WHAT-THE-JEV / RESOURCES
决策模型，以及围绕它们生长的工具与应用。
Upstage 基于 Solar Mini 4 的 System One 决策模型，512K 上下文、韩语能力、输出 token 免费。
Hanzo 闭源决策模型，返回四类类型化答案，支持多决策一次通过与回放，输出免费。
Respan 的行为检测分类器，单次前向返回 present/absent/not_observable 概率。
TypeSafe AI 的闭源 System One 决策模型，输出带校准概率的类型化答案，零输出 token。
OpenAI 公开 beta 的类型化决策 API，单一模型 gpt-6-luna，state 支持文本与图像混合。
Liquid AI 的决策模型族，TypeSafe SDK 兼容，三个托管变体覆盖文本、图像与音频。
Laya 多语言 checkpoint 的中文微调复现，含机译数据划分与作者自报测试结果。
0.8B 至 35B-A3B 的类型化决策模型家族，可读文本、JSON 与图像，权重限非商业使用。
Bespoke Labs 的开放 Jev 替代，基于 Qwen3.5-9B 的一步式类型化文本决策模型。
razorback16 的开源 System One 决策服务器，同名项目多需带 owner 区分。
Interfaze AI 的 System One 决策模型，附带 levbench 评测 harness。
Supersonic Labs 的 144.3M 紧凑决策模型，可在 CPU 与浏览器运行。
Frontier Infra 的 System One 风格决策模型，含训练与评测完整流水线。
Invergent 的多模态决策模型，可读文本与图像，单次前向给出概率。
TokenRhythm 的 prefill-only 决策模型，面向 agent 的路由与评分。
多语言非自回归决策引擎，单次前向输出类型化决策与校准置信度，覆盖 100+ 语言。
基于 Qwen 的小型决策模型家族，可自训自部署，三类问题相互隔离并输出校准概率。
Mapika 的 Apache-2.0 决策模型家族，0.8B 至 35B 多变体，训练配方公开。
蒸馏 LoRA 加选项字母 logit 读取的开源决策模型，JevBench v1.4 开源第一。
单次前向决策服务器及 5 个配套模型，4B 适配器仅限研究与演示用途。
零训练方案，从冻结开源模型一次前向直读选项概率，代码 MIT 开源。
基于 Qwen3.8-27B 的多模态决策模型，权重 Apache-2.0 开源并提供商业托管 API。
Cloudflare 的 27B/9B 决策模型，支持图片输入与 64K 上下文，兼容 Jev API。
Qwen3.5 4B/0.8B LoRA 决策权重，仅支持 choice 型，附 17 美元训练记录。
KAIST 开放权重评审模型家族，输出评分与文字判断，非类型化概率分布。
Monad 上每区块一次的 Jev 买/卖决策交易机器人，默认跑 mock 模型。
开源 AI 交易 OS，可选在实盘入场订单前接入 Jev System One 决策网关。
面向 Hermes、Claude Code、Codex 的十一个 Jev 驱动 agent skill 集合。
Browser Use 官方浏览器 agent：单次 Jev 请求决定操作与元素，仅输入文本时调用小 LLM。
Agent 工具调用防火墙：Jev 七问经阈值映射为 allow/ask/deny，行为账本可审计。
开源邮件助手，Jev 作为可选分类后端，用有界类别与 yes/no 概率驱动整理过滤。
每日 arXiv 全量论文雷达，每兴趣一个 Noul 问题，效果数字为作者自报。
Home Assistant 集成：问题即传感器，四个 action 供自动化调用，附 25 个蓝图与花费看板。
像素风小镇模拟引擎，Jev 任动作决策者、LLM 负责对话，处于 MVP 阶段。
用 Jev 玩俄罗斯方块并做对照测量，项目测量中 23 行正则基线胜过模型。
Milvus 官方教程子目录：九个 Notebook 演示 RAG 管线中由 Jev 出判断的决策点。
类 pytest 的 LLM 评测框架，JevEval 把打分交给 Jev，返回校准概率作置信信号。
早于 Jev 的向量空间决策层，Route/Encoder 十几毫秒返回路由，正处 1.x 重写期。
按难度路由强弱模型的开源框架，官方自报省 85% 成本、保持 95% GPT-4 水平。
把 System One 模型适配到 Microsoft Agent Framework Python 的官方 alpha 包。
DSPy 3.4.0 的实验性 Jev/TypeSafe 集成，含决策类型与 ReAnchor 校准。
Mastra 的 Classifier 原语，用决策模型做类型化分类。
Zapier、Make、n8n 三家无代码平台的 TypeSafe/Jev 官方集成。
OpenRouter 托管的 Jev 文档与调用入口，含指南、教程与 cookbook。
Pydantic AI 内置 Jev 集成，由输出类型推导问题，支持回退到 LLM。
LiteLLM 网关提供 Jev 决策调用与上下文裁剪 guardrail。
Vercel AI Gateway 托管 Jev，AI SDK 与 eve 框架接入。
Workers AI 目录内的 Jev 托管，经 env.AI.run() 直接调用。
LangChain 的 Jev 裁判实验：五类轨迹各评百次，量化准确率与成本。
Spring 社区的 Jev 集成，含判定、护栏、评估等适配器。
OpenRouter 兼容网关，透传 Jev 决策请求，中文文档、英文页 404。
本地决策模型运行时，Ollama 式拉取，直接实现 TypeSafe /v1/systemone 线格式。
面向 Apple Silicon 的本地 AI 运行时，提供 OpenAI 兼容与 SystemOne 决策端点。
llama-server 自 2026-10-02 起提供 /v1/systemone 端点，官方预转换五个决策模型 GGUF。
SGLang 以 /v1/decisions 与 /v1/systemone 把任意 chat 模型变成决策模型，概率未校准。
Ollama 0.35 起在本地 /v1/systemone 提供 Jev 式决策模型，首批为 nimble 与 tev1 系列。
TypeSafe AI 官方 GitHub 组织：Jev 官方 SDK、adapter、agent skills 与评测源码的发布处。
jkudish 开发的 MCP 服务器，向编码代理等客户端开放 12 个 Jev 判定工具，支持四种 carrier。
colliber 的 DuckDB 扩展，用四个标量函数在 SQL 内对每行做 Jev 分类与打分。
hotchpotch 的 Python 库，用 Jev 做 RAG 候选重排与相关性过滤，输出可按阈值切分的分数。
aaddrick 的非官方代理 Skill，教代理设计 Jev 问题与阈值，自报评测 0.65 升至 0.96。
OpenRouter 官方技能，教代理把判断与计算交给决策模型，含七步拆解法与阈值探测流程。
覆盖 choice/noul/score 的 System One 风格分类模型 head-to-head 基准，含两套哈希锁定用例。
跨 100 多个基准比较 Jev 与开源决策模型的排行榜项目。
14 数据集上把 Jev 当重排器，对比 Cohere、ZeroEntropy 与开源模型。
面向 Jev 的提示词注入与漏洞代码双项盲测安全基准。
独立排行榜：Jev 与六个 LLM 同答类型化决策题，公开逐决策概率数据。
个人独立基准：Jev 对比两款 GPT-6 模型，报告校准、成本与延迟指标。
Benchmark Heaven 的 Jev 级决策模型榜单，四轴几何平均计分，引用须带版本号。
类型化决策引擎基准，含复现套件与公私混合题集，按 edition 引用。
TypeSafe 官方工作流评测站点，数字为厂商自报，工作流代码已开源。