TypeSafe推出面向软件流程的可编程模型Jev，放弃自然语言生成，用结构化判断和置信度服务自动化任务，主打每美元智能与70到500毫秒延迟，并在开发者和云平台接入中快速升温。
TypeSafe推出的大型可编程模型Jev不再以对话界面作为主形态，而是作为软件组件参与决策流程。该产品被公司称为首个大型可编程模型，并被归入System One Model概念，目标是在自动化任务中提供可嵌入的结构化判断。与传统以问答或代码生成为中心的产品不同，Jev压缩自然语言输出，将重点放在低成本、低延迟和高可控性上；产品说明给出的端到端延迟为70到500毫秒，优化的核心指标是每美元智能。
根据相关访谈和产品说明，Jev接收状态描述以及预先定义的问题集合，返回的是选择、分级或是否类结果，而不是连续文本。原生输出包括Choice、Score和Noul三类：前者用于从给定选项中挑选答案，中间一类用于将输入映射到有序等级，后者用于给出二元判断的概率；所有结果均附带置信度，方便程序依据阈值继续执行。迪奥戈·阿尔梅达解释这一取舍时强调，模型进入生产环境后的最大风险并非无法回答难题，而是拒答、漂移或行为不确定导致上层系统失败。因此，他更愿意把智能看作类似数据库的基础设施，由工作流代码掌控流程，只在必须理解和判断的节点调用模型。关于训练方法，访谈内容提到RLCD试图把代码反馈引入强化学习，并与RLHF、RLVR区分开来：RLHF偏向优化人类偏好，RLVR更侧重可验证奖励，RLCD则希望围绕代码场景中的可用性调整模型表现。
Jev获得关注的背景，是大模型虽能在数学、推理等困难题目上取得高分，却仍难以稳定承担大量基础型软件工作。围绕产品的早期需求信号显示，发布后相关社区快速聚集：Discord社群在一夜间出现十万级新增，发布视频播放量超过3800万；外部网络也有3500万人围观。工程侧采用同样靠前：Vercel AI Gateway上线24小时内接近13%的付费团队完成接入，被记为该平台的快速团队接入速度；两天内还出现至少六个仿制项目，相关开源仓库数量冲到600多个。迪奥戈·阿尔梅达曾在发布前公开质疑Claude Code代表的辅助编程范式，认为下一阶段不会再由这种产品定义。这使它处在编程助手、Agent框架和软件自动化的对比语境中：它不复刻聊天体验，而是试图成为低开销、可编排的程序判断层。