TokenRa 上的 Jev API

什么是 Jev？

Jev 是 TypeSafe AI 构建的结构化评估模型，由 Diogo Almeida 于 2026 年 9 月 15 日发布。 TypeSafe 将其称为「System One」模型——这一说法源自 Daniel Kahneman 在《思考，快与慢》中描述的 快速、直觉式决策。对话模型（System Two）擅长 撰写文字和逐步推理，而 Jev 的设计目标是 快速做出一个决策，并给出一个你可以 信任的数值。

它目前处于 早期访问阶段。TokenRa 提供 统一的 API 端点，让你今天就能开始基于 Jev 构建， 无需单独管理 TypeSafe 账号。

Jev 快速概览

Jev 与对话模型的区别

大多数 AI 模型都是对话模型：你发送一组 消息，它们返回序列中的下一个 token。Jev 的工作方式 不同：

• 输入：一个 state（待评估的文本） 加上一个或多个 questions（Noul、Choice 或 Score）。
• 输出：一个类型化决策对象——而不是一句话。 Choice 问题会返回各选项概率；Score 问题返回一个数值；Noul 问题返回 true 或 false。
• 置信度：每个答案都带有校准后的 置信度，因此你的代码可以判断是否信任 该结果，或回退到人工复核环节。

因此在以下任务上，Jev 比对话模型更合适： 内容审核、意图分类、线索评分、 NLU 路由、护栏和自动化 QA——凡是需要一个 快速、可靠、类型化决策而非一段文字的场景。

在 TokenRa 获取 Jev API 密钥

1. 在 tokenra.io/sign-up 注册——无需平台订阅费。
2. 在 TokenRa 控制台创建 API 密钥。为它设置一个 描述性名称，便于单独跟踪 Jev 用量。
3. 使用下方示例发送第一个 Jev 请求。 将 Authorization 请求头设为 Bearer YOUR_TOKENRA_KEY，端点设为 https://api.tokenra.io/v1/models/jev-latest。
4. 按用量付费——按 TokenRa 的费率每 100 万输入 token 计费。 输出 token 免费。详见下方定价章节。

请求与响应示例

Jev 不使用 OpenAI 对话格式。其请求 体使用 state 加 questions。下面是 一个可直接复制运行的示例。

cURL

curl https://tokenra.io/v1/decisions \
  -H "Authorization: Bearer YOUR_TOKENRA_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "Help! My payouts have been failing for 3 days.",
    "questions": {
      "is_urgent": {
        "type": "noul",
        "instructions": "Does this message convey urgency?",
        "criteria": {
          "true": "Explicitly time-sensitive",
          "false": "No urgency expressed"
        }
      },
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing": "Payments, invoicing, refunds",
          "technical": "Bugs, outages, integrations",
          "sales": "Pricing, upgrades, new accounts"
        }
      },
      "frustration": {
        "type": "score",
        "instructions": "How frustrated is the customer?",
        "criteria": ["Calm", "Frustrated", "Very angry"]
      }
    }
  }'

JavaScript (fetch)

const response = await fetch(
  "https://tokenra.io/v1/decisions",
  {
    method: "POST",
    headers: {
      Authorization: "Bearer YOUR_TOKENRA_KEY",
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: "jev-latest",
      state: "Help! My payouts have been failing for 3 days.",
      questions: {
        is_urgent: {
          type: "noul",
          instructions: "Does this message convey urgency?",
          criteria: {
            true: "Explicitly time-sensitive",
            false: "No urgency expressed"
          }
        },
        department: {
          type: "choice",
          instructions: "Which team should handle this?",
          criteria: {
            billing: "Payments, invoicing, refunds",
            technical: "Bugs, outages, integrations",
            sales: "Pricing, upgrades, new accounts"
          }
        },
        frustration: {
          type: "score",
          instructions: "How frustrated is the customer?",
          criteria: ["Calm", "Frustrated", "Very angry"]
        }
      }
    }),
  }
);

const data = await response.json();
// data.answers.is_urgent.noul → 0.95 (probability)
// data.answers.department.choice → "billing"
// data.answers.department.probabilities → { billing: 0.89, technical: 0.11, sales: 0 }
// data.answers.frustration.score → 1.04
// data.answers.frustration.confidence → 0.93

预期响应结构

{
  "model": "typesafe/jev-1.13-20260917",
  "answers": {
    "department": {
      "type": "choice",
      "choice": "billing",
      "probabilities": {
        "billing": 0.89,
        "technical": 0.11,
        "sales": 0
      },
      "confidence": 0.83
    },
    "frustration": {
      "type": "score",
      "score": 1.04,
      "legend": {
        "0": "Calm",
        "1": "Frustrated",
        "2": "Very angry"
      },
      "probabilities": {
        "0": 0,
        "1": 0.95,
        "2": 0.05
      },
      "confidence": 0.93
    },
    "is_urgent": {
      "type": "noul",
      "noul": 0.95
    }
  },
  "usage": {
    "input_tokens": 427,
    "output_tokens": 73,
    "cost": 0.000017934
  },
  "id": "gen-dec-1789842178-QJqpDPsaQ5UlheoIoMfo",
  "provider": "TypeSafe"
}

TokenRa 上的 Jev API 定价

Jev 按 TokenRa 的费率每 100 万输入 token计费。 输出 token 免费。没有平台订阅费——你只需 为实际用量付费。

查看全部模型与定价，或阅读 计费常见问题，了解 TokenRa 如何计算 token 和处理超额使用的详情。

何时使用 Jev——以及何时对话模型更合适

Jev 不是对话模型的替代品，而是补充。下面是 一份简明的选择指南：

当你需要以下能力时，使用 Jev……

• 从客服消息中分类用户意图
• 根据 CRM 备注评估线索质量
• 检测毒性内容、垃圾信息或违规行为
• 在多智能体流程中把请求路由到正确的处理方
• 为 LLM 输出把关——「这条内容该不该展示给用户？」
• 在昂贵的对话调用前做一次快速的护栏检查

当你需要以下能力时，使用对话模型……

• 撰写邮件、博客文章或产品描述
• 进行多轮对话
• 总结长文档
• 生成代码或创意内容

两者配合效果最佳：Jev 做决策，Omen‑Alpha（或 其他对话模型）负责撰写。

常见问题

Jev 是 TypeSafe 推出的 AI 模型吗？

是。Jev 是 TypeSafe AI 的首个 System One 模型，于 2026 年 9 月发布。它返回类型化决策——Noul、Choice 和 Score——每项都带有校准后的置信度，而不是 自由文本。

Jev 会输出文本吗？

不会。Jev 不生成文章、对话回复或代码。它根据结构化问题 评估 state，并返回带有概率的类型化 答案。如需文本生成，请使用 Omen‑Alpha 或 Union‑Alpha 等对话模型。

Jev 免费吗？

Jev 在 TokenRa 上采用按用量付费：按每 100 万输入 token 计费，输出 token 免费。TypeSafe 可能直接提供 免费额度——请查看 typesafe.ai 了解其当前条款。

Jev 兼容 OpenAI 对话格式吗？

不兼容。Jev 需要 state 字段加上 questions 数组——而不是 messages 数组。 请复制本页的请求示例以获取正确格式。该 端点返回类型化答案，而不是对话补充分块。

Jev 与 Omen‑Alpha 相比，该用哪个？

使用 Jev 进行快速的类型化决策 （分类、评分、路由、护栏）。使用 Omen‑Alpha 进行文本生成、对话或 创意输出。二者互补：许多生产流程 用 Jev 做评估，用对话模型做生成。

相关模型与文档

• TokenRa 上的全部模型——对比 定价、上下文窗口和使用场景
• Ox‑Alpha API——快速、 高性价比的对话模型
• Union‑Alpha API—— 面向复杂任务的高容量对话模型
• TokenRa API 文档——鉴权、 速率限制、错误码
• Jev API 深度 指南——第三方教程、使用场景和对比 文章