，Jev Lab 在浏览器中对实时调用运行其中几种模式。

如何在 OpenRouter 上访问 Jev

你需要一个 OpenRouter API 密钥和一个模型 ID：typesafe/jev-1.13（固定）或 ~typesafe/jev-latest（跟踪最新版本的别名）。同一个调用可以用三种不同的方式进行：使用 OpenRouter SDK、TypeSafe SDK 或原始 HTTP。

使用 OpenRouter SDK 的 Decisions API

下面的代码显示了与置信度部分中更混乱的工单中相同的调用：通过 OpenRouter TypeScript SDK 的 alpha.decisions 进行 POST https://openrouter.ai/api/alpha/decisions 调用。该代码已使用通过 npm install @openrouter/sdk 安装的 SDK 1.3.11 进行了测试。由于顶层的 await，请使用 bun run 或作为 ES 模块运行它。开始吧：

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

请注意，这里的数字与之前在同一工单上的运行不同（0.79 和 0.69）。Jev 的概率在每次调用之间会有些变化，因此最好在区间上设置阈值，而不是精确值。最后，请注意 OpenRouter SDK 返回的 decision.usage.inputTokens 和 decision.usage.outputTokens 是 camelCase 格式，而不是原始 API 的 input_tokens 和 output_tokens。

指向 OpenRouter 的 TypeSafe JavaScript SDK

第二种调用路径是 TypeSafe SDK：将 SDK 的 base URL 指向 OpenRouter，并将你的 OpenRouter API 密钥作为 API 密钥传入。SDK 会将 /v1/systemone 附加到 base URL。像 jev-1.13 这样的裸模型名称映射到 typesafe/jev-1.13。下面的代码是使用 @typesafe-ai/sdk 对 Jev 的相同调用；该代码已使用 SDK 0.6.0 进行了测试：

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,
}

指向 OpenRouter 的 TypeSafe Python SDK

在 Python 中实现同样的思路，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

将你的 OpenRouter 密钥安全妥善地保存在服务器端。TypeSafe SDK 指南中有关于别名映射、响应封装和错误处理的详细信息。

Jev 定价与上下文窗口

来自 2026 年 9 月 21 日的OpenRouter 模型页面：

	OpenRouter 上的 Jev 1.13
输入价格	每百万 token 0.042 美元
输出价格	$0
上下文窗口	32,000 个 token
模态	输入文本，输出决策
提供商	TypeSafe

总结一下：上面那个三问题工单调用使用了 447 个输入 token，花费 0.000019 美元（约千分之二美分）。一百万条这种规模的工单大约花费 19 美元。输出是免费的，而且答案很小（上面每次调用都在 17 到 69 个 token 之间）。由于 probabilities 内部的键顺序在调用之间会变化，我建议你按名称而不是按位置来索引条目。

OpenRouter 列出的是 32k 上下文窗口。TypeSafe 的模型页面列出每个请求总计 64k token，其中 32k 用于你的 state 加上最长的问题。

Jev 是开源的吗？

快速问一下：Jev 是专有的吗？答案很明显（是的），但让我解释一下。TypeSafe 尚未发布 Jev 的权重或关于 Jev 的论文，而且每个想使用 Jev 的人都调用同一个托管模型。

试一试

现在是时候用你自己的 OpenRouter API 密钥来亲自体验这一切了！获取它，粘贴上面的某个 curl 命令，然后把 state 改成来自你自己系统的真实消息。

如果你更愿意使用 TypeSafe 的客户端，请阅读TypeSafe SDK 指南。
了解如何用 Jev 对工具调用进行门控，在智能体操作前放置一个 Noul。
阅读Jev 与 LLM：何时使用哪一个以了解基准测试，以及先路由后写入的模式。
按照如何使用 Jev 用 TypeScript 构建完整的审核流水线，在一个请求中包含 Choice、Score 和 Noul 问题。
查看 Jev 在Jev 在分类任务上是否与前沿模型一样准确？中与前沿模型的对比得分，以及在Jev 与 LLM 作为评判者中它与评判模型相比所处的位置。
Jev 文档中心列出了 OpenRouter 上的所有 Jev 指南和 cookbook。
在制定预算之前，请查看模型页面，了解该模型当前的定价情况！

常见问题

什么是 Jev？

Jev 是 TypeSafe 打造的决策模型。你与大多数模型交互的方式是向它们发送文本。而使用 Jev 时，你不仅仅做这件事。相反，你向它发送文本以及一个或多个带类型的问题，返回的答案就是带类型且带有校准概率的答案。没有文本生成。TypeSafe 将这类模型称为 System One 模型。

Jev 是谁开发的？

Jev 是一个决策模型。它由 TypeSafe 打造，这是一家由 Diogo Almeida、Erik Gafni 和 Sasha Sheng 创立的人工智能实验室。Jev 于 2026 年 9 月 15 日以抢先体验形式发布。目前最新版本是 Jev 1.13。你可以通过 TypeSafe 自己的 API 或通过 OpenRouter 获取它。

Jev 是 LLM 吗？

不是。Jev 是一个非生成式决策模型，而 LLM 是生成式模型：Jev 像 LLM 一样读取你的自然语言，但之后不生成任何文本、任何 token。根据你的问题，Jev 返回三种答案形态之一：要么是在一组预先确定的选项中选择一个，要么是在一组定义好的等级上给出分数，要么是给出是相对于否的概率。因为没有生成的文本，所以无需解析，也不存在输出幻觉的可能。

Jev 用于什么？

好，那么你得决定哪个支持工单应该被路由到哪个团队。你得把这篇博客文章归类到一个内容类型。你想根据置信度阈值来限制 AI 代理的工具调用。你得对一组候选进行排序。而且你得对照策略验证一份草稿。听起来很熟悉吧？在这些情况下，以前你都是先向 LLM 提问，然后用正则表达式解析出一个布尔值或枚举值。来认识一下 Jev，这个专为这类决策而构建的模型，取代了 LLM 加正则表达式的工作流程。

我如何访问 Jev？

所以你想通过 OpenRouter 访问 Jev？那么你只需要一个 OpenRouter API 密钥，并向以下 URL 发送 POST 请求：https://openrouter.ai/api/alpha/decisions，模型为 typesafe/jev-1.13。或者，你可以使用 OpenRouter SDK 中的 decisions 客户端。你甚至可以使用 TypeSafe 的 JavaScript 和 Python SDK。只需将基础 URL 设置为 https://openrouter.ai/api 并传入你的 OpenRouter 密钥。

Jev 的费用是多少？

目前，截至 2026 年 9 月 21 日，OpenRouter 上的 Jev 1.13 每百万输入 token 收费 0.042 美元（输出完全免费）。这意味着对一个简短支持工单进行典型的三问题调用大约使用 450 个输入 token，花费大约千分之二美分。所以请务必查看模型页面以了解当前定价。

Jev 是开源的吗？

不是。Jev 是一个专有模型，因此没有公开的权重，也没有论文。不过，你可以通过 TypeSafe API 或 OpenRouter 调用它。