关键词:Jev 模型、Jev API、jev-1.13.0、TypeSafe System One、系统 1 决策模型、Jev 国内使用、Jev 第三方接口、Jev 教程、Jev 调试、置信度路由、结构化决策输出、api.new.bi

一、Jev 是什么:一个不写作文,只做判断的模型
Jev 是由 TypeSafe AI 发布的 System One(系统 1)决策模型。它的定位非常明确:不生成任何自由文本,只输出结构化判断结果。
用一句话概括它和普通大模型的区别:
传统大模型负责「生成内容」,Jev 负责「做判断」。
你把一份业务上下文 state 和一组问题 questions 提交给它,它会并行返回每个问题的判定结果——带概率、带置信度、带加权分数。结果可以直接喂给代码里的 if,不需要再写解析器去猜模型想说什么。
这就是 TypeSafe System One 决策模型 被称作「机器原生决策」的原因:它的输出天然是给程序读的,而不是给人读的。
Jev 的核心特征
| 特征 | 说明 |
|---|---|
| 无自由文本输出 | 返回纯结构化 JSON,无需后处理 |
| 一次多问 | 一个请求提交多组 questions,并行独立判定 |
| 概率化结果 | 每个问题返回概率分布 + 置信度 |
| 面向工程 | 可直接嵌入业务逻辑,做高频决策任务 |
| 当前版本 | jev-1.13.0(别名 jev-latest) |
Jev 适合做什么
- 工单路由:一条工单同时判「是否退款 + 归属团队 + 紧急度」
- 内容安全:违规判定 + 违规类目分类
- 意图分类:客服对话意图识别、满意度打分
- 风险打分:Agent 工具调用前的操作风险评级
- 置信度路由:低置信度结果自动转人工
二、Jev 国内使用:为什么需要第三方接口
Jev 官方只提供原生接口与 SDK,国内开发者实际接入时会遇到几个现实问题:
- 直连体验不稳定,官方 SDK 需要单独配置
- 计费口径与现有系统不统一,你的项目可能已经在用一套统一账单
- 协议不统一,团队里有的服务用 OpenAI 风格,有的用 Anthropic 风格
- 调试成本高,出问题只能看到一句模糊报错,没有本地日志
所以「Jev 第三方接口」成了很自然的选择:找一个兼容 OpenAI / Anthropic 协议、统一计费、可观测的中转网关,把 Jev 当成普通模型挂进来。
api.new.bi 就是这样一个网关。
三、为什么推荐用 api.new.bi 接入 Jev
api.new.bi 是一个 AI API 网关,聚合多家上游模型,用统一的 OpenAI / Anthropic 兼容协议对外提供服务。把 Jev 模型接进 api.new.bi,你能直接拿到这些好处:
| 优势 | 具体表现 |
|---|---|
| 双协议支持 | 同一模型同时提供 /v1/responses 与 /v1/messages,团队用什么风格都能接 |
| 统一鉴权 | 一把 sk- 密钥访问全部模型,不用为 Jev 单独管一把 key |
| 精确按量计费 | token 用量取自上游真实值,与上游账单一致,不估算 |
| 可观测 | 每次调用都有日志,Jev 调试时能直接查到请求、响应、token 与耗时 |
| 免改代码 | OpenAI SDK / Anthropic SDK 直接指向 api.new.bi 即可 |
对国内团队来说,把 Jev API 挂到 api.new.bi 上,是接入成本最低、后续最好维护的方式。
四、接入准备
1. 获取密钥
在 api.new.bi 控制台创建一个令牌,形如:
sk-xxxxxxxxxxxxxxxxxxxxxxxx
2. 确认端点
api.new.bi 上调用 jev-1.13.0,推荐使用 /v1/responses:
POST https://api.new.bi/v1/responses
Authorization: Bearer sk-xxxxxxxx
Content-Type: application/json
重点提醒:请使用
/v1/responses,不要用/v1/chat/completions。
原因见第八节「计费」——后者会导致 token 用量统计失准。
五、/v1/responses 请求参数详解
顶层参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
model | string | 是 | 固定填 jev-1.13.0 |
input | any | 是 | 占位字段,填任意非空值即可(如 "placeholder")。Jev 不使用该字段 |
state | string | object | array | 是 | 待判定的业务上下文 |
questions | object | 是 | 判定问题集合 |
input 只是为了让网关的请求校验通过,不参与判定,可以直接填 "placeholder"。
state:把业务数据原样丢进去
state 支持三种形态,推荐对象形态,因为不需要你拼接长文本:
纯文本(适合用户原话):
"state": "用户:结账页面点击支付后一直空白,换了两个浏览器都不行"
对象(适合业务原始数据,推荐):
"state": {
"message": "订单 A-104 被扣两次钱,请退还重复扣费",
"policy": "重复扣款符合退款条件",
"order": { "charges": [49, 49] }
}
数组(适合多轮反馈的聚合):
"state": [
"第一次反馈:支付后页面空白",
"第二次反馈:仍然无法支付,已影响全天订单"
]
questions:三种问题类型
这是 Jev 最有价值的设计——同一个请求里可以混用三种问题类型,并行计算。
类型一:noul —— 是非判定
输出「是」的概率,取值 0~1。
"is_refund": {
"type": "noul",
"instructions": "用户是否在申请退款",
"criteria": {
"true": "用户明确提出退款诉求",
"false": "没有退款请求"
}
}
| 字段 | 必填 | 类型 | 说明 |
|---|---|---|---|
type | 是 | string | "noul" |
instructions | 是 | string | 判定指令,必须提供 |
criteria | 否 | object | true / false 的语义边界 |
常见错误:只写
criteria不写instructions,会直接报错。
类型二:choice —— 单选分类
从枚举选项里选一个,并返回全选项概率分布与置信度。
"department": {
"type": "choice",
"instructions": "该工单应交给哪个团队处理",
"criteria": {
"billing": "账单、发票、退款相关",
"technical": "功能缺陷、集成故障",
"account": "账号登录、资料问题"
}
}
| 字段 | 必填 | 类型 | 说明 |
|---|---|---|---|
type | 是 | string | "choice" |
instructions | 否 | string | 判定指令 |
criteria | 是 | object | key 为选项标识,value 为语义说明。1~255 个选项 |
类型三:score —— 有序等级打分
输出概率加权后的连续分数,可以落在两个等级之间。
"frustration": {
"type": "score",
"instructions": "客户情绪严重程度",
"criteria": ["平静", "沮丧", "非常愤怒"]
}
| 字段 | 必填 | 类型 | 说明 |
|---|---|---|---|
type | 是 | string | "score" |
instructions | 否 | string | 判定指令 |
criteria | 是 | array | 顺序即等级(下标 0、1、2……)。2~10 个等级 |
参数速查表
| 类型 | criteria 类型 | 数量限制 | 额外必填 |
|---|---|---|---|
noul | object(可选) | — | instructions |
choice | object | 1~255 | criteria |
score | array | 2~10 | criteria |
choice 用对象、score 用数组,写反会报错。
六、返回结果详解
完整返回结构
{
"model": "jev-1.13.0",
"answers": {
"is_refund": {
"type": "noul",
"noul": 0.96
},
"department": {
"type": "choice",
"choice": "billing",
"confidence": 0.88,
"probabilities": { "billing": 0.91, "technical": 0.05, "account": 0.04 }
},
"frustration": {
"type": "score",
"score": 1.2,
"confidence": 0.71,
"legend": { "0": "平静", "1": "沮丧", "2": "非常愤怒" },
"probabilities": { "0": 0.1, "1": 0.7, "2": 0.2 }
}
},
"usage": {
"input_tokens": 1970,
"output_tokens": 70
}
}
各类型输出字段
| 类型 | 输出字段 |
|---|---|
noul | noul(0~1 概率,无 confidence) |
choice | choice、probabilities、confidence |
score | score、legend、probabilities、confidence |
三个解析要点
① legend 是对象,不是数组
"legend": { "0": "平静", "1": "沮丧", "2": "非常愤怒" }
② score 的 probabilities 也是对象
"probabilities": { "0": 0.1, "1": 0.7, "2": 0.2 }
③ answers 的键顺序不固定
返回顺序按字典序重排,与你在 questions 里的书写顺序无关。一律按问题 ID 取值,不要依赖下标。
usage
| 字段 | 说明 |
|---|---|
input_tokens | 输入 token,计费依据 |
output_tokens | 输出 token |
经 api.new.bi 的 /v1/responses 调用时,这两个值与上游真实用量完全一致。
七、完整调用示例
curl
curl -X POST 'https://api.new.bi/v1/responses' \
-H "Authorization: Bearer $API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "jev-1.13.0",
"input": "placeholder",
"state": {
"message": "订单 A-104 被扣两次钱,请退还重复扣费",
"policy": "重复扣款符合退款条件",
"order": { "charges": [49, 49] }
},
"questions": {
"is_refund": { "type": "noul", "instructions": "用户是否在申请退款" },
"department": {
"type": "choice",
"instructions": "该工单应交给哪个团队处理",
"criteria": {
"billing": "账单、发票、退款相关",
"technical": "功能缺陷、集成故障",
"account": "账号登录、资料问题"
}
},
"frustration": {
"type": "score",
"instructions": "客户情绪严重程度",
"criteria": ["平静", "沮丧", "非常愤怒"]
}
}
}'
Python(OpenAI SDK)
因为 /v1/responses 是 OpenAI 协议族端点,可以直接用官方 OpenAI SDK,只需把 base_url 指向 api.new.bi,并用 extra_body 传入 Jev 专有字段:
from openai import OpenAI
client = OpenAI(
base_url="https://api.new.bi/v1",
api_key="sk-xxxxxxxx", # api.new.bi 令牌
)
resp = client.responses.with_raw_response.create(
model="jev-1.13.0",
input="placeholder",
extra_body={
"state": {
"message": "订单 A-104 被扣两次钱,请退还重复扣费",
"policy": "重复扣款符合退款条件",
},
"questions": {
"is_refund": {"type": "noul", "instructions": "用户是否在申请退款"},
"department": {
"type": "choice",
"instructions": "该工单应交给哪个团队处理",
"criteria": {
"billing": "账单、发票、退款相关",
"technical": "功能缺陷、集成故障",
},
},
"frustration": {
"type": "score",
"instructions": "客户情绪严重程度",
"criteria": ["平静", "沮丧", "非常愤怒"],
},
},
},
)
data = resp.http_response.json() # Jev 原生返回结构
answers = data["answers"]
print(answers["is_refund"]["noul"]) # 0.96
print(answers["department"]["choice"]) # billing
print(answers["frustration"]["score"]) # 1.2
用
with_raw_response是为了直接拿到 Jev 的原生answers结构,避免 SDK 按标准 Responses 结构解析。
Python(requests,最直接)
import requests
def jev(state, questions, key):
r = requests.post(
"https://api.new.bi/v1/responses",
headers={"Authorization": f"Bearer {key}"},
json={
"model": "jev-1.13.0",
"input": "placeholder",
"state": state,
"questions": questions,
},
timeout=60,
)
r.raise_for_status()
return r.json()
data = jev(
state="用户:结账页面点击支付后空白,换了两个浏览器都不行",
questions={
"is_bug": {"type": "noul", "instructions": "用户是否在上报产品缺陷"},
},
key="sk-xxxxxxxx",
)
print(data["answers"]["is_bug"]["noul"])
print(data["usage"]["input_tokens"])
JavaScript
const res = await fetch('https://api.new.bi/v1/responses', {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
model: 'jev-1.13.0',
input: 'placeholder',
state: '用户:结账页面点击支付后空白',
questions: {
is_bug: { type: 'noul', instructions: '用户是否在上报产品缺陷' },
},
}),
})
const { answers, usage } = await res.json()
console.log(answers.is_bug.noul, usage.input_tokens)
结果消费:把判定接进业务逻辑
a = data["answers"]
# 是非判定:卡阈值
if a["is_refund"]["noul"] > 0.8:
open_refund_flow()
# 单选分类:置信度双闸门,低了转人工
dept = a["department"]
if dept["confidence"] > 0.7:
assign_to(dept["choice"])
else:
assign_to_human(question_id="department")
# 等级打分:取加权分数
if a["frustration"]["score"] >= 1.5:
mark_urgent()
八、计费:为什么必须用 /v1/responses
这是 Jev 第三方接口调试中最容易踩的坑,单独说明。
api.new.bi 按输入 token 计费,依据是上游返回的真实 usage。而 Jev 返回的 token 字段名是:
"usage": { "input_tokens": 1970, "output_tokens": 70 }
/v1/responses 的协议规范里使用的正是 input_tokens / output_tokens,因此网关能精确读取真实用量。
而 /v1/chat/completions 的规范字段是 prompt_tokens / completion_tokens,Jev 不返回这两个字段,网关取不到值后会退化为估算——实测同一份 state 下:
| 端点 | 统计到的输入 token |
|---|---|
/v1/responses | 1970(真实值) |
/v1/chat/completions | 9(估算值,严重偏离) |
结论很直接:
调用 Jev API,请使用
/v1/responses。
用/v1/chat/completions会导致计费与上游账单严重不一致。
关于输出计费:output_tokens 在 /v1/responses 下会被正确统计。如果你的业务希望与上游「输出免费」的口径保持一致,可以在 api.new.bi 中把该模型的补全倍率调低或设为 0。
九、核心场景案例
案例 1:工单智能路由
一次请求拿到三个判定,替代三次串行调用。
{
"model": "jev-1.13.0",
"input": "placeholder",
"state": {
"ticket": "订单 A-104 被扣两次钱,请退还重复扣费,已经等了两天没人回",
"policy": "重复扣款属于退款条件",
"order": { "charges": [49, 49], "waited_hours": 48 }
},
"questions": {
"is_refund": { "type": "noul", "instructions": "用户是否在申请退款" },
"department": {
"type": "choice",
"instructions": "该工单应交给哪个团队",
"criteria": {
"billing": "账单、发票、退款",
"technical": "功能缺陷、集成故障",
"account": "账号与资料问题"
}
},
"priority": {
"type": "score",
"instructions": "处理优先级",
"criteria": ["低", "中", "高", "紧急"]
}
}
}
价值:不用写分类规则、不用训练分类模型,一次调用完成分流 + 优先级排序。
案例 2:内容安全判定
noul 做闸门,choice 定违规类目。
{
"model": "jev-1.13.0",
"input": "placeholder",
"state": "用户提交的评论:<待审文本>",
"questions": {
"is_violation": { "type": "noul", "instructions": "内容是否违反社区规范" },
"category": {
"type": "choice",
"instructions": "违规类目",
"criteria": {
"spam": "垃圾营销",
"harassment": "人身攻击",
"adult": "成人内容",
"normal": "无违规"
}
}
}
}
价值:is_violation 阈值可调召回率,probabilities 可用于人工复审队列排序。
案例 3:Agent 工具调用前的风险校验
{
"model": "jev-1.13.0",
"input": "placeholder",
"state": {
"user_request": "把上个月的报表全部删掉",
"pending_tool_call": {
"name": "delete_reports",
"args": { "period": "last_month", "scope": "all" }
},
"policy": "删除类工具需要用户显式确认,且不允许批量删除"
},
"questions": {
"should_execute": { "type": "noul", "instructions": "该工具调用是否应直接执行" },
"risk": {
"type": "score",
"instructions": "该操作的风险等级",
"criteria": ["安全", "低风险", "高风险", "危险"]
}
}
}
价值:给 Agent 加一层可量化的护栏,比让模型「自己想一想」稳定得多。
案例 4:客服意图分类与满意度质检
{
"model": "jev-1.13.0",
"input": "placeholder",
"state": "客服通话转写:<通话文本>",
"questions": {
"intent": {
"type": "choice",
"instructions": "客户主诉意图",
"criteria": {
"cancel": "要退订/解约",
"complaint": "投诉体验",
"consult": "咨询产品",
"renew": "要续费"
}
},
"satisfaction": {
"type": "score",
"instructions": "客户满意度",
"criteria": ["很不满意", "不满意", "一般", "满意", "很满意"]
}
}
}
案例 5:结构化字段抽取
需要从非结构化文本得到确定值时,用 choice 把选项写成枚举,比让生成模型吐 JSON 可靠得多。
{
"model": "jev-1.13.0",
"input": "placeholder",
"state": "邮件正文:<邮件文本>",
"questions": {
"urgency": {
"type": "choice",
"instructions": "紧急程度",
"criteria": { "p0": "需立即处理", "p1": "当日处理", "p2": "本周处理" }
},
"needs_reply": { "type": "noul", "instructions": "是否需要人工回复" }
}
}
十、Jev 调试与排错速查
在 api.new.bi 上做 Jev 调试,可以直接在日志里看到完整请求与响应,配合下表定位问题。
| 报错 | 原因 | 解决 |
|---|---|---|
model, state and questions are required | 顶层必填参数缺失 | 补全 model / state / questions |
input is required | /v1/responses 缺少 input | 填 "placeholder" |
state must be a string, object or array | state 传了数字等非法类型 | 改为字符串 / 对象 / 数组 |
question "q" has unsupported type "xxx" | type 非法 | 只能是 noul / choice / score |
question "q" needs instructions or criteria | noul 缺 instructions | 补上 instructions |
needs criteria | choice 缺 criteria | 补上选项对象 |
must be an object with 1 to 255 options | choice 的 criteria 写成了数组 | 改为对象 |
score criteria must be an array of 2 to 10 levels | score 的 criteria 写成了对象,或等级数越界 | 改为 2~10 项的数组 |
max_tokens_exceeded | 单条 state + question 超 32k token | 拆分上下文 |
Token not provided | 缺少 Authorization 头 | 补 Authorization: Bearer sk-... |
无可用渠道(distributor) | 该路径未配置路由 | 在渠道的「高级自定义路由」中补充对应 incoming_path |
三个最常见的调试误区
误区 1:串行提问
很多人受「省 token」习惯影响,一次只问一个问题,连发三次请求。Jev 的设计就是一次问多组,并行判定不额外增加往返延迟,串行反而浪费时间和调用次数。
误区 2:以为需要写解析器
Jev 输出结构化 JSON,直接取值即可,不需要正则或二次模型解析。
误区 3:用 /v1/chat/completions 调试后对不上账
这是计费失准的根源,请统一用 /v1/responses(或 /v1/messages)。
十一、限制与注意事项
| 项 | 限制 |
|---|---|
| 上下文总长 | 64k token |
state + 单条 question | 32k token |
| 输入模态 | 仅文本,不支持图片 / 音频 / 视频 |
| 训练语言 | 以英文为主,中文可用但建议自测精度 |
score 等级数 | 2~10 |
choice 选项数 | 1~255 |
| 速率 | 250k token/s,1200 请求/分钟(动态调整) |
无效参数:temperature、max_tokens、stream、response_format 等生成式参数对 Jev 无意义。传 stream: true 也不会返回 SSE 流,始终返回单个 JSON 对象。
十二、FAQ
Q1:Jev 在国内怎么用?
A:通过 api.new.bi 这类兼容 OpenAI / Anthropic 协议的网关接入最省事。把 base_url 指向 https://api.new.bi/v1,用 sk- 令牌鉴权,模型填 jev-1.13.0 即可,无需改业务代码结构。
Q2:Jev 会生成文字吗?
A:不会。Jev 是 System One 决策模型,只输出结构化判定结果(概率、选项、分数、置信度),没有任何自由文本。
Q3:用 OpenAI SDK 能调 Jev 吗?
A:可以。用 /v1/responses 端点,base_url 设为 https://api.new.bi/v1,Jev 专有参数通过 extra_body 传入。
Q4:应该用哪个端点?
A:/v1/responses 或 /v1/messages 都可以,两者实测行为一致。不要用 /v1/chat/completions,会导致 token 统计与计费失准。
Q5:noul 和 choice 的 criteria 有什么区别?
A:noul 的 criteria 是可选对象,且必须同时提供 instructions;choice 的 criteria 是必填对象(1~255 个选项)。
Q6:为什么 score 的返回值可以是小数?
A:score 是概率加权后的连续分数,可以落在两个等级之间,例如 1.2 介于「沮丧」和「非常愤怒」之间。
Q7:一次能问多少个问题?
A:单个请求可提交多组 questions,三类问题可自由混用、并行计算。注意问题之间互相不可见,不能做链式推理。
Q8:Jev API 计费怎么算?
A:按输入 token 计费,依据 /v1/responses 返回的 input_tokens,与上游真实用量一致。output_tokens 也会被统计,可通过补全倍率调整。
十三、总结
- Jev 是 TypeSafe AI 的 System One 决策模型:不生成文本,只输出结构化判断
- 它适合工单路由、内容安全、意图分类、风险打分、置信度路由等判定类场景
- 国内接入 Jev API,推荐通过
api.new.bi:双协议兼容、统一鉴权、精确计费、日志可观测 - 调用端点是
/v1/responses,参数只需model+input+state+questions questions支持noul(是非)/choice(单选)/score(打分) 三类混用、并行判定- 记住那个坑:别用
/v1/chat/completions
一句话落地:把 Jev 挂到 api.new.bi 上,用 /v1/responses 调,一次请求拿到全部判定结果。
本文关键词:Jev 模型、Jev API、jev-1.13.0、TypeSafe System One、系统 1 决策模型、Jev 国内使用、Jev 第三方接口、Jev 教程、Jev 调试、置信度路由、结构化决策、AI API 网关、Jev 接入、Jev 调用示例
326



被折叠的 条评论
为什么被折叠?



