据MarkTechPost报道，TypeSafe AI于2026年10月15日发布Jev 1.14，这是其System One决策模型的新版本，现以jev-preview别名上线。该版本新增图像输入、边界框（Box）类型和更长上下文三项实验性“危险区”功能，但TypeSafe表示三者均未准备就绪用于生产环境。
Jev是一个返回类型化决策而非生成文本的模型。开发者发送状态以及类型化问题（Choice、Score或Noul），Jev对每个问题返回类型化值、概率和置信度分数。TypeSafe使用“校准决策强化学习”（RLCD）训练该模型。Jev 1.14.0对几乎所有方面带来小幅改进，TypeSafe预计多语言支持提升最大，但未公布公开分数。
图像功能方面，图像可组合使用。每张图像在顶层assets映射中以引用字符串列出一次，然后可将该引用放在状态、指令或标准中的任何位置。API在模型读取前将每个引用替换为图像。TypeSafe称jev-1.13.0一直是多模态的，根据图像文档，Jev 1.13和1.14现在都接受图像。每个请求需要请求头TypeSafe-Danger-Zone-Images: true。图像限制为PNG或JPEG静态图像，每文件最大16 MiB，每边256至1568像素，每请求体32 MiB。图像按输入token以正常价格计费，无单独收费。TypeSafe警告，包括Jev在内的所有模型在图像上表现均不如纯文本，建议使用尽可能简单的问题。
Box是新的问题类型，每个问题返回1个边界框，给出上、下、左、右边缘从0到1的比例，并返回置信度分数。Box需要jev-1.14.0或jev-preview，加上图像请求头。Box始终返回一个框，即使询问不存在的对象也会返回4个边缘。TypeSafe建议搭配一个Noul问题来检查目标是否存在。TypeSafe分享了一项小测试：在36幅画作裁剪中，每个边缘各问一个Noul问题共4个问题，捕获了30个裁剪；单个“是否全部在内”问题捕获26个；将框画成轮廓并询问捕获20个。
上下文窗口方面，默认情况下两个模型均保持每请求64k token和每问题32k token。发送TypeSafe-Danger-Zone-Long-Context: true请求头可将两者提升至262k token。TypeSafe表示Jev内部一直支持更长上下文，但故意限制上下文长度，因为Jev与所有模型一样在长输入上可靠性较低。开发团队仍建议使用短上下文。
基准测试方面，TypeSafe在发布帖中发布了内部智能图表，仅将Jev与开放权重模型比较。帖子未包含数字分数表。TypeSafe称测量可能偏向其自身模型，并建议开发者优先使用自己的评估。
定价和可用性方面，定价不变，为每十亿输入token 42美元，或每百万0.042美元。输出token免费。推广计划为：jev-preview现在指向jev-1.14.0；jev-latest在一周后移至jev-1.14.0；jev-1.13.0保持可用，弃用前有60天通知；jev-1.14.0将在弃用前获得30天通知。该模型仅在TypeSafe托管API上运行（POST /v1/systemone），无开放权重，硬件和量化变体未披露，参数未披露。