中文
不聊天，
直接决策。
Jev 将输入信息转为结构化决策，适合分类、路由和评分。1.14 带来模型改进，并提供图片输入、Box 边框定位和长上下文等实验功能。
让代码直接使用决策结果
定义输出、提供上下文，再将结果接入业务流程。
预定义输出
按应用需要的结构返回结果，方便代码处理。
置信度评分
结合置信度，决定哪些结果可以自动处理、哪些需要复核。
融入现有代码
将分类和评分结果用于路由、筛选和业务分支。
图片输入 · 实验功能
Jev 1.13 和 1.14 均可将 PNG、JPEG 图片作为上下文。
Box 定位 · 实验功能
Jev 1.14 可返回图片中目标的边框坐标及置信度。
长上下文 · 实验功能
1.13 和 1.14 均可开启 262k token 上限；请求越长，速度和准确率可能下降。
3 步从状态到决策
像函数调用一样把 Jev 嵌入你的代码。
定义输出结构
按应用需要的结构返回结果，方便代码处理。
传入状态
定义输出、提供上下文，再将结果接入业务流程。
获取校准答案
将分类和评分结果用于路由、筛选和业务分支。
为自动化而生，而非对话
软件需要快速可靠决策的地方，Jev 都能胜任。
模糊决策规则
用校准 AI 决策替代脆弱的 if 链。
智能路由
按置信分数路由工单、线索或请求。
数据提取
从非结构化文本中提取结构化字段。
质量评分
按你的标准对任意输入打分。
如何使用 Jev
围绕结构化输出和置信度设计业务流程。
预定义输出
按应用需要的结构返回结果，方便代码处理。
置信度评分
结合置信度，决定哪些结果可以自动处理、哪些需要复核。
融入现有代码
将分类和评分结果用于路由、筛选和业务分支。
本站展示价格
本站展示价格为每百万输入 token 0.084 美元，输出免费。
Certified & Compliant with
常见问题解答
找不到答案？联系我们的团队。
Jev 1.14 更新了什么？
本次发布带来多方面的小幅改进，尤其关注多语言任务。图片输入和长上下文在 1.13、1.14 中均为实验功能，Box 则需要 1.14。
"System One" 是什么意思？
借用心理学术语：系统 1 是快速直觉思维，系统 2 是慢速审慎推理。Jev 自动化软件每天数百万次执行的快速重复决策——慢速推理留给人类或 LLM。
Jev 能替代我的 LLM 吗？
不能——这正是关键。Jev 处理结构化决策（分类、路由、评分、提取）。你的 LLM 继续处理开放式生成。它们互补：LLM 管聊天，Jev 管自动化。
结构化输出就一定正确吗？
输出符合预先定义的结构，不代表决策一定正确。可以结合置信度，决定如何处理结果。
Jev 用什么训练方法？
RLCD（强化学习校准决策）——一种新的训练方法，优化认识论诚实的概率，而非人类聊天偏好。
价格是多少？
本站展示价格为每百万输入 token 0.084 美元，输出免费。