模型

Jev 是 TypeSafe 的旗舰模型，也是第一个 System One 模型。本页的每个模型都由同一个端点 POST /v1/systemone 提供服务。请求中的 model 字段决定由哪个模型处理调用；完整的请求结构请参见 API 参考。

当前模型

• 价格： 按输入 token 计费。输出 token 免费。1 Btok 是十亿个 token，1 Mtok 是一百万个 token。
• 速率限制： 以每秒 token 数和每分钟请求数计。超过任一限制的请求会返回 429 Too Many Requests。我们的客户端 SDK 默认带退避重试，并在响应带有 retry-after 头时遵循它。如果你直接调用 HTTP API，请参阅处理速率限制。
• 上下文长度： Jev 只摄取一次 state，并针对它并行求值每个问题。64k 预算覆盖 state 加上所有问题的总和；32k 预算适用于 state 加上单个最长的问题。关于如何把许多问题打包进一次请求，参见投机性扇出；关于 state 增大时准确率如何变化，参见 Jev 1.13 锯齿度。
• 输入： Jev 求值自然语言文本。在将非文本输入（图像、音频、视频、二进制）作为 state 发送之前，请先预处理为文本或结构化字段。支持的形态参见 State。

别名

别名是会解析到带版本号的模型 ID 的模型名称。像其他名称一样，在 model 字段中发送它即可。

新版本发布时别名会随之移动，因此即使你这边的代码没变，它背后的答案也可能变化。响应的 model 字段会报告实际应答的带版本 ID，因此你可以记录每个结果由哪个模型产生。如果你已经针对某个特定版本调好了置信度阈值，请固定该版本的 ID 而不是别名，并按自己的节奏切换到新版本。

自定义 Jev

Jev 不会用客户数据进行微调或 LoRA 适配。它通过 RLCD 训练以返回校准的决策，并且所有账户使用相同的权重。你可以通过请求（而不是按账户的权重）使其答案适配你的领域：

• 把你的专有内容、记录和参考资料放进 state 字段。参见 State。
• 把领域规则和边界情况编码进每个问题的 instructions 和 criteria。参见如何使用 TypeSafe 构建和进阶：结构。
• 把宽泛的判断拆解为原子化问题，并在代码中组合它们的输出。关于在 Jev 的概率上训练下游经典模型，参见组合评分和 AutoResearch 指南。

语言支持

Jev 接受自然语言文本。英语是主要训练语言，目前的准确率也最高。其他语言（包括 CJK 文字）可以处理，但效果不完全等同；在让 Jev 承担非英语工作负载之前，请先在你自己的内容上测试，并在路由时密切关注置信度。

数据处理

Jev 不会基于客户请求或响应进行训练。数据处理协议（DPA）、隐私政策以及企业客户零数据保留（ZDR）的详情，请参见法律。

列出模型

GET /v1/models 返回你的账户可以在 model 字段中发送的名称，并为每个名称附带描述和发布日期。它目前列出的是各个别名。诸如 jev-1.13.0 的带版本 ID 无论是否出现在列表中，都能被 model 字段接受。

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);
}

完整的方法签名请参见 Python 和 JavaScript SDK 参考。