

@athrix_codes 等 17 人在本站引用了这条
X 上关于 Jev 的讨论,按热度排序、按质量筛选


@athrix_codes 等 17 人在本站引用了这条
@yakumo 在本站引用了这条
@alacritic_super 在本站引用了这条

推出由 @typesafeai 驱动的 Jev jobs-api 在 treg.to/jobs-api 试用 - 一个 API 对接任何职位数据 - 运行一次完整求职只需 $0.03 - 真实薪资和招聘经理数据 - 可为任何智能体添加插件,助你找到理想工作 完全开源,零加价 代码仓库见下方 👇
推出 Jev @typesafeai 驱动的 jobs-api 在 treg.to/jobs-api 试用 - 一个 API 对接任意招聘数据 - 运行一次完整求职只需 $0.03 - 真实薪资与招聘经理数据 - 可为任意智能体插件化,助你找到理想工作 完全开源,零加价 代码仓库在下方 👇
推出基于 Jev @typesafeai 的 jobs-api 在 treg.to/jobs-api 试用 - 一个 API 接入任意职位数据 - 运行一次完整求职只需 0.03 美元 - 真实薪资与招聘经理数据 - 可为任意智能体插件化使用,助你找到理想工作 完全开源,零加价 Git 仓库见下方 👇
推出 Jev @typesafeai 驱动的 jobs-api 在 treg.to/jobs-api 试用 - 一个 API 对接任意招聘数据 - 运行一次完整求职仅需 $0.03 - 真实薪资与招聘负责人数据 - 可为任何智能体添加插件,助你找到理想工作 完全开源,零加价 代码仓库见下方 👇

推出 Jev,由 @typesafeai 驱动的 jobs-api 在 treg.to/jobs-api 试用 - 一个 API 对接任意招聘数据 - 0.03 美元即可完成一次完整的求职 - 真实薪资与招聘经理数据 - 可为任何智能体接入插件,助你找到理想工作 完全开源,零加价 代码仓库见下方 👇
点击热词在 X 上查看最新讨论。
Jev 是 TypeSafe AI 的第一个 System One 模型,面向自动化和软件决策。它不生成对话文本,而是根据输入的状态(state)直接输出类型化的决策,并附带校准过的置信度,程序可以直接使用。训练方法叫 RLCD(Reinforcement Learning for Calibrated Decisions)。官方称在自动化任务上比常规 LLM 快 193.6 倍、成本低 444.6 倍,这些数字来自官网,本站未独立验证。
聊天大模型擅长生成长文本和多步推理;System One 模型面向“快速判断”:给它一段内容和一个类型明确的问题,它返回选项、分数或真假判断,以及每个结果的概率。适合分类、路由、打分、审核、工具选择这类在软件里大量重复的决策。
RLCD 是 Reinforcement Learning for Calibrated Decisions(面向校准决策的强化学习),是 TypeSafe AI 训练 Jev 的方法。目标是让模型给出的置信度和实际正确率一致,例如置信度 90% 的判断大约九成是对的,这样程序可以按置信度决定自动执行还是交给人工。
官方文档定义了三种问题原语:Choice(从一组选项里选一个,返回各选项概率和置信度)、Score(按评分标准打分,2 到 10 档)、Noul(判断一句话是否为真,返回 0 到 1 的概率)。一次请求可以同时问多个问题。
在 TypeSafe 控制台 获取 API Key,调用 POST https://api.typesafe.ai/v1/systemone,模型名写 jev-latest,详细用法见 官方文档。官方也提供 Python 和 JavaScript SDK。据 X 上的公告,Jev 也已接入 OpenRouter、Cloudflare AI Gateway 和 Vercel AI Gateway。
截至 2026 年 9 月,官方文档标注输入每百万 token 0.042 美元,输出免费,单次请求上限 64k token。价格和限额可能调整,以 官方文档 为准。
本站整理 X(Twitter)上关于 Jev 模型的优质中英文讨论:开源项目、集成、教程、实测评测、案例、访谈和资讯,并按日期统计讨论热度。本站由社区维护,策展人 @Web3wr,与 TypeSafe AI 官方没有隶属关系。
推文通过 twitterapi.io 的高级搜索接口获取,查询条件是同时提到 Jev(或 System One、RLCD)和 TypeSafe 的推文,不含转推,另加官方账号 @typesafeai 的最新推文。热门精选每小时刷新一次,按日统计由后台每 5 分钟分批抓取。
欢迎发邮件到 hello@jev-x.com,或通过 Telegram、X 私信 @Web3wr 反馈,也可以推荐遗漏的优质推文。
视频直接从 X 的视频服务器加载,如果所在网络无法访问 X,或 X 限制了播放,卡片会提示并跳转到 X 原帖观看。
每日精选和 3 天热点的排序方式不同。每日精选按 Jev 质量分从高到低排,质量分相同时新发布的在前。3 天热点仅展示最近 3 天发布的推文,纯按 X 互动分从高到低排,互动分相同时新发布的在前;质量分只用来过滤噪音,不参与排序。X 互动分参考 X 在 2023 年开源的推荐排序模型 的权重:每个赞 0.5、每次转发 1、每条回复 13.5。 热门怎么排 → 精选规则
浏览量只代表曝光,大号发什么都有很多浏览;X 模型里回复权重很高,但“评论区扣 1 抽奖”这类推文会靠刷回复拿到极高的分数。所以本站不看浏览量:每日精选用 Jev 判断内容本身有没有信息量,直接按质量分排序;3 天热点按 X 互动分排序,但会先用质量分过滤掉抽奖、刷互动这类噪音(质量分低于 50 分、不及格的不展示)。
每条推文和分类一起发给 Jev,用 Score 问题打 5 档分,再换算成 0 到 100:噪音(抽奖、刷互动、无关)、纯情绪、有观点、有具体信息(新闻、集成、演示、实测数字)、值得收藏(原创见解、教程、开源工具、数据)。Jev 同时会看到推文附带的文章、GitHub、视频等链接类型,以及收藏率等互动数据;大写字母式的夸张宣传不加分。 推文质量 → 精选规则
质量分对每条推文只打一次;X 互动分每次刷新都会按最新数字重新计算,3 天热点按它排序,所以推文后来火了,排名仍会上升。
从 2026 年 9 月 15 日 Jev 发布起,逐天统计 X 上关于 Jev 的“有效讨论”,即点赞数不少于 10 的相关推文(不含转推)。数字是抓取时的快照,浏览数之后还会继续增长;0 赞的长尾推文不计入。日期和时间都按你所在的时区显示,与 X 一致:推文归入你本地的发布日期。从 2026-10-02 起按本地日期统计;此前的统计只有按 UTC 日期汇总的结果,保留原样,不重算。
官方(@typesafeai 发布)、集成(平台或框架接入 Jev)、开源(GitHub 项目、CLI、插件、Skills、开源复刻)、竞品(和 ChatGPT、Claude、Codex 等对比)、教程(上手、学习笔记、原理讲解)、案例(用 Jev 做出的应用和演示)、评测(实测的速度、成本、准确率)、访谈(播客、访谈、演讲)、资讯(发布、融资、用户增长)、观点(其他看法)。
由 Jev 的 Choice 问题判断,每个分类都写了“属于什么、不属于什么”和真实例子。置信度不低于 50% 时采用 Jev 的结果;低于 50% 时改用关键词规则兜底。卡片上的分类标签悬停可以看到来源和置信度。
每天从已分类的有效讨论中,按 Jev 质量分从高到低排序取前 50 条,质量分相同时新发布的在前;质量分低于 50 分(不及格)的不展示。当天的数据每 8 小时更新一次,一天结束后补抓一次,再过 24 小时定稿。