美國AI公司TypeSafe AI於10月15日釋出新模型Jev 1.14.0，同時開放影像輸入、全新問題型別Box（非決策問題）以及262k長上下文三項實驗功能，統一歸入名為「危險區」（Danger Zone）的實驗計劃。三項功能預設關閉，開發者需在API請求頭中手動新增開關才能啟用，官方宣告稱這批功能均未達生產標準，風險自負。
TypeSafe將1.14.0形容為一次「不炫技」的更新，改動細微但覆蓋面廣，預計提升最明顯的是多語言能力。不過官方文件提醒，包括中文在內的非英語語言雖可處理，效果仍不如英語，建議開發者上線前先用自己的內容測試。版本管理上，1.14.0目前使用預覽別名jev-preview，預計一週後切換為預設別名jev-latest，1.13.0則繼續保留一段時間。價格維持不變，每百萬輸入Token收費0.042美元，輸出免費。
影像功能方面，官方稱其具有「完全可組合」特性，狀態資訊、問題指令乃至評判標準中都可加入影像，三種問題型別均支援影像輸入。官方透露Jev 1.13.0其實早已具備多模態能力，只是此前未正式開放。目前影像輸入僅支援PNG、JPEG靜態圖片，邊長鬚在256至1568畫素之間，單張不超過16MiB，費用按輸入token計算。官方提醒，Jev處理多模態任務的表現仍不如純文本任務。
上下文上限也有大幅提高。預設情況下單次請求最多支援64k token，單個問題最多32k token；開啟實驗開關後，兩項上限均可提升至262k token。但官方提醒，長上下文可能讓模型執行更慢、表現更不準確，建議只在確有需要時開啟。
新增的Box問題型別讓Jev能直接在影像中定位指定目標，並返回邊界框座標，座標經歸一化處理，範圍為0至1，分別對應影像寬和高。官方列出的應用場景包括識別櫃檯上的杯子、定位掃描件中的簽名、框出門口的人。Box也是Jev首個不只服務於智慧判斷（smart-if）的問題型別。需注意，影像和長上下文功能可通過實驗開關在Jev 1.13.0中啟用，Box則是1.14.0獨有。
TypeSafe還公佈了一份內部評測。在8個模型的綜合智慧分對比中，Jev 1.14.0以60.0分排名第一，高於1.13.0的58.9分；得分最高的開源模型kev-27b為46.7分。校準誤差指標上，Jev 1.14.0以1.6表現最好。不過官方提醒，榜單僅供參考，評測只涵蓋開源權重模型，結果可能偏向自家模型，後續分數也可能調整，建議重點比較開源模型之間的相對錶現。三張評測圖右上角均標註「警告：AI基準測試，請勿輕信」。
背景方面，TypeSafe隱身研發兩年後於9月16日正式推出Jev。這款模型不同於生成連續文本的大語言模型，會直接輸出分類、選項、是非判斷等結構化決策，並提供經過校準的置信度。TypeSafe將其稱為首個System One（系統一）模型，意指更接近快速、直覺式判斷的決策模型。10月10日，TypeSafe宣佈完成8.7億美元（約合人民幣58.6億元）A輪融資，估值達75億美元（約合人民幣505億元），由a16z領投，紅杉資本和DCVC參投。此次1.14.0釋出是融資後的首次模型更新。
隨著決策模型受到關注，微軟推出了支援結構化決策的Microsoft-Decision-1，開源社群則湧現出Kev、Laya、Decider等Jev類專案。TypeSafe解釋「危險區」的設立源於產品可靠性與開放探索之間的取捨：面向生產環境的模型需充分驗證，但開發者需求難以預判，若所有新功能都須達到成熟生產標準，一些新想法就難獲實際檢驗，因此選擇先開放實驗功能、再根據反饋迭代。
從產業視角看，影像輸入和Box的加入讓Jev的決策能力從文本延伸到視覺場景。對Agent而言，這意味著它不僅要處理文字指令，還可嘗試識別畫面中的目標，為後續操作提供判斷依據。但從實驗功能到穩定的生產能力仍有距離：多模態表現弱於純文本，長上下文存在速度與準確性取捨。TypeSafe選擇先開放介面讓開發者在真實任務中驗證，同時明確提示風險。對決策模型而言，能否在複雜輸入下持續給出可靠結果並嵌入Agent工作流，將決定其應用空間。