Launches vom 17. September 2026

Vorgefertigte Modelle und Feinabstimmung ermöglichen Ja/Nein-, Auswahl- und Bewertungsfragen zu gemeinsamem Text. Die API folgt TypeSafe System One, sodass das TypeSafe Python SDK einen lokalen Kev-Server ansprechen kann.

Die npm-Bibliothek und das Claude-Code-Plugin verdichten den Verlauf durch Entfernen von Werkzeugdaten, ohne Gesprächstext umzuschreiben. Jev beantwortet getrennte noul-Fragen für Aufruf und Ergebnis; Schwellenwerte bestimmen Beibehaltung, Kürzung oder Entfernung des Paars.

Das Modell beantwortet Auswahl-, Boolean- und geordnete Bewertungsfragen aus Zuständen und Kandidaten ohne Antworttoken-Decoding. NanoJev ist ein eigenständiges lokales Modell nach Jevs Vorbild; Aufzeichnungen vergleichen Jev und nicht feinabgestimmtes Qwen an denselben Spielschnittstellen.

TypeLLM ergänzt bestehende autoregressive Modelle um JSON-Schema-konforme Ausgaben, ohne Gewichte oder Architektur zu ändern. Von Jev inspiriert, behält es Freitext und optionales Reasoning bei und unterstützt Abhängigkeiten zwischen Ausgabefeldern. Ein kompatibles Modell mit SGLang bereitstellen und Kontext sowie typisierte Fragen über TypeLLMClient übergeben.

Foreman überwacht Programmieragenten und bewertet Fertigstellung, Anforderungen, Testumfang sowie Bedarf an menschlicher Hilfe. Jev bewertet Prüfpunkte; ein deterministischer Python-Arbiter entscheidet über Fortsetzen, Lenken, Prüfen, Stoppen oder Eskalieren. Repository und Aufgabe mit Python 3.11+, TypeSafe-Schlüssel und konfiguriertem Programmieragenten-Backend bereitstellen.

Jev Search macht aus natürlichsprachlichen Anfragen Links und Auszüge mit bearbeitbaren Filtern und sichtbaren Relevanzwerten. Lokal Search1API und einen Jev-Anbieter in .dev.vars konfigurieren, mit pnpm installieren und pnpm dev ausführen.

Jev MCP bietet Agenten Werkzeuge für Belegprüfung, Klassifikation, Neusortierung, Extraktion und Patch-Review. npx -y @jkudish/jev-mcp mit Node.js 22 oder neuer und einem Jev-Anbieterschlüssel im MCP-Client registrieren.

Mobile Jev steuert Android über Mobilerun und bietet Live-Studio, CLI und Ausführungsspuren. Beide Anbieterschlüssel und eine einsatzbereite Geräte-ID konfigurieren, dann mit pnpm dev das lokale Studio öffnen und ein Ziel eingeben.

pg-jev filtert, sortiert und klassifiziert PostgreSQL-Zeilen mit natürlichsprachlichen SQL-Bedingungen. Jev bewertet Zeilen gebündelt; SQL-Funktionen liefern Wahrheitswerte, Wahrscheinlichkeiten, Auswahlwerte und Rubrikwerte. PostgreSQL 14–17, plpython3u, Superuser-Rechte und ein TypeSafe-Schlüssel werden benötigt.

jev-voice-browser sendet Sprachtranskripte an Node und steuert ein sichtbares Chromium-Fenster über Playwright. Jev wählt Absicht und Ziel; Code extrahiert wörtliche Textkandidaten und entscheidet über Handeln, Warten oder Nachfragen. Node 20+, TypeSafe-Schlüssel sowie Chrome oder Edge für die Mikrofonseite werden benötigt.

System One Connector bietet Programmieragenten typisierte Entscheidungen über evaluate und MCP-Integration. Er verbindet Jev oder kompatible selbst gehostete Modelle wie CLM und Laya. Choice-, Noul- oder Score-Fragen definieren; Agenteneinrichtung und Stapelbewertung stehen bereit.

Unclutter blendet unnötige Elemente in Chrome, Chromium und Firefox mit gespeicherten Regeln für Seitenvorlagen aus. Jev klassifiziert Kandidaten; die Erweiterung validiert Antworten und steuert Selektoren sowie umkehrbares Ausblenden. TypeSafe- oder Vercel-Zugang wählen und standardmäßig manuell analysieren; gespeicherte Regeln funktionieren offline.

Qwen3.6-35B-A3B auf SGLang und ein separater Python-API-Prozess bilden den Server für typisierte Entscheidungen. POST /v1/systemone unterstützt Noul, Choice und Score; jev-latest ist ein Alias des konfigurierten Qwen-Modells.

Das Lernprojekt beantwortet Auswahl-, Ja/Nein- und geordnete Bewertungsfragen zu einem Bild durch direktes Bewerten der Kandidaten. Es ist unabhängige Community-Forschung und reproduziert weder TypeSafes proprietäre Architektur noch Training, Kalibrierung oder Serverbetrieb.

Jev Browser führt eine Aufgabe ab einer URL aus und liefert letzte Seite, Screenshot und Entscheidungsspur. npm-CLI, MCP-Server oder navigate-Bibliothek mit Node.js 22 und Jev-Schlüssel verwenden.

Self-hosted, versioned skills library for AI agents. MCP, scoped clients, and optional Jev recommendations.

Describe your startup idea. Jev decides: kill it, fix it or ship it.

Local-first MCP plugin for continuous software-quality review by AI coding agents, powered by Jev.

"Work appears completed or recorded. Run /compact to save tokens."

Live Jev trader on Hyperliquid

A small open decision model: state + typed questions -> calibrated probabilities. A Jev / System One re-creation on Qwen3.5.

A skill for writing and improving programs that call Jev, TypeSafe's System One model

Rust CLI powered by Jev from TypeSafe.ai that ranks agent skills for the next step using live session context. Includes Claude Code hooks, structured JSON, abstention, and local feedback. Requires a TypeSafe API key.

Open Jev implementation with custom finetuning

Bounded TypeSafe Jev workflows for coding agents.

Non-autoregressive decision engine on ModernBERT (151M) with calibrated uncertainty (RLCD), TypeSafe AI Jev benchmark audit, and in-browser WebGPU playground

A fast browser agent: Jev picks each action from what is on the page, an LLM reads and plans, and every claim in an answer cites a quote from the page.

Personal-assistant agent built on Vercel's eve with 100 mocked tools, measuring how many steps it takes when Jev picks the tool versus the LLM.

Put a live Jev (TypeSafe) meter on any video: every sentence scored, rendered as a 16:9 edit

Using Jev as an evaluator.

CLI that picks Cursor, Claude Code, Codex, or OpenCode + model/effort for a task, then launches it. Powered by Jev and Herdr

Pre-alpha PostgreSQL extension for TypeSafe AI (Jev) categorical classification

🧹 Fun project: a Chrome extension that asks a tiny AI decision model (TypeSafe Jev) "is this DOM element an ad?" and pops it off the page. BYOK, no backend, not a real ad blocker.

Ask your house a question, get a number back. Home Assistant integration for TypeSafe Jev: typed answers as sensors, four actions for automations, and a conversation agent for Assist.

MCP server that puts TypeSafe Jev on the coding loop in Cursor, Codex, and any MCP client

mini-Jev: what a Jev-style typed-decision interface looks like on a frozen Qwen3-4B — read the option letter's logits instead of generating JSON. Preregistered experiment, results, teaching bench.

OpenDecision is an open-source semantic decision engine like typesafe's jev.

Semantic tool routing and typed System One decisions for the Pi coding agent using TypeSafe Jev

Real-time Discord moderation bot: Jev evaluates messages and metadata in parallel to catch phishing, spam, and social engineering with a progressive escalation ladder.

Turn any off-the-shelf LLM into a Jev -like decision layer

Auto mode for every coding agent, built on Jev: risk-scores every tool call with session context (deny / ask / allow), flags prompt injection in results, checks skills and plugins. Claude Code, Codex, Copilot, Gemini, Cursor, pi, OpenCode, ACP.

Skill for Hermes, and other agents, to ask typesafe's jev

1v1 Jev quickscope arena — Three.js + TypeSafe System One

🚀🚀 A 0.8B JEV-like multimodal model playing GUI games directly from raw pixels.

Open replica of TypeSafe's Jev: typed calibrated decisions in one forward pass, on Gemma 4 E2B / Gemma 3 270M (Modal)

Classify Git commit diffs and messages with Jev. Bug fixes, security fixes/CWEs, and change types.

An agent skill to discover TypeSafe Jev opportunities, design typed questions, and learn from recent community experiments.

Trading bot with the all new TypeSafe AI's first system one model named as Jev

Batched single-token choice inference for open language models, compatible with TypeSafe

TypeSafe Jev for OTP: reply to Jev from a GenServer and pattern match on its answer