TypeSafe 发布 Jev 1.14：决策模型首开图像输入与 box 定位，价格维持每百万输入 token 0.042 美元

10 月 14 日下午 1:14（PT），TypeSafe AI 发布决策模型 Jev 1.14（模型 id jev-1.14.0）。Jev 不生成长文本，而是对给定 state 和 typed questions 直接返回选项、分数与置信度，常用于 agent 路由、内容审核和自动化分流。新版官方称「各方面小幅改进」，多语言提升最大；同时开放三项实验功能：图像输入（官方称 1.13 其实早已具备多模态能力，图像可放进 state、instructions 或 criteria）、新题型 box（返回单个边界框坐标与置信度，仅 1.14 支持）、上下文从每请求 64k/每题 32k 放宽到 262k。官方账号公告约 11.8 万次浏览、2585 赞，CEO Diogo Almeida 帖约 15 万浏览。

谁能用：开发者经 TypeSafe API console（早期访问）调用，模型字段填 jev-1.14.0 或 jev-preview；价格与 1.13 相同，输入每百万 token 0.042 美元、输出免费，图像按输入 token 计费。图像和长上下文需分别加请求头 TypeSafe-Danger-Zone-Images: true、TypeSafe-Danger-Zone-Long-Context: true，官方称这些功能「锯齿」仍多，不为生产背书。jev-latest 约一周后（约 10 月 21 日）自动指向 1.14，依赖默认别名的代码会随之切换；1.13 继续可用，正式弃用前给 60 天通知。第三方网关 Requesty、ZenMux 已上架；Databricks 的 Yuchen Jin 称将与 TypeSafe 合作向客户提供新 Jev。无面向消费者的 Free/Pro 订阅。

真实用法：开发者 @outsource_ 把 Jev 1.14 接进玩 HermesWorld 的游戏 agent，用截图识别玩家位置（box 置信度 83%）、所在地点和是否处于战斗，单次约 330ms（1.13 纯文本约 150ms）；@MalayVasa 做了「说出目标、准星自动框选」的文字转截图定位 demo；Zaid 用自家开源 Amos 1 对比称 Jev 1.14 在 Decision Bench 得 92.3%（Amos 1 large 94.9%）。

解读：Jev 走「System One」快判断路线，这次把视觉和定位塞进同一套 typed 接口，等于让 agent 用极低成本获得「看一眼就判断」的眼睛，GUI agent、游戏 bot、内容审核最先受益；但 box 没有「未找到」答案，官方建议配一道 noul 题兜底，说明可靠性仍是短板。另一个值得注意的点是 jev-latest 一周后自动切换，团队若在 1.13 上调过概率阈值需重新校准。 讨论：1. 便宜的视觉决策模型会不会取代 GUI agent 里调用大模型看截图的那一步？2. 厂商用「danger zone」标签放出不保证质量的功能，是对开发者负责还是在转嫁风险？