Lancements du 17 septembre 2026

Des modèles préentraînés et leur ajustement permettent de répondre à des questions binaires, à choix et de notation sur un même texte. L'API suit TypeSafe System One : le SDK Python TypeSafe peut pointer vers un serveur Kev local.

Cette bibliothèque npm et ce plugin Claude Code réduisent appels et résultats sans réécrire la conversation. Jev répond séparément à des questions noul sur chaque appel et résultat ; les seuils déterminent leur conservation, troncature ou suppression.

Il répond aux questions à choix, booléennes et à scores ordonnés depuis états et candidats, sans décoder de tokens de réponse. Ce modèle local distinct s'inspire de Jev ; les enregistrements comparent Jev et Qwen non ajusté sur les mêmes interfaces de jeu.

TypeLLM ajoute des sorties contraintes par JSON Schema aux modèles autorégressifs existants, sans modifier poids ni architecture. Inspiré de Jev, il conserve texte libre et raisonnement facultatif, avec des dépendances entre champs. Servez un modèle compatible avec SGLang, puis envoyez contexte et questions typées via TypeLLMClient.

Foreman supervise les agents programmeurs et évalue achèvement, exigences, suffisance des tests et besoin d’intervention humaine. Jev évalue les contrôles ; un arbitre Python déterministe choisit de continuer, orienter, vérifier, arrêter ou solliciter une personne. Fournissez dépôt et tâche avec Python 3.11+, une clé TypeSafe et un agent de développement configuré.

Jev Search transforme une demande en langage naturel en liens et extraits, avec filtres modifiables et scores de pertinence visibles. En local, configurez Search1API et un fournisseur Jev dans .dev.vars, installez avec pnpm puis lancez pnpm dev.

Jev MCP fournit des outils de vérification des preuves, classification, reclassement, extraction et revue de correctifs. Enregistrez npx -y @jkudish/jev-mcp dans un client MCP avec Node.js 22 ou ultérieur et une clé de fournisseur Jev.

Mobile Jev pilote Android via Mobilerun, avec studio en direct, CLI et traces d’exécution. Configurez les deux clés et un appareil prêt, puis lancez pnpm dev pour ouvrir le studio local et soumettre un objectif.

pg-jev filtre, classe et catégorise les lignes PostgreSQL avec des conditions SQL en langage naturel. Jev évalue les lignes par lots ; les fonctions SQL renvoient booléens, probabilités, choix et scores. Il faut PostgreSQL 14–17, plpython3u, des droits superutilisateur et une clé TypeSafe.

jev-voice-browser transmet les transcriptions à Node pour piloter une fenêtre Chromium visible avec Playwright. Jev choisit intention et cible ; le code extrait le texte exact et décide d’agir, attendre ou demander. Utilisez Node 20+, une clé TypeSafe et Chrome ou Edge pour la page de contrôle du microphone.

System One Connector expose des décisions typées aux agents via evaluate et l’intégration MCP. Il connecte Jev ou des modèles compatibles auto-hébergés comme CLM et Laya. Définissez des questions Choice, Noul ou Score ; configuration des agents et évaluation par lots sont fournies.

Unclutter masque les éléments superflus dans Chrome, Chromium et Firefox avec des règles enregistrées par modèle de page. Jev classe les candidats ; l’extension valide les réponses et contrôle sélecteurs et masquage réversible. Choisissez des identifiants TypeSafe ou Vercel et analysez manuellement par défaut ; les règles enregistrées fonctionnent hors ligne.

Il associe Qwen3.6-35B-A3B sur SGLang à un processus API Python distinct pour les décisions typées. POST /v1/systemone prend en charge Noul, Choice et Score ; jev-latest désigne le modèle Qwen configuré.

Ce projet pédagogique répond à des questions à choix, oui/non et à scores ordonnés sur une image en évaluant directement les candidats. Cette exploration communautaire indépendante ne reproduit ni architecture, ni entraînement, ni calibration, ni service propriétaires de TypeSafe.

Jev Browser exécute une tâche depuis une URL et renvoie page finale, capture et trace des décisions. Utilisez CLI npm, serveur MCP ou bibliothèque navigate avec Node.js 22 et une clé Jev.

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