Jev — нейросеть, которая принимает решения, а не пишет текст
Независимый гид по модели Jev от TypeSafe AI на русском языке. Разбираем, как она устроена, как подключить API и оплатить из России и где Jev выгоднее ChatGPT и Claude.
70–500 мсвремя ответа
$0,042за 1 млн входных токенов
$0за выходные токены
3 типаответов: Noul, Choice, Score
Основы Jev
Что такое Jev — нейросеть, которая не пишет текстJev — модель TypeSafe AI, которая вместо текста возвращает решения с вероятностями — да/нет, вариант из списка или оценку. Объясняем, как она устроена и зачем нужна.Как пользоваться Jev — пошаговая инструкцияКак начать работать с Jev — где получить API-ключ, как отправить первый запрос через curl, Python или JavaScript и как читать ответ модели. Пошагово, с примерами.Сколько стоит Jev — цены и расчётЦены Jev — $0,042 за миллион входных токенов, выходные бесплатно. Разбираем, из чего складывается стоимость запроса, сравниваем с LLM и считаем примеры.Где применяют Jev — примеры и идеиЧто уже строят на Jev — модерация, антифишинг, маршрутизация обращений, браузерные агенты, защитные проверки, трейдинг-боты и игры. Примеры и готовые схемы вопросов.TypeSafe AI — компания, которая создала JevTypeSafe AI — стартап Диогу Алмейды, соавтора InstructGPT и бывшего исследователя OpenAI. Кто основатели, чем занимается компания и что известно о её планах.Что такое модели System One и чем Jev отличается от LLMМодели System One от TypeSafe AI принимают быстрые типизированные решения вместо генерации текста. Разбираем идею Системы 1 и 2, отличия от LLM и место Jev в архитектуре.
Весь раздел: 13 статей →Разработчикам
API Jev — справочник на русскомСправочник по API Jev от TypeSafe AI: эндпоинт /v1/systemone, авторизация, поля запроса и ответа Noul, Choice и Score, модели, лимиты и коды ошибок.Choice, Score и Noul — три типа вопросов JevТри типа вопросов Jev: Noul (да или нет), Choice (выбор из списка) и Score (шкала). Что возвращает каждый, как выбрать тип и как формулировать вопросы.Jev на Python — установка SDK и примерыКак работать с Jev из Python: установка typesafe-sdk, синхронный и асинхронный клиент, чтение ответов, повторы и ошибки, подключение через OpenRouter и Polza.AI.Jev на JavaScript и TypeScript — SDK и примерыКак подключить Jev в Node.js и TypeScript: установка @typesafe-ai/sdk, хелперы choice, noul и score, типы ответов, повторы и ошибки, Next.js и вызов без SDK.Уверенность (confidence) в Jev — как её читатьЧто показывают probabilities, confidence и noul в ответах Jev, почему это не вероятность правильного ответа и как подобрать пороги для автоматических решений.Паттерн fan-out: много вопросов к Jev за один запросПаттерн speculative fan-out в Jev: все вопросы уходят одним запросом, включая «лишние», а нужные ответы выбирает код. Пример, код, экономика и ограничения.
Весь раздел: 15 статей →Сценарии применения
Модерация комментариев на Jev: пошаговое руководство с кодомКак собрать модерацию комментариев на Jev — какие вопросы задать, как выбрать пороги и серую зону, как проверить качество на русском. Код на Python и реальные примеры.Классификация писем и антифишинг на JevКак разбирать почту на Jev — категории, срочность и признаки фишинга в одном запросе. Схема вопросов, код, пороги и итоги тестов Bryo AI, Хабра и открытых бенчмарков.Jev в службе поддержки: разбор и маршрутизация обращенийКак встроить Jev в поддержку — какие вопросы задать обращению и как по уверенности модели направить его в код, LLM или оператору. Схема вопросов, код на Python и пороги.Jev в ИИ-агентах: быстрые микрорешения вместо вызовов LLMКак ускорить ИИ-агента с Jev — выбор действия в браузере и на телефоне, выбор инструмента и навыка, паттерн «подсознание агента». Схемы вопросов, код и реальные замеры.Маршрутизация моделей на Jev: какую LLM вызвать для запросаКак построить роутер LLM на Jev — оценка сложности запроса, выбор дешёвой или сильной модели, пороги и проверочный каскад. Код, реальные замеры и подводные камни.Jev как защитный слой: проверка команд агента и защита от джейлбрейковКак сделать из Jev защитный слой — проверка команд агента до выполнения, фильтр джейлбрейков на входе и выходе LLM, правила для необратимых действий. Кейс Vercel и код.
Весь раздел: 8 статей →Доступ и подключение
Jev в России — как получить доступ и оплатитьКак пользоваться Jev из России: Polza.AI, OpenRouter или TypeSafe напрямую, оплата картой РФ, через СБП и по счёту, настройка SDK, русский язык и персональные данные.Jev через OpenRouter — как подключитьКак вызвать Jev через OpenRouter: модель typesafe/jev-1.13 и алиас ~typesafe/jev-latest, адрес /api/v1/systemone, SDK TypeSafe и OpenRouter, цена и ошибки.Jev в Vercel AI Gateway: подключение и оплата кредитами VercelКак вызвать Jev через Vercel AI Gateway: модель typesafe-ai/jev, AI SDK, HTTP API и SDK TypeSafe. Оплата кредитами AI Gateway, бесплатный тариф, защита данных.Jev в Cloudflare Workers AIКак вызвать Jev в Cloudflare: модель typesafe/jev через биндинг env.AI.run и REST API, оплата кредитами AI Gateway, лимиты и вариант с прямым fetch к API TypeSafe.Jev через Polza.AI: пошаговое подключение из РоссииПошаговая инструкция: как подключить Jev через Polza.AI. Регистрация, оплата картой РФ или СБП, API-ключ, первый запрос, SDK TypeSafe, цена в рублях и ошибки.Как получить доступ к Jev: ранний доступ, консоль TypeSafe, ключ и playgroundКак зарегистрироваться в Jev напрямую у TypeSafe: лист ожидания, вход в консоль, кредиты, API-ключ, playground и сайт с эвалами. И что делать, если ждать не хочется.
Сравнения и отзывы
Jev против ChatGPT, Claude и Gemini — что выбратьЧем Jev отличается от ChatGPT, Claude и Gemini — скорость, цена, точность и типы задач. Результаты независимых тестов и простое правило выбора.Ограничения и минусы Jev — честный разборЧего не умеет Jev и где она проигрывает — точность против LLM и дообученных классификаторов, закрытая архитектура, облако, ранний доступ. Разбор критики с источниками.Jev или свой классификатор (BERT, GLiNER, fine-tuning): что выбратьСравниваем Jev с BERT, GLiNER и дообученными моделями: точность без обучения и после fine-tuning, скорость, данные и приватность. Независимые тесты и правило выбора.Jev или structured outputs / JSON mode у LLM: в чём разницаЧем Jev отличается от structured outputs и JSON mode у OpenAI, Claude и Gemini: гарантии схемы, вероятности, скорость и цена. Сверено с документацией провайдеров.Отзывы разработчиков о Jev: что хвалят и за что критикуютСобрали мнения о Jev из TechCrunch, Хабра, heise, The Register, vc.ru и блогов разработчиков: за что модель хвалят, в чём сомневаются и какие тесты она проиграла.
Инструменты
Новости
Частые вопросы
Что такое Jev?
Jev — модель TypeSafe AI класса System One. Она понимает текст, но отвечает не текстом, а решением с вероятностями: да/нет, вариант из списка или оценка по шкале. Модель нужна для классификации, маршрутизации и быстрых проверок внутри программ.
Jev — это аналог ChatGPT?
Нет. Jev не пишет текст и не ведёт диалог. Она дополняет LLM: берёт на себя быстрые дешёвые решения, а текст пишет большая модель.
Как пользоваться Jev в России?
Через российские агрегаторы API, например Polza.AI: без VPN, с оплатой картой РФ или через СБП. Ещё Jev доступна на OpenRouter и напрямую у TypeSafe AI.
Сколько стоит Jev?
$0,042 за миллион входных токенов, выходные бесплатны. Это в 5–240 раз дешевле входных токенов типичных LLM.