Jev 解决了 LLM JSON 解析难题
原帖称Jev解决了AI团队长期修补的问题:LLM返回JSON时需解析、处理markdown围栏、应对枚举值不一致等。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
01 / EXPLORE
0 表示待收录
原帖称Jev解决了AI团队长期修补的问题:LLM返回JSON时需解析、处理markdown围栏、应对枚举值不一致等。
TypeLLM 是一个新型开源模型,在生成类型安全输出前进行推理,无需微调即可大幅提升准确性。官方宣称其性能超越 Jev 与 GPT-5.6 Luna,接近 GPT-6 Astra。 链接
作为 TypeSafe AI 的首个 System One 模型,Jev 专为软件内的快速结构化决策而构建。它不生成文本,而是接收应用状态和类型化问题,返回带概率的类型化决策。 链接
宣布Jev-Omni,一个基于Gemma 4构建的模型,旨在挑战Jev。
TypeSafe AI 的首款 System One 模型 Jev 已上线 B.AI API。Jev 专为软件内的高速结构化决策设计,不生成文本,而是输入应用状态和类型化问题后,直接返回带有概率和置信度的决策,支持 Choice、Score、Noul 等类型。 链接
帖子提到TypeSafe发布Jev,可在预设答案中对文本进行分类。作者调侃其宣传浮夸,指出只保证输出格式而不保证答案正确,质疑对买家的定位。
TypeSafe AI推出新模型Jev,不专注于生成文本,而旨在根据上下文做出结构化决策。
Scoreboar v8 内存占用从 597 MB 降至 128 MB,单帖处理从约 1 秒降至约 30 毫秒,准确率提升。在判断两个 X 帖子中哪个对账户规模表现更好时,准确率为 61.4%,高于 Grok 4.7 的 55.3% 和 Jev 的 52.5%。免费,可在浏览器中运行。 链接
OMH新增对Jev技能和模型路由的支持,包括Jev模型与别名、技能与插件、工作流路由、快速决策以及插件状态、凭据和冲突检查等功能。
TypeSafe计划周一公开Jev。Jev不生成文本,仅根据状态和类型化问题从schema返回答案,耗时70-500毫秒,输入$0.042/M token,输出免费,需申请候补。演示包括Mario、实时关卡和选色,且无法返回schema外内容。
JEVTOWN是一个AI社交模拟平台,类似龙虾智能体论坛,10,000个AI人格进行浏览、点赞、转发、屏蔽或购买,每次反应由Jev决定。目前已登上Product Hunt第16位。 链接
Jev 是专为快速决策打造的 AI 模型,不生成对话文本,只返回所选答案及其正确概率。无需逐字生成,单次并行计算即可完成决策。