JEV 级联以约 57% 的费用保留 GPT-6 99% 的准确率
一篇 Jev-as-a-Judge 论文报告称，接受 TypeSafe AI 置信度较高的 JEV 判定，并将其余判定升级至 GPT-6 Astra，在 510 对留出偏好样本上保留了 GPT-6 99% 的准确率，费用约为 GPT-6 的 57%。作者表示，升级阈值并不能迁移到每一个回退模型，应基于自身数据设定。
#jev
查看全部AI快讯Pydantic AI 智能体现已在 Jev 上运行
Pydantic 表示，这些智能体使用 TypeSafe AI 的 Jev 分类器回答类型化问题，并按每个智能体已有的输出模型返回结果，每个字段附带一个置信度分数。
Ahmad Awais 在 Command Code 上免费推出 Jev
2026 年 9 月 22 日，Ahmad Awais 表示，他将在 Command Code 上免费推出 Jev，仅限 headless 模式或 Provider API。他还开源了名为 cmd-mod-jev-nudge 的 mod。
Ahmad Awais 将于 2026 年 9 月 22 日在 Command Code 上免费提供 Jev
Jev 只能在无头模式或通过 Provider API 使用。Ahmad Awais 还开源了 mod cmd-mod-jev-nudge，并表示免费使用是为了在仍有更多工作时让智能体持续运行。
Metaview 表示已将 TypeSafe AI 的 jev 部署到每一个 agent
Shahriar Tajbakhsh 表示，Metaview 在周末把 TypeSafe AI 的 jev 加入了每一个 agent。他说，sourcing 产品中的候选人搜索从原先需要数分钟缩短到数秒，准确率不变，速度大约提升至 10 倍，单次搜索成本也明显降低。
OpenRouter Classifiers 可使用 typesafeai 的 Jev 对 LLM 请求进行分类
OpenRouter Classifiers 可通过 typesafeai 的 Jev 自动分类 LLM 请求，结果可在 Explore 中分析。
TypeSafe 强调 MotherDuck 的 prompt_jev() 文本分类约快 50 倍、成本约低 100 倍
TypeSafe 援引 MotherDuck 的说法称，由 TypeSafe 的 Jev 模型驱动的 SQL 函数 prompt_jev() 使文本分类速度约快 50 倍，成本约为原来的 1%。MotherDuck 报告称，100k 行数据耗时 40 秒、费用 $0.50，而使用 LLM 则需 32 分钟、费用 $37。
TypeSafe AI：Jev 现已可用
TypeSafe AI 表示 Jev 现已可用，并附上链接 https://console.typesafe.ai。该帖文未说明 Jev 是什么，也未提及任何访问条款。
TypeSafe AI 的 Jev 中间件可为 LangChain 托管深度智能体进行模型路由
Nathan Drezner 表示，TypeSafe AI 的 Jev 中间件可与 LangChain 托管深度智能体配合使用，用于模型路由。用户定义路由，Jev 负责模型选择。
LangChain 报告称作为智能体评估评判，Jev 与人类评审员匹配，对比 GPT-5.6 和 Claude Sonnet 4.6
LangChain 表示，其将 Jev 与 GPT-5.6 Luna、GPT-5.6 Terra 和 Claude Sonnet 4.6 作为智能体评估评判进行了对比测试，报告称每次调用均与人类评审员匹配，方差最高降低 913 倍，每次调用耗时 0.44 秒，完整运行成本为 0.34 美元，而使用 Claude Sonnet 4.6 为 28.17 美元。
LangChain 分享 Sydney Runkle 对 typesafeai 新 Jev 模型的讲解
LangChain 重点介绍了 Sydney Runkle 的一段不到 10 分钟的视频，拆解 @typesafeai 的新 Jev 模型以及如何将其接入智能体。
Elvis 称使用 Jev 为约 2.3K 篇 AI 论文重新打标签，花费 0.14 美元，耗时 83 秒
Elvis（@omarsar0）称他使用 Jev 整理约 2.3K 篇 AI 研究论文，总成本 0.14 美元，耗时约 83 秒。他表示 Jev 与此前 DeepSeek V4 Flash 标签的一致率为 75%，发现约 579 处高置信度主题变更，并对 30 项分歧进行人工核对后全部接受，随后将这些变更应用到生产环境。
TypeSafe AI 向所有人开放 Jev，无等待名单
TypeSafe AI 表示 Jev 现已向所有人开放，且无等待名单。该公司还表示所有用户起始可获得 $5 额度（约 1.2 亿 tokens）。
Bailey Jennings 比较 Jev 与 Luna 在 ONET 职位分类上的表现
在一次快速演示中，TypeSafe AI 的 Jev 精确匹配率为 80.5%，每个职位约 200 毫秒、每 100 万次成本 122 美元；Luna 精确匹配率为 84.9%，每个职位约 2 秒、每 100 万次成本 482 美元。