Lancements du 16 septembre 2026

L'agent transforme les contrôles visibles en actions indexées afin de suivre un objectif exprimé en langage naturel. Jev choisit opération et élément compatible dans une requête ; un LLM distinct ne génère du texte que pour TYPE_TEXT.

Il traite routage, nouvelles tentatives et vérification de preuves en lisant les probabilités, sans générer de phrase de réponse. Il reprend le motif d'interface de Jev, sans reproduire son modèle ni son entraînement non publics, et sans affiliation TypeSafe.

Le bot renouvelle des ordres limités post-only à chaque bloc Monad et transmet carnet, ordres et exécutions au tableau de bord. Avec MODEL=jev et TYPESAFE_AI_API_KEY, Jev choisit achat ou vente ; le modèle mock applique par défaut une heuristique de momentum.

typesafe-computer-use transforme un objectif écrit en actions sur Mac, en lisant l’écran par OCR et les contrôles d’accessibilité. TypeSafe Jev choisit l’action, la cible et le site ; le code fournit les faits et un autre modèle rédige le texte libre. Une clé TypeSafe et les autorisations d’enregistrement d’écran et d’accessibilité sont nécessaires. La CLI propose une simulation avant toute commande réelle.

decider renvoie des probabilités Choice, Score et Noul à partir d’un état et de questions typées en une passe. Cette famille indépendante de modèles de type Jev repose sur Qwen, sans données distillées depuis Jev. Utilisez l’interface Python Decider ou connectez les SDK TypeSafe au point d’accès HTTP local compatible.

Jev Review examine les diffs Git ou tout le code pour vérifier correction, sécurité, fiabilité, compatibilité et tests. Jev sélectionne les preuves, classe les mécanismes et évalue la gravité ; selon les conditions du flux, il choisit le réviseur avec Choice. Le code applique les seuils et la politique du processus. Node.js 24+, Git et une clé TypeSafe permettent de générer du JSON ou consulter les revues enregistrées localement.

jev-router lance les CLI natives via un proxy local et choisit un niveau de modèle à chaque nouveau tour utilisateur. Installez avec npm, configurez JEV_API_KEY puis lancez jev-claude ou jev-codex avec la CLI d’origine installée et authentifiée.

TypeSafe Mario est une boucle NES expérimentale utilisant la télémétrie de l’émulateur et des observations issues de la RAM. Avec Python 3.13, une clé TypeSafe et le jeu local, inspectez state-demo avant de lancer play.

Définissez les attentes sémantiques dans perch.yaml, par fichiers ou méthodes, puis examinez les problèmes détectés. Le client System One envoie des questions typées sur l'état à TypeSafe avec jev-latest par défaut.

Camera-only autonomous drone in MuJoCo with a small judgment model (TypeSafe Jev) in the loop at 2.5Hz

Guardrails for Pi that steer instead of interrupt: enforces your project rules on every write, holds only hard-to-undo actions (3 per 1,000 calls, measured on real sessions), catches unverified "done" claims and stuck loops, and trims tool output. Built on pi-typesafe.

Typesafe.ai System One Model Jev navigating a Neo4j graph by using a classifier over neighbouring relationships

TypeSafe Jev as a decision layer for the Pi coding agent: a measured tool-call gate plus jev_ask for typed, calibrated answers

A calibrated context sieve for Claude Code: every tool result is judged by a System One model before it enters context.

A small, type-safe client for asking AI questions about your data, powered by TypeSafe Jev.

Browser automation where an LLM plans and Jev (Typesafe System One) decides. Library, CLI and MCP server.

Codebase search powered by Jev from @typesafe-ai

Typed semantic decisions for Unix pipelines and CI, powered by TypeSafe AI Jev.

JEV-inspired parallel decisions for CUDA LLMs. One context, many decisions. vLLM API, game-agent examples, and reproducible benchmarks.

TypeSafe decisions for Pi: batched evaluation tool, terminal playground, and typed API for extension authors

Typed JSON inference with DiffusionGemma, with Every and Jev benchmark results

This is a LLM Gateway that mimics typesafe ai structured output. Like an imposter Jev.

Local bilingual probability decisions from context, questions, and candidate answers. Independent research preview inspired by TypeSafe Jev.

TypeSafe Jev controls original StarCraft shareware through keyboard and mouse with recorded action probabilities.

Agent-ergonomic CLI for TypeSafe's Jev: fast calibrated judgments (pick, rate, check, rank, triage, guard) from the shell

Unofficial study: Jev-style parallel typed decisions on stock 1.5B-8B models on an Apple Silicon laptop. Benchmarks, research notes, and a Hugging Face Space demo.

MCP server for TypeSafe Jev: typed classify, score, check, match and screen for any agent, with confidence on every answer

Typed, confidence-aware agent skill routing with TypeSafe Jev.

Community TypeSafe AI playground: 110 use cases, games, dilemmas and model challenges, with editable prompts, A/B comparisons and a mobile-friendly UI.

TypeSafe structured-output provider for RubyLLM 2

BrighTO LLM Router: free open-source, ultra-fast self-hosted Rust LLM gateway for OpenAI/Anthropic APIs, SystemOne/JEV/DJEV decisions, Ollaya/Laya, load balancing, fallback routing, team keys and token budgets.

TypeSafe (Jev) skill routing for Hermes Agent: names the one skill worth loading, before the model call. Opt-in, stdlib only, ~$0.001 per routed turn.

Async LangGraph workflow that gets a typed Jev Choice (invoice or general) and routes each inbound email to the matching handler.

Community .NET SDK for the TypeSafe AI System One API — typed noul, choice, and score questions with structured, confidence-scored answers. Not affiliated with TypeSafe AI.

Can a decision model beat dedicated rerankers? TypeSafe Jev vs Cohere Rerank 4 vs ZeroEntropy zerank-2 vs a chat-model baseline: 14 datasets, every raw API response, bootstrap ranges on every gap.

Hybrid coding harness: System 2 writes, System 1 (Jev) runs reflexes.

Ruby client for typesafe.ai

macOS computer use driven by Jev (TypeSafe System One) as the decision maker

Benchmarks and a playground for TypeSafe's Jev (System One) model: chess, and who-is-the-player-talking-to for speech-to-text game NPCs

A word-level language model whose output layer is Jev: n-gram drafter, Noul chunk verification, bits-per-token eval

Jev (TypeSafe) vs Claude Haiku 4.5 on 2 000 phishing emails: accuracy, calibration, latency, cost. Reproducible benchmark.

Discriminative Monte Carlo Tree Search using System One and Harnesses

Go client for TypeSafe's System One API and its model Jev: typed judgments and calibrated probabilities instead of generated text

Experimental multi-horizon BTC signal generator using TypeSafe Jev probabilities and Binance market data.

DeepSeek Harness (dsh) 插件:论文伴读工作台 —— PDF 转录 / 检索 / 流式问答 + 内置阅读器页面。

Eight minimal working examples of TypeSafe's Jev (a System One model) applied to mechanical and electrical engineering: CAD/CAE/CAM routing, FEM result triage, DFM screening, BOM alignment, hallucination-proof extraction. Zero dependencies.

Jev-style calibrated decision model (Choice/Score/Noul) on Qwen3.5-0.8B

Ask Jev typed questions from the shell: noul, choice, and score answers as numbers, not prose

Independent Jev 1.13.0 behavior study: report, controlled prompt experiments, raw results, and offline verification.

Drives a real browser with Jev making every decision and Vercel's agent-browser performing every action, with a benchmark.