TypeSafe AI 发布 Jev 1.14：新增图像、Box 类型与 262k 上下文
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 长上下文三项实验性功能，官方称均未达到生产可用。
MarkTechPost· Asif Razzaq·2026-10-15 13:45· 3 小时前AI 评分37
TypeSafe AI 发布 Jev 1.14，新增图像、Box 类型和 262k 上下文
AI 导读
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 长上下文三项实验性“危险区”功能。
正文
TypeSafe AI 发布了 Jev 1.14，这是其 System One 决策模型的新版本。它现已通过 jev-preview 别名上线。它新增了 3 项实验性“危险区”功能：图像、box 类型和更长的上下文。对开发者而言，Jev 1.14 将类型化决策模型推向检查与定位等视觉任务。TypeSafe 提示，这 3 项功能均尚未准备好用于生产环境。
TL;DR：Jev 1.14
- 规模：未披露参数量。默认每次请求上下文为 64k tokens，每个问题为 32k，或通过选择性启用的请求头达到 262k。
- 运行于：仅 TypeSafe 托管 API（
POST /v1/systemone）。无开放权重。未披露硬件和量化变体。 - 性能：各方面均有小幅提升，多语言支持提升最大（TypeSafe 声称，无公开评分）。
- 最佳：在 TypeSafe 的 Box 测试中，4 个边缘检查问题捕获了 36 个被裁切图像中的 30 个。
- 最差：图像和 Box 尚未生产就绪，且 Box 没有“未找到”答案。
什么是 Jev 1.14？
Jev 是 TypeSafe AI 的 System One 模型，它返回类型化决策而非生成文本。你发送一个 state 以及类型化问题：Choice、Score 或 Noul。Jev 用类型化值、概率和置信度分数回答每个问题。TypeSafe 使用 Reinforcement Learning for Calibrated Decisions (RLCD) 训练它。
据发布文章称，新版本 jev-1.14.0 为几乎所有方面带来了细微改进。TypeSafe 预计多语言支持方面的提升最大。
Jev 中的图像输入如何工作？
图像是可组合的。每张图像在顶层 assets 映射中按引用字符串列出一次。然后你可以将该引用放在 state、instructions 或 criteria 中的任何位置。API 在模型读取之前将每个引用替换为图像。
TypeSafe 表示 jev-1.13.0 一直是多模态的。根据图像文档，Jev 1.13 和 Jev 1.14 现在都接受图像。每个请求都需要请求头 TypeSafe-Danger-Zone-Images: true。
关键图像限制：
- 仅支持 PNG 或 JPEG 静态图像，每个文件最大 16 MiB
- 每边 256 至 1568 像素
- 每个请求体 32 MiB
- 图像按输入 tokens 以正常价格计费，无单独收费
TypeSafe 警告称，包括 Jev 在内的所有模型在图像上的表现都差于纯文本。它建议使用尽可能简单的问题。
新的 Box 类型是什么？
Box 是一种新的问题类型，每个问题返回 1 个边界框。答案给出 top、bottom、left 和 right 边缘，以 0 到 1 的分数表示。它还返回置信度分数。Box 需要 jev-1.14.0 或 jev-preview，外加图像请求头。
Box 总是返回一个框。关于不存在物体的问题仍会返回 4 个边缘。TypeSafe 建议将其与一个 Noul 问题配对，以检查目标是否存在。
TypeSafe 还分享了一个针对 36 个绘画裁切图像的小型测试，每个裁切都切掉了目标的一部分。4 个逐边缘 Noul 问题捕获了 30 个裁切。单个“是否全部在内”问题捕获了 26 个。将框绘制为轮廓并就此提问捕获了 20 个。
Jev 的上下文窗口现在有多长？
默认情况下，两个模型每次请求保持 64k tokens，每个问题保持 32k。根据模型文档，发送 TypeSafe-Danger-Zone-Long-Context: true 会将两个限制都提升到 262k tokens。TypeSafe 表示 Jev 在内部一直支持更长的上下文。它有意限制上下文，因为 Jev 和所有模型一样，在长输入上可靠性较低。开发团队仍然建议使用短上下文。
基准测试显示了什么？
TypeSafe 在发布文章中发布了内部智能图表。它们仅将 Jev 与开放权重模型进行比较。该文章不包含数值评分表。TypeSafe 表示该测量可能偏向其自家模型。它告诉开发者应优先使用自己的评估。
定价、可用性和迁移
根据模型文档，定价保持不变，为每十亿输入 tokens 42 美元，即每百万 0.042 美元。输出 tokens 免费。
来自发布文章的推出计划：
jev-preview现在指向jev-1.14.0。jev-latest将在一周后移至jev-1.14.0。jev-1.13.0保持可用，弃用前有 60 天通知。jev-1.14.0在自身弃用前将获得 30 天通知。
Jev 1.14 相比如何？
| 功能 | Jev 1.14 | Jev 1.13 | Gemini 3.5 Flash-Lite |
|---|---|---|---|
| 模型 ID | jev-1.14.0 | jev-1.13.0 | gemini-3.5-flash-lite |
| 模型类型 | 类型化决策模型 | 类型化决策模型 | 通用 LLM |
| 参数 | 未披露 | 未披露 | 未披露 |
| 默认上下文 | 每次请求 64k / 每个问题 32k | 每次请求 64k / 每个问题 32k | 1,048,576 输入 tokens |
| 长上下文 | 262k（可选请求头） | 262k（可选请求头） | 不适用 |
| 图像输入 | 是，实验性请求头 | 是，实验性请求头 | 是（文本、图像、视频、音频、PDF） |
| 边界框 | 原生 box 类型，边缘 0 到 1 | 否 | 提示 JSON box_2d，缩放 0 到 1000（文档） |
| 输出 | 带置信度的类型化答案 | 带置信度的类型化答案 | 文本，最多 65,536 tokens |
| 输入价格（每 1M tokens） | $0.042 | $0.042 | $0.30 |
| 输出价格（每 1M tokens） | 免费 | 免费 | $2.50 |
| 状态 | 预览（jev-preview） | 稳定（jev-latest） | 稳定 |
关键要点
- Jev 1.14 已作为
jev-preview上线。jev-latest将在一周后切换。 - 图像在 Jev 1.13 和 1.14 上可通过危险区请求头使用。
- 新的 Box 类型每个问题返回 1 个归一化边界框。
- 长上下文模式将限制提升到 262k tokens，但会牺牲可靠性。
- 价格保持在每百万输入 tokens 0.042 美元，输出免费。
查看发布文章、模型文档、图像文档和Box 文档。所有功劳归于该项目的研究者。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ML SubReddit 并订阅 我们的 Newsletter。等等！你在 Telegram 上吗？ 现在你也可以在 Telegram 上加入我们。
文章 TypeSafe AI Releases Jev 1.14 With Images, Box Type and 262k Context 首次出现在 MarkTechPost 上。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news