模型

Jev 是 TypeSafe 的旗艦模型，也是首個 System One 模型。本頁的每個模型都由同一個端點 POST /v1/systemone 提供服務。請求中的 model 欄位決定由哪個模型處理呼叫；完整的請求結構見 API 參考。

當前模型

• 價格： 按輸入 token 計費。輸出 token 免費。Btok 是十億 token，Mtok 是一百萬 token。
• 速率限制： 以每秒 token 數和每秒請求數衡量。超過任一限制的請求會返回 429 Too Many Requests。我們的客戶端 SDK 預設會退避重試，並在響應帶有 retry-after 頭時遵循它。如果你直接呼叫 HTTP API，見處理速率限制。
• 上下文長度： Jev 會一次性讀入 state，並針對它並行評估每個問題。64k 預算覆蓋 state 和所有問題的合計；32k 預算適用於 state 加上單個最長的問題。關於把許多問題打包進一個請求，見投機式扇出；關於準確率如何隨 state 增長而變化，見 Jev 1.13 的參差之處。
• 輸入： Jev 評估自然語言文本。請先把非文本輸入（圖片、音訊、影片、二進位制）預處理為文本或結構化欄位，再作為 state 傳送。支援的形狀見狀態。

別名

別名是解析到一個帶版本號的模型 ID 的模型名。像其它名字一樣把它放進 model 欄位即可。

別名會隨新版本釋出而移動，因此它背後的答案可能在你這邊未做任何改動的情況下發生變化。響應的 model 欄位會報告是哪個帶版本號 ID 作答，所以你可以記錄每個結果由哪個模型產生。如果你針對某個具體版本調過置信度閾值，請固定那個版本的 ID 而不是別名，再按你自己的節奏遷移到新版本。

定製 Jev

Jev 不會用客戶資料做微調或 LoRA 適配。它用 RLCD 訓練以返回校準過的決策，同一套權重服務所有賬戶。你通過請求而不是按賬戶的權重來把它的答案塑造成你的領域：

• 把你的專有內容、記錄和參考資料放進 state 欄位。見狀態。
• 把領域規則和邊界情況寫進每個問題的 instructions 和 criteria。見如何用 TypeSafe 構建和進階：結構。
• 把寬泛的判斷拆解為原子問題，並在程式碼裡組合輸出。關於在 Jev 的機率上訓練下游經典模型，見組合評分和 AutoResearch cookbook。

語言支援

Jev 接受自然語言文本。英語是主要的訓練語言，也是當前準確率最好的語言。其它語言（包括 CJK 文字）可以處理，但效果不完全相同；在對非英語工作負載依賴 Jev 之前，請先在自己的內容上測試，並在路由時密切關注置信度。

資料處理

Jev 不會用客戶的請求或響應做訓練。關於資料處理協議、隱私政策，以及企業客戶的零資料保留（ZDR）詳情，見法律。

列出模型

GET /v1/models 返回你的賬戶可以在 model 欄位中傳送的名字，每個都帶描述和釋出日期。它目前列出的是別名。像 jev-1.13.0 這樣的帶版本號 ID，無論是否出現在列表裡，都能被 model 欄位接受。

curl https://api.typesafe.ai/v1/models \
  -H "Authorization: Bearer $TYPESAFE_API_KEY"

from typesafe_sdk import TypeSafeClient

with TypeSafeClient() as client:
    for model in client.models.list().models:
        print(model.name, model.release_date, model.description)

import { TypeSafeClient } from "@typesafe-ai/sdk";

const client = new TypeSafeClient();
const models = await client.models.list();
for (const model of models) {
  console.log(model.name, model.release_date, model.description);
}

完整的方法簽名見 Python 和 JavaScript SDK 參考。