Jev AI

JEV AI,
开发者案例库

看开发者用 JEV AI 做出了什么 —— 一个不写文字、只返回类型化判断的新模型。

202
个案例
200
带视频
56.3M
总浏览
181
位作者
案例库
202 个案例 · 56.3M 次浏览 · 181 位作者
已显示 202 / 202
2.7M
@tamarajtranfound the perfect use case for @typesafeai Jev自动化
227.6K
@romanbuildsaasJEV is INSANE视觉
177.9K
@rafalwilinskithanks to @typesafeai's Jev we now have massively…生态
635.3K
@TheMattBermanjev is INSANE自动化
414.5K
@OpenRouterJev by @typesafeai is now on OpenRouter, in beta生态
48.8K
@nedwizeBuilt a tax document classifier with Jev自动化
145.4K
@Saccc_c卧槽,居然真有比Codex内置computer use更快的操作电脑的方式代码
960.8K
@The_AlexI trust Jev with my life其他
187.1K
@maubaronjev is insane 🤯游戏
77.9K
@marcelpociotJev unlocks SO many awesome new ideas其他
155.5K
@mightykingJEV is insane for competitor research!自动化
37.1K
@sarvagya_kulJEV is INSANE视觉
2.5M
@gregpr07Browser Use + Jev = Ultrafast ⚡自动化
109.7K
@moritzkrembFull Jev Tutorial教程
158.0K
@dabit3Another crazy @typesafeai Jev example路由分流
242.6K
@_MaxBladejev is insane 🤯游戏
170.2K
@robj3d3Jev + SuperX = virality solved ✅路由分流
29.7K
@viratttI added Jev to the AI Hedge Fund金融
22.3K
@_MaxBladeAi is evolving其他
331.5K
@redp314got Jev to review my PRs代码
38.5K
@IndraVahani gave jev ₹1,00,000 to trade nifty intraday at 5x…金融
257.6K
@moritzkrembwhoa this actually worked!其他
206.7K
@MaxRovenskyjev decided to sacrifice a human to save robots…机器人
27.9K
@rafalwilinskiJev is now in charge of this account's humor其他
54.8K
@tdinh_meJust trying out Jev, I made a Chrome extension that视觉
17.3K
@o_kwasniewskie2e + jev from @typesafeai ⚡自动化
111.6K
@milindlabsso Jev can actually do computer use really well视觉
1.0M
@jarrodwattsI built a trading bot with Jev!机器人
17.4K
@levieJev will be super helpful for agents to make split…金融
31.7K
@instantricecookI built a voice controlled computer-use for my mac…效率工具
17.1K
@ego_agentego lite + Jev + DeepSeek Flash = stupid fast其他
97.0K
@camsoft2000Now we're cooking游戏
635.0K
@oragnes卧槽,jev 的出现很可能就是自动智能交易的起点。机器人
109.7K
@ekzhang1Inspired by @typesafeai , here is a Jev-compatible…游戏
148.5K
@akira_papa_ITJevで次の文章予測判断させるロジック作って、其他
34.6M
@CompleteSkepticAfter co-inventing ChatGPT, I kept asking myself:…生态
224.8K
@coolish昨天出的 Jev 模型游戏
15.6K
@nikunjJev scoring 3000 kid snacks with multiple criteria…路由分流
556.1K
@jpschroederI rebuilt Tesla Full Self Driving with Jev in less…机器人
50.7K
@tsuyoshi_osiireJevで、会話をリアルタイムに観測するセンサーを試作しました。其他
已显示 40 / 202

这个 JEV AI 案例库是什么

Jev 在 2026 年 9 月 15 日发布,随后涌上来的第一波东西不是评论文章,是演示视频。四天之内,181 位开发者发出了 202 条公开视频,每一条都是 Jev 在干一件具体的事:从模拟器的原始状态里打超级马里奥、驱动浏览器 agent 七秒钟订完机票、四十秒拆解 724 条正在投放的广告、花八美分把一千篇论文分好类。

这个 Jev AI 案例库把它们收在一起,并且持续收录随后出现的开源项目。它之所以有存在的必要,是因为 Jev AI 特别不适合用文字理解:任何关于 Jev 的介绍都得先花一段讲它不能做什么,而一段讲「这个模型返回类型化判断而不是文本」的文字,说服力远不如看四十秒它真的在跑。

这里的每一份素材都是别人的作品,署名和原始链接都在。我们加进去的只有三样:收集、归类,以及对那些数字的诚实解读 —— 包括 TypeSafe 自己的宣传不会放在前面的那几个。

一段话说清 JEV AI 是什么

Jev AI 是社区对 Jev 的习惯叫法,它是 TypeSafe AI 出的一个不会写字的模型。你把程序状态和一个「候选答案已经被你事先固定住」的问题交给 Jev,Jev 从这些候选里挑一个还给你,附一个校准过的概率,通常耗时 70 到 500 毫秒,输入每百万 token 收 0.042 美元、输出不收钱。提问类型只有三种 —— Choice、Score、Noul —— 而且一次请求里的所有问题是一起算出来的,不是一个 token 一个 token 吐出来的。

这个限制本身就是产品。因为 Jev 不会写,它就不可能吐出格式坏掉的 JSON,不可能编造一个枚举值,也不需要任何解析器。因为 Jev 不生成 token,它就不用付生成 token 的时间和钱。而因为 TypeSafe 是专门照着校准去训练它的,Jev 每个答案上挂的那个置信度,是你的代码可以真的拿去设阈值的。

完整讲清楚 Jev AI 是什么 →

这个 JEV AI 案例库怎么用

先看案例墙

上面那面墙收了我们能找到的全部公开 Jev 演示,默认按热度排:浏览、点赞、收藏、转发四项加权,再套一个 72 小时半衰期。按主题筛一下,找离你自己那个问题最近的几条 —— 游戏、浏览器 agent、路由分流、代码评审、交易、机器人。

再读开源项目

演示之外,还有一批能装下来、能读源码的开源 Jev 项目:SDK 封装、MCP server、agent 框架、评测脚手架。索引里标了哪条是代码、哪条是实践记录,因为上游社区列表把两者混在一起。

照着模式抄

十一个 Jev 决策模式,每一个都把 state、类型化提问和路由策略完整写出来了。这些是反复出现的形态:投机扇出的工单分诊、模型级联、置信度闸门、大模型防护栏、RAG 过滤、引用核验。

自己核数字

对比页把 TypeSafe 自己那份基准的准确率一列原样放着,配一个能拖的成本计算器,再直说 Jev 在哪些地方是输的。我们宁愿你信这个站,也不希望你信宣传口径。

这个 JEV AI 案例库不会替 JEV 说的话

Jev AI 不是现成模型里最准的那个。在 TypeSafe 自己那份 711 例的基准上,Jev 拿 67.8%,跟 GPT-5.6 Terra 打平,比 GPT-5.6 Sol 和 Opus 5 低五到六个点。那两个被转疯了的数字 —— 快 193.6 倍、便宜 444.6 倍 —— 出自一次录制的 Doom 演示,不是出自这份基准。

Jev 不会幻觉,但这句话的意思很窄:它只是不可能返回一个你没给过的选项。它完全可能高置信度地挑错,而且挑错的时候不会给你任何理由。目前没有第三方对 Jev 的独立评测,权重没公开,那个准确率衡量的也是「与一份模型生成的参考答案是否一致」,不是客观正确性。

还有,Jev 写不了字。写不了回复,写不了摘要,连工具调用的参数都拼不出来。任何最终要产出文字的流程,仍然需要一个文本模型 —— 这个库里那些做得好的 Jev 接入,基本都是两个模型一起跑。

开发者到底把 JEV AI 用在哪

这些演示的分布并不均匀,而分布本身就是信息。最大的一簇是浏览器与 agent 自动化:由 Jev 决定下一步动作,只有在真的需要打字时才叫一次普通模型。Browser Use 那个超快 agent 就是这么在大约七秒内跑完一次 Google Flights 搜索的 —— 这种量级的数字会改变你愿不愿意把它放进请求链路里。

第二簇是游戏,而且对一个没有视觉能力的模型来说,这一簇大得出人意料。但这恰恰是重点:这些 agent 不看画面,它们读的是结构化的模拟器状态,然后问 Jev 该按哪个键。超级马里奥、Celeste、地铁跑酷、国际象棋、浏览器里的 FPS,还有一个 Doom agent 对屏幕上每一块地砖判断「地面 / 按钮 / 无视」。游戏是延迟最藏不住的地方,所以它成了公共测试场。

接下来是那些不好看但大概率真赚钱的:代码评审闸门,让 Jev 先把危险的 diff 挑出来,再让贵模型去读;编程 agent 的上下文压缩,让 Jev 判断哪段工具输出还有用、其余的原样裁掉;文档分类,一千篇八美分。再往下是线索打分、发票抽取、内容审核、RAG 段落过滤、引用核验。

还有一条没人预测到的长尾:一个无人机控制器,高层判断交给 Jev、飞控继续管稳定;一个知识图谱游走器,每一步问 Jev 该沿哪条边走;一个跑在 Monad 测试网上的交易 bot,每次买卖判断 81 毫秒。

怎么用上 JEV AI

TypeSafe 的 Jev AI API 在 2026 年 9 月 20 日对所有人开放了。头五天那道等待名单已经没了 —— 发布后 36 小时内它放行了大概 14 万人,不到一周就顶不住了。现在去 console.typesafe.ai 注册,新账号自带 5 美元额度,按公开价算大约是 1.2 亿输入 token。不想再开一个账号的话,几个网关按同样的价供着 Jev:Vercel 的 AI Gateway 把它暴露成 typesafe-ai/jev,走 AI SDK 的 experimental evaluate 路径;Cloudflare Workers AI 和 OpenRouter 也都有。

客户端这边,官方 SDK 是 Python 的 typesafe-sdk 和 JavaScript 的 @typesafe-ai/sdk。LangChain 出了 langchain-typesafe,里面有 TypeSafeClassifier;Pydantic AI 原生支持 Jev;另外已经有好几个 MCP server 把 Jev 的判断包成工具,直接给 Claude Code、Codex 这类编程 agent 调。

开户那 5 美元用完之后,所有路径都没有免费额度,每次 Jev 调用都照常计费 —— 不过按输入每百万 token 0.042 美元算,只要没到生产量级,这笔钱基本可以忽略。

最多人看的 JEV AI 演示

头条视频在这里直接播。下面每一条都能点进案例页,再跳到 X 上的原帖和作者。

从这里开始

JEV AI 案例库常见问题

这是个什么站?
一个独立的社区索引,收录开发者用 Jev AI 做出来的东西:X 上的公开 Jev 演示、开源 Jev 项目,以及大家反复复用的决策模式。与 TypeSafe AI 无隶属关系。
这是 Jev AI 的官网吗?
不是。Jev AI 的官方页面在 typesafe.ai 和 docs.typesafe.ai。这里是社区索引,每一页的页脚都写着这句话。
Jev AI 的案例数据是哪来的?
来自 X 上的公开帖子,整理成结构化数据。每个案例都链回原帖并署名作者;视频、正文和商标权利都归原作者。
Jev AI 的项目数据是哪来的?
来自社区的 awesome-jev 列表,MIT 许可。被收录不等于被推荐 —— 那边不审代码质量、安全性和成熟度,而且大约四分之一的条目其实是文章而不是代码。
这个 Jev AI 案例库多久更新一次?
当前快照覆盖 Jev AI 发布后的头四天,绝大部分公开演示都是那几天冒出来的。项目和模式数据则跟随上游社区列表。
我的 Jev AI 项目怎么被收录?
去上游的 awesome-jev 列表提交。这个索引从那份列表构建,那边通过了,下次构建这边就会出现。