TypeSafe AI 推出 Jev“系统一”模型，专注结构化决策，不生成文本，通过 RLCD 训练提升概率输出准确性。在分类任务中，其推理速度比传统方法快 20 至 200 倍，成本低 40 至 400 倍。LangChain 已官方集成，可用于模型路由和工具调用风险拦截。早期用户反馈高频决策场景成本大幅降低。Jev 不取代大模型，而是分层协作，但效果仍需第三方验证。

开源项目 open-jev 用谷歌扩散模型 DiffusionGemma 复现 TypeSafe 闭源 Jev 的结构化决策能力。其核心是 JSON 画布机制：预先冻结 JSON 固定结构，仅在变量槽位注入噪声，经一两步去噪生成合法 JSON，无需逐 token 语法约束。在 Jev 评测集上，两步去噪准确率达 87.8%，接近 Jev 的 90.8%，速度快近 5 倍，GPU 成本降低约八成。分组并行将同文档多问题合并画布，输入 token 减少 86%。