TypeSafe: Jev Router

TypeSafe: Jev Router är en textmodell från TypeSafe, listad under modell-id typesafe/jev-router. Enligt leverantören väljer den den bästa modellen och resonemangsinsatsen för varje begäran, och balanserar kvalitet, hastighet och kostnad. Den körs på Jev, som beskrivs som TypeSafe's första System One-modell, och anpassar sig i takt med att din användning utvecklas. Leverantörens utgivningsdatum är 2026-09-25.

Modellen accepterar audio, file, image, text och video som indata, och den producerar endast text som utdata. Dess kontextfönster är 1 000 000 tokens, vilket är tillräckligt stort för att rymma mycket långa dokument, transkriptioner eller indata från flera filer i en enda begäran. Reasoning exponeras som en parameter som stöds, och modellen stöder även include_reasoning, så du kan avgöra om resonemangsinnehåll returneras tillsammans med svaret. Ingen siffra för maximalt antal utdatatokens publiceras i modelldetaljerna, så behandla utdatalängd som något du styr via dina begärandeparametrar snarare än ett dokumenterat tak.

Eftersom den tar audio-, image-, video-, file- och textindata och returnerar text, passar modellen uppgifter som blandar media med språk. Exempel inkluderar att sammanfatta inspelade möten eller samtal från audio, extrahera strukturerad information från skannade dokument eller PDF-filer, beskriva eller svara på frågor om bilder och videorutor, och köra frågebesvarande över stora textkorpusar som ryms inom kontextfönstret. Routerbeteendet som leverantören beskriver innebär att samma modell-id kan hantera både snabba begäranden med låg insats och svårare begäranden som kräver mer resonemang, utan att du behöver växla mellan modell-id:n.

Du anropar den via api14's OpenAI-kompatibla API med modell-id typesafe/jev-router. Begärandeparametrarna den stöder är frequency_penalty, include_reasoning, logit_bias, logprobs, max_completion_tokens, max_tokens, min_p, parallel_tool_calls, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs, top_p och verbosity. Verktygsanvändning täcks genom tools, tool_choice och parallel_tool_calls, och structured_outputs plus response_format låter dig begränsa formen på den returnerade texten. För reproducerbarhet kan du ange seed, och för samplingskontroll har du temperature, top_p, top_k, min_p, top_a och straffparametrarna.

Eftersom modellen dirigerar internt kan den exakta modellen och resonemangsinsatsen bakom ett givet svar variera, vilket är värt att känna till om du behöver fullt deterministiskt beteende mellan körningar. I så fall kan en fast modell med en enda resonemangsinställning passa dig bättre. Annars är typesafe/jev-router en rimlig standard när dina indata spänner över text, audio, image, video och filer, och du vill att ett enda modell-id ska hantera både enkla och resonemangstunga begäranden.