Notícias datadas e com fonte na categoria System One / modelos de decisão: lançamentos, integrações, benchmarks e adoção, ligadas à ficha do modelo.
No teste do TAB (127 decisões judiciais), Clairic + Jev mantém 96% de recall em nomes e números de caso e sobe a precisão de 78% para 91%, a US$ 0,86 por mil.
alphaXiv e OpenResearch soltam um LoRA rank 16, Apache-2.0, para decisões tipadas. No JevBench público rodado pelos autores: 83,55% contra 76,19% do base. Sem placar independente.
Um artigo no X destrincha o pplx-decider v1.2: atenção completa não causal, readout de 255 vias num token de máscara, treino estilo tasksource e temperatura ajustada de 1,32.
Os pesos do Drex Max v1 saíram sob a Open RAIL-M da Nace, com GGUF Q8 e um Q4 para Mac de 24 GB. Decision Index 0.4.1 Full 66,60 (#24); o resto do card são rodadas da Nace.
A Base Labs põe um 2B na família mammoth-1 / elephant-1: pesos MIT, API da Baseten a US$ 0,01/M. Vai bem no recorte público, mas no Full do Decision Index fica em 35,91 (#148).
A Braintrust rodou Jev 1.14, D1 Ultra, GPT-6 Luna, D1 e Clef no teste do AID. Acurácia de 83,85% a 86,15%; só Jev × Clef é significativo. Jev é o mais calibrado.
O KnowLine-31B-Gen1 da PelaAI (Apache-2.0, Gemma 4 31B) marca Full 71,86 no Decision Index 0.4.1, à frente do GLiDE 1.2. O Turion Jev 31B entra em #4 com 70,47.
Segunda geração do Lumma-Fev: 4B e 27B Apache-2.0, treinados com ~300K amostras no decisionformer. Os números do autor batem o Jev 1.13 em oito benchmarks; o PR no placar ainda não entrou.
A Fireworks passou a servir o Rune 26B-A4B (surogate/rune-26b-a4b) em serverless e sob demanda: contexto de 262K, só texto, saída grátis. É a primeira API hospedada do modelo num provedor grande.
Framework TypeScript (MIT) do Onur Solmaz: o programa oferece uma lista curta de próximos passos e um modelo de decisão como o Jev escolhe um por vez. Primeiros domínios: xadrez e juiz de evals.
23 métodos em 72 extratos sintéticos: o Claude Opus 5.5 lidera sem treino (95,5%); um modelo de decisão Qwen3.5-4B ajustado com 24.400 rótulos chega a 97,3% por ~1/80 do custo.
O Drex Max 1.1 da Nace.AI é um modelo de decisão hospedado, com imagens e contexto de 262K. A Nace fala em 70,8 no Decision Index; o placar oficial ainda não tem a 1.1.
O CEO da Sardine, Soups Ranjan, diz que o Jev teve 93% de recall num caso real de fraude e está entrando na plataforma. Painel com o CTO da TypeSafe em SF em 4/11.
O Sieve-31B-v3 da Sthanika AI (Apache-2.0, Gemma 4 31B) marca Full 71,10 no Decision Index 0.4.1, #2 atrás do GLiDE 1.2 e à frente do d3-ultra.
O Vela 3.0 (Apache-2.0) faz decisões, sinais de roteamento e extração de trechos numa chamada. O vela3-fast de 0,4B marca 50,36 no público e 29,27 no Full do Decision Index 0.4.1.
d3-ultra (Apache-2.0, 26B, texto, imagem, vídeo) é #2 no Decision Index 0.4.1 com Full 70,18, atrás do GLiDE 1.2. A família d3 agora está no Ollama 0.40.11 e na Tinfoil.
O LFM3 lança seis modelos abertos de ~2B; d1-2B (texto, imagem, vídeo) e d1-Omni-2B (com áudio) são modelos de decisão de uma passada. Ainda fora dos placares.
O kit de IA local da Razer passa a rodar Mapika Decider e AutoTrust Jev. No teste de DOOM da própria Razer, o Decider 0.8B (40 ms) venceu o Jev via nuvem (270 ms).
O Code Summit do AI Engineer em San Francisco (10–12/11/2026) lista um keynote "System One Models" de Diogo Almeida, cofundador e CEO da TypeSafe AI.
Wan et al. pontuam temas, documentos e trechos com um modelo de decisão, uma passada por nível. Relatam +13,8 R@1 no MultiDoc2Dial e +17,4 Hit@1 no NQ sobre busca densa com reranker de 8B.
O Super Decider (Apache-2.0) da Singularity Compute marca 78,5 no placar de APIs do JevBench, à frente do kettei-fat (77,7) e do GLiDE (76,4). No ASI:Cloud custa US$ 0,03/M.
Guia de Alyona Vert agrupa 15 modelos de decisão de pesquisa por abordagem: pontuação de candidatos, codificação compartilhada, vídeo/áudio/espaço, bi-encoders, loops e destilação.
Biblioteca Apache-2.0 da FrontiersMindAI: choice / noul / score num forward, fine-tune com um comando e QLoRA, servidor /v1/systemone e backend vLLM. Runtime, não modelo.
Motor de inferência da StartLux Labs roda os GGUF publicados em int8 ou W4A8 atrás de /v1/systemone; autor fala em 19 ms contra 53 ms do vLLM FP8 numa H200 e respostas idênticas.
O arXiv 2610.29961 põe uma opção "nenhuma" no CaseHOLD. O pplx-decider empata com o Gemini 3.8 Flash a ~1/55 do custo; o Jev erra menos citações, mas se abstém demais.
App de barra de menu para Apple silicon: pplx-decider-flash-v1.2 em GGUF q8_0 de 5,8 GB em 127.0.0.1:8080/v1/decisions, sem chave de API, texto e imagens, uma pergunta por vez.
Estudo de Passau/IT:U em seis backbones Qwen: rerankers ajustados vencem os de decisão por 5–29 pontos de nDCG@10 até 9B e empatam em 27B; a calibração depende da pergunta.
O CEO da TypeSafe postou um falso aviso de vazamento em 23/10; o gist traz os 101 valores possíveis de um noul. Alguns veículos noticiaram como incidente real.
GLiDE v1.2: 27B sobre Qwen3.8, pesos no Hugging Face com licença comunitária limitada por receita. Decision Index 0.4.1 #1 (71,52, sem empate); JevBench Intelligence 76,4.
GA em 22/10/2026: continua só gpt-6-luna, US$ 0,10/M de entrada (US$ 0,01 em cache), JSON nativo, imagem por pergunta, GPT-Live, residência EUA/UE. Segue como runtime.
O Snap 1.1 da Subquadratic faz 65 no Decision Index v1.0 da AA, empatado com d1-ultra e Elephant 9B, 8 pontos acima do Jev 1.14. Preço cai para US$ 0,04/M.
Os modelos de decisão de 27B e 9B, fechados em 20/10, agora são MIT, com API /v1/systemone no Baseten e no Vercel AI Gateway. O Decision Index 0.4.1 remediu o mammoth-1 público em 68,44.
A REAX (decisionmodels.io, subnet 92 do Bittensor) lançou o REAX 1 sob Apache-2.0. Os únicos números são dela. O operador do JevBench, que também toca a REAX, diz que ele não entra lá.
O JevBench v1.6.32 (20/10) põe o Chon-1.0-12B em primeiro entre os sistemas Jev-class de pesos abertos: Capability 85,3, à frente do basal-omni-1.0-ultra e do Quyet-1.0-Large.
Em 100 traces rotulados de um agente, o OpenAI Decisions liderou em F1 (0,87) a cerca de 4,5× o custo do Perplexity; Jev e d1-ultra já vinham bem calibrados. Conselho: não fique no 0,50 padrão.
O Decision Index 0.4 (20/10) põe o mammoth-1 da baselabs em primeiro: Full 71,24, fora da faixa de empate. Os pesos só são liberados para avaliação do índice, então ele não entra no catálogo.
O UiPath Integration Service tem agora um conector da TypeSafe em preview. Ele chama o Jev com a chave de API do próprio cliente e devolve resposta tipada, probabilidade por opção e confiança.
Clairic (preview, Workers AI, US$ 0,10/M de entrada) extrai, calcula e prevê valores tipados com faixas de confiança. Pesos abertos prometidos para breve. Números do fornecedor não verificados.
d3-turbo (Apache-2.0, 26B) responde todas as perguntas a partir de uma leitura da entrada. O autor diz #1 nos dois placares do DI; o DI 0.4 o põe em Full 69,04 (#6), empatado com o d3.
A Vals AI fez ao Jev e ao Mercury Decide perguntas como 'Is Taiwan a part of China?' e relata respostas mais pró-China que a maioria dos modelos de fronteira. Teste pequeno, sem método publicado.
A Zeki Works rodou 24 modelos de decisão em 2.198 questões em turco; o WaldoBench deu 66 cenas de 'Onde está o Wally?' a 11 modelos de imagem. O d1-ultra liderou os dois; o Jev 1.14 fez 59,2% no 1º.
O Vega-U, de Nandakishor M, compartilha um motor de decisão de 14,3M entre leitores congelados Qwen3.5 0.8B e 4B, Qwen3.8 27B e Gemma 3 1B. Acurácia e calibração são do autor; Apache-2.0; sem placar.
O vLLM v0.32.0 (18/10) serve perguntas choice, noul e score em /v1/systemone por padrão; o transformers v5.20.0 traz o mesmo endpoint no `transformers serve`. Não é o vllm-jev de terceiros.
O modelo de decisão de texto 27B v1.1 da AutoTrust (Apache-2.0) reporta 67,31 na suíte pública do DI 0.3, rodada própria, à espera de verificação. Fora do DI 0.4 e do JevBench.
O mantenedor do JevBench diz que 34 modelos entraram ou foram ranqueados desde quinta. No placar: kettei-fat é #1 em API (77,8) e no ImageJevBench (75,39); Sage 1.4, Celeris-1 e basal-omni entraram.
O Jev 1.14.0 da TypeSafe está no Unity Gateway da Databricks (16/10), hospedado pela TypeSafe, num preview ativado pelo admin. A Databricks também lista o OpenJev (Qwen3.5 4B) pago por token.
O AI Gateway da Netlify serve o jev-1.14.0 da TypeSafe para Netlify Functions pelo SDK oficial, com credenciais cuidadas pelo gateway e uso cobrado em créditos da Netlify.
A Perplexity lançou o pplx-decider-v1.2 (27B) e o Flash v1.2 (4B) com pesos Apache-2.0. O 27B é #4 no Decision Index 0.3.2 oficial (Full 65,55); API a partir de US$ 0,01/M de entrada.
Os modelos v1.1 da StartLux Labs (Instant e AutoThink, 0,8B-27B, CC BY-NC) entraram no placar oficial: o 27B tem Full 69,12 no Decision Index 0.3.2, primeiro e cerca de 3 pontos à frente do d3.
Um novo passo do Atlassian Automation usa o Jev da TypeSafe para checar, categorizar e pontuar texto, com probabilidades e confiança como smart values. Acesso antecipado aberto; sem preço.
O agente de código da LLM Gateway chama a API /v1/decisions antes de cada turno para escolher Haiku, Sonnet ou Opus. Jev 1.13 é o padrão; Microsoft-Decision-1 e GPT-6 Luna Decisions são selecionáveis.
UIUC, Princeton e Google criaram o AgentDecisionBench e um harness que passa escolhas de ferramenta a um modelo pequeno quando ele está confiante. Um 4B treinado em estados de agente bateu o Jev.
O modelo de decisão hospedado maior da Liquid lê texto e imagem, custa US$ 0,042/M de entrada e faz 65 no Decision Index v1.0 da AA, quase tudo por se abster quando não sabe.
A HiddenLayer (14/10) desviou um agente com um anúncio; a Datadog (15/10) derrubou o recall de injeção do Jev de 82,90% para 3,88% com política falsa. Ambas testaram a sinalização, não sistemas.
O Decision Models as Guardrails v1.0.0 da raxIT pontua 19 sistemas em 9.975 checagens: Perplexity 90,4, OpenAI 90,0, Clef 89,5, Jev 1.14.0 88,7, Bedrock 79,0. Como reportado; parte é privada.
O Span-02 é um fine-tune do Gemma 4 26B-A4B com engine própria, tipo de resposta numérico, imagens e prazo de raciocínio por requisição. Pesos no HF; US$ 0,01/M hospedado.
A API de decisão da MachineFi agora serve /v1/systemone e reporta 90,9% e ECE 0,019 num painel de dez tarefas em que treinou. Rodada do vendor; JevBench na fila. Reavaliamos a página.
Uma API gratuita System One serve seis modelos Decision 3.0 com texto, imagem e vídeo; a chave pode ser criada sem conta.
Decision Models serve checkpoints abertos de decisão via REAX; o fundador também declara que opera o JevBench.
A entrada de imagens é o destaque: fotos podem ir em qualquer parte da requisição. O Jev 1.13 já tinha, e imagens, box e 262k são opt-ins “danger zone”, não prontos para produção. Números internos.
A Sqwish Labs lançou a OneHot com os kettei fat, chub, core e dot. O kettei-fat é #1 na API do JevBench (77,8) e no ImageJevBench; core e dot são ditos open source, mas não achamos pesos.
Zaid Mukaddam (Scira) publica pesos abertos e uma API grátis. Rodada do autor: DI 0.3 público 65,11 no 27B, que seria #3 na coluna pública.
Índice independente com 11 modelos de decisão em quatro conjuntos. Jev 1.13 58, GLiDE e Microsoft-Decision-1 54. Modelos de decisão são mais rápidos e baratos que LLMs, mas confiantes demais.
Modelos fechados e hospedados a US$ 0,04 e US$ 0,09 por milhão de tokens de entrada. Afirma +6 e +10 sobre o Jev 1.13 no DI público; fora do placar.
O JevEval pontua um caso de teste como média ponderada de perguntas fechadas respondidas pelo Jev. Modos de avaliação também rodam métricas prontas como llm, hybrid ou system_one.
Drex Max (só hospedado, US$ 0,06/M de entrada) lê texto e imagem em /v1/systemone. A Nace reporta DI 0.3.2 público 67,59; o DI 0.4 o lista com Full 68,51 (#8). O resto é do fornecedor.
Pesquisadores da NUS codificam a requisição e cada opção em separado e refinam só o estado da requisição. O Jeva-4B não troca de resposta ao reordenar opções nos testes dos autores.
A Jurin AI, de Tóquio, solta uma família de quatro tamanhos feita sobre o StartLux-Decision. Os 79,20% da manchete são do 9B privado; o 2B aberto faz 68,54% no mesmo relatório.
O arXiv 2610.13092 testa o Jev em cinco agentes em 4.500 execuções no ALFWorld e no AndroidWorld. Custo e latência caem; o sucesso se mantém ou cai, mais em agentes mobile.
O Drex 2.0 é um modelo de decisão Qwen3.6-35B-A3B (~3B ativos) com pointer head. A rodada pública da Nace no Decision Index 0.3.1 marca 61,25. Preço hospedado: US$ 0,06/M de entrada.
Fechado, multimodal, sobre atenção esparsa. Afirma DI 0.2.1 61,7 vs Jev 57,9 e menos de um segundo com 100K tokens. Public preview com capacidade limitada.
Quantizações independentes de pplx-decider 27B, Clef, Clef-Flash, Kev e d3. O 27B cai de 53,8 GB para 15,3 GB e repete o original em 96,8% de 2.000 decisões (vendor).
O decision-model-preview da Bailian fala POST /compatible-mode/v1/systemone. A documentação não diz que o modelo é o Jev. Pequim e Singapura listam o preço como grátis por tempo limitado.
O placar de visão 0.3.1 da comunidade põe o JEV-27B-VL em 2º de 21. A acurácia de 77,8% bate com os dados; a liderança anunciada está desatualizada.
Modelo de decisão MoE Apache-2.0, até 256 opções por passada. Rodada própria na suíte pública do Decision Index 0.3: 59,75 (NVFP4 59,18). Mediana de 241 ms numa B200.
A EdgeEvals credita 643 de 669 casos autorais ao pplx-decider v1.1. Ele divide o rank 1 e tem um erro grave; o resultado não é validação clínica.
FluidInference publica um aluno Qwen3-0.6B Apache-2.0, destilado de Clef-flash, com respostas tipadas e runtime Core ML para Apple silicon.
Do d3 27B ao d3-edge 0,6B, Apache-2.0. O 27B afirma 65,45 na suíte pública do Decision Index 0.3 (rodada própria, kit oficial), +8,5 sobre o Decision 2.0.
LiteLLM v1.104.2 adiciona /v1/decisions e /v1/systemone para provedores de decisão tipada; o Playground permite testar modelos configurados.
O Benchmark Heaven mede o Microsoft-Decision-1 em 1.500 decisões: sexto entre APIs hospedadas, com bons resultados por categoria e composite abaixo do Jev.
THX-01 agora tem endpoint hospedado /v1/systemone. O anúncio diz grátis e sem chave; a documentação atual exige chave HAL-X.
A ZekiWorks rodou 2.198 questões de prova em língua não inglesa cinco vezes. O Jev mudou 314 respostas, o Liquid d1 217, o pplx-decider v1.1 e o Open-Jev nenhuma.
O Clef-omni (Qwen3-Omni-30B-A3B, Apache-2.0) decide sobre texto, imagem, áudio e vídeo a US$ 0,15/M. O Clef-flash agora custa menos que o Jev, mas a janela hospedada cai para 24K.
O Drex v1.5 (MiMo-Qwen 9B + pointer head) faz 50,84 no Decision Index 0.3 oficial, parte pública 58,08. Livre só para organizações com menos de US$ 1 milhão de receita.
Checkpoints Apache-2.0 de LoRA + cabeça, de 2B a 26B-A4B, com servidor /v1/systemone. Números da própria Strands no split público: 77,9–89,6%. Ainda fora de placares.
A Andreessen Horowitz lidera, com Sequoia, DCVC e anjos; Martin Casado entra no conselho. A TypeSafe diz que um terço da Fortune 500 usa o Jev; a a16z diz que 25% já integraram.
O Decision Index 0.3 do Hugging Face agora dá 80% de peso a testes privados. O pplx-decider v1.1 lidera com 62,75, à frente do Jev (60,11); a API caiu para US$ 0,02/M.
O Benchmark Heaven rodou de novo todos os sistemas num sorteio novo de itens. As notas não se comparam com o v1.5. Quyet-1.0-Large lidera pesos abertos; Sage lidera APIs.
Em 7/10 a Liquid AI publicou dois modelos de decisão abertos: d1-3B (texto e imagem, 3,1B) e o experimental d1-omni-600M (imagem ou áudio). Não são a API hospedada do d1.
O repo aberto da Unsloth faz fine-tune de Qwen, Gemma e Llama com uma head Clef e LoRA, e serve o resultado numa Decision API local. Nenhum checkpoint foi publicado.
POST /v1/decisions com gpt-6-luna: predicates, choices e scores sobre texto e imagem, cobrança só de input. Primeiro resultado independente: #5 no placar de APIs do JevBench (62,5).
111 sistemas no placar. Score oficial: Cygnet 73,7, Winnow-12B Q8 73,2, Jev 1.13.0 72,1. O ranking novo de capability põe o Jev em 80,0. Números conferidos no placar ao vivo.
O Fabio Akita publicou um explicador longo sobre o Jev com auditoria de Paulo Câmara. Reconferimos os quatro estudos recalculados a partir dos dados brutos. A capability do Jev vai de 8,2 para 8,1.
A versão 16 "Overclock" do framework de agentes Swarms traz o DecisionModel: uma interface para o Jev da TypeSafe e o Clef da Cloudflare, mais uma rota /v1/systemone na API do Swarms.
Os mesmos pesos do JEV-Gemma4-26B-A4B com nome novo, pensamento opcional e demos de uso de computador e robô. O Decision Index de 62,48 é da própria AutoTrust, não do placar.
O Ollama serve Clef e Clef-flash em /v1/systemone, os GGUFs da ggml-org esperam um PR aberto no llama.cpp e um teste independente de 85 casos acha o Clef preciso, mas mais lento que o Jev nas APIs.
O Jev arquiva uploads em pastas e percorre a árvore para achar evidências, sem banco vetorial. O código é público, mas o repo ainda não tem arquivo de licença.
Modelo de decisão sobre encoder T5, MIT, com build int8 para CPU e plugin do vLLM. O 0,893 vs 0,897 do Jev é no razvilka, benchmark que o próprio time publicou no mesmo dia.
O llama-server agora responde requisições System One para Laya, Julia-1, Lev, OpenJev 27B e Kev, com GGUFs oficiais dos cinco. O suporte de texto ao Clef entrou na mesma noite.
Nove guardrails em duas tarefas em inglês. Um classificador de 200M e um juiz de 35B lideram prompt injection; o Jev lidera segurança de conteúdo. Para a Red Hat, não há vitória clara.
Diogo Almeida disse ao Wall Street Journal que ~25% da Fortune 500 usa o Jev e que o tráfego chegou a um trilhão de tokens por dia. Os dois números são só dele.
Seis tamanhos Apache-2.0, do Kai-0.6B ao Vega-27B. O time diz que o Vega faz 56,5 no Decision Index (Jev 57,91) numa rodada própria com o kit oficial; ainda fora do board público.
Clef (27B) e Clef-flash (9B) saem com pesos Apache-2.0 e como endpoints do Workers AI a US$ 0,24 e 0,09 por M de input. O claim de 'líder do Decision Index' é rodada da própria Cloudflare.
O GLiDE dá uma distribuição rápida e raciocina quando há dúvida. Só hospedado, US$ 0,30/M de input. A Fastino reporta 64,81 no Decision Index 0.2.1 em rodada própria; fora do placar público.
A InfoQ recapitula preço e latência do Jev e reúne números de adoção e de terceiros: o uso na Vercel em 24 horas e uma análise da OpenChamber que põe o speedup mediano em 7×, não 193,6×.
Quatro modelos Apache-2.0 de 0.8B a 27B, compatíveis com o SDK da TypeSafe, com serving em GPU e MLX e skills de fine-tuning. O novo Kev-27B é SFT completo do Qwen3.8-27B. Números do autor.
Dois dias após o lançamento, o d1 está no OpenRouter como liquid/d1: US$ 0,04/M de input, saída grátis, 65K de contexto. O post do OpenRouter fala em zero retenção. Primeira distribuição de terceiros.
O pplx-decider-v1-27b custa US$ 0,04/M de input. Os pesos no Hugging Face são idênticos byte a byte aos do AutoJev-27B, já no catálogo; por isso atualizamos aquela ficha em vez de criar outra.
Um Qwen3.5-2B com pointer head e LoRA, Apache-2.0 com dados e scripts, servido em /v1/systemone. O 0,723 no JevBench é rodada da própria AWS.
Receita da bandr.ai faz LoRA no Qwen3.5-4B com passos de agente rotulados. Rodada própria vence o Jev no AgentProcessBench, in-distribution. Sem checkpoint nem licença.
Surogate Rune, AutoJev-27B, Mica 4B, NeoHorse-Jev-4B e AutoTrust JEV estavam no trending de text classification do HF. Dois ficam perto do Jev no Decision Index; um é destilação do Jev.
A australiana Maincode publica pesos Apache-2.0 no estilo Jev com choice / noul / score, imagens e servidor /v1/systemone local. O Index é rodada própria e ainda não está no board oficial.
O Bespoke-Nimble-9B-v3 é um LoRA novo no Qwen3.5-9B para escolha e sim/não tipados. DI 0.2.1 na rodada da Bespoke: 56,88. Licença vira CC BY-NC-4.0; V1, V2 e o nimble do Ollama seguem Apache-2.0.
O Ollama 0.35 serve modelos de decisão localmente no formato da API da TypeSafe. No lançamento: Nimble 9B (Bespoke Labs) e Tev1 4B / 0.8B (Together AI).
Trio-Spark v1.0 é uma API de decisão Choice hospedada da MachineFi, enviada por parte afiliada. Listado como beta; linhagem não divulgada, números todos do vendor.
Primeiro modelo de decisão da Liquid AI sai como API compatível com a TypeSafe e tier grátis. A vitória no Decision Index (58,9 vs 57,9) é rodada própria; o d1 não está no índice oficial.
No DevDay, a OpenAI anunciou uma API sobre o Luna que escolhe entre respostas que você define. Preview limitado; sem docs, schema ou preço. Listada em runtimes, não no catálogo.
Qwen3.5-9B com LoRA e pointer head, treinado com SFT e CISPO, servido em /v1/systemone. Diz fazer 0,935 nos itens públicos do JevBench; o raciocínio custa mediana de 3,3 s.
A StartLux Labs publica modelos de decisão open de 0.8B a 27B (mais um MoE 35B-A3B em 01/10) e GGUFs. Pesos CC BY-NC-4.0. Tabelas do autor põem o 27B acima do Jev; fora do board oficial.
O runtime de geração type-safe ganhou serviço hospedado: playground aberto a todos, API chegando a quem tem acesso antecipado, US$ 0,05/M de input e US$ 0,50/M de thinking.
LoRA Apache-2.0 no Qwen3.5-4B acrescenta fotos ao /v1/systemone, com um can't-tell treinado. Os rankings são citados pelo autor (UnverifiedClaim). Entra no catálogo com atraso.
O stack embedding→decisão da HIT-TMG lança o JevEmbed-Qwen3-Embedding-4B (LoRA mergeado). Acc in-domain do autor 85,86% no JevEmbed-Data = UnverifiedClaim. Repo ~47★.
O runtime local de decision models ganha o decider:2b-vision da Mapika e o campo images na API. Autor: ~200 ms / 5 perguntas num frame pequeno em RTX 4090 = UnverifiedClaim. ~786★.
Shanghua Gao lança o RSI-Jev v3.0 (Qwen3.5-2B): SFT data-scale-2 + RL listwise. Suite 0,756 / typed 0,791 / ECE 0,066 = UnverifiedClaim. Servidor local /v1/systemone.
Damien Sileo / tasksource libera fine-tune Apache-2.0 do LateOn para choice/noul/score via late interaction ColBERT. Benches do autor (Typed 42,6%) = UnverifiedClaim.
chaoliangUNSW lança o Jev-Style-2B-Decision-v3 (+GGUF/MLX): mesma receita v3 em 1,88B, jev-style≥0.3.0 --release 2b. JevBench self-run 73,6% = UnverifiedClaim.
A OmniJev publica quatro modelos de decisão Apache-2.0 que respondem Noul / Choice / Score sobre texto, imagem e vídeo, junto com os dados de treino. Todos os benchmarks são dos autores.
manjunathshiva libera OpenDecider nano/small/medium-td com pip install, Colab e Space. Typed-decisions 0,796 vs Laya/Jev = UnverifiedClaim (nano in-domain).
Shanghua Gao lança o RSI-Jev v2.1: fine-tune Apache-2.0 do Qwen3.5-2B com cabeça de scoring treinada, calibração e servidor local /v1/systemone. Suite 0,7291 = UnverifiedClaim.
Um artigo muito lido de @polydao no X mostra três hooks do Claude Code que passam perguntas de sim ou não para o Jev e lista sete regras para perguntas tipadas. As contas são do autor.
David Zhang lançou o jevgrep, uma CLI que usa Jev para encontrar código relevante para coding agents, alegando 40% de redução de custo no SWE-bench.
A brasileira Supersonic Labs abre a Julia-1: Apache-2.0, fine-tune do mmBERT-small, choice/score/noul numa API. Avaliações do autor empatam com o Jev em decisões tipadas; tudo UnverifiedClaim.
O Kev 4B do Jared Palmer agora está no OpenRouter como jaredpalmer/kev-4b — o primeiro modelo System One open-weight num gateway público de LLM.
OpenRouter lança typesafe/jev-router, um router de modelos cache-aware que usa Jev para escolher o melhor modelo para cada request.
O release pi-jev v0.6.0 adiciona endpoints compatíveis com Jev, status do endpoint, roteamento para o OpenCode Zen e correções de runtime no Pi coding agent.
O Span-01 da Respan supera o Jev em detecção de comportamento com benchmark aberto — e depois se usa como camada de avaliação de 11 modelos de decisão, publicando o ECE deles.
O vllm-jev da mode-io serve Open-Jev, Laya, Tiny-Jev e Valen em /v1/systemone com vLLM no Linux e MLX no Apple Silicon. ~94★; speedups = UnverifiedClaim.
Caio Vicentino publicou o Eikos-4B e o Eikos-27B (MIT, fine-tunes de Qwen) com builds FP8/INT4/MLX, o conjunto de treino e o harness de avaliação. Benchmarks seguem UnverifiedClaim.
Um novo runtime open-source serve Laya, Decider, Kev e outros modelos de decisão localmente com API compatível com TypeSafe — apps desktop, CLI, Docker, GPU ou CPU.
Valen-Team lança o Valen-Preview-0923: Qwen3.5-2B + cabeça de decisão (SFT + RLCD experimental) para Choice/Noul/Score em texto, imagem e vídeo. Benches Sokoban do autor = UnverifiedClaim.
Conta oficial @googlegemma amplifica o taeold/djev-run — deploy em um comando no Cloud Run de um endpoint DiffusionGemma-Jev compatível com a API Jev. Latência e preço ficam UnverifiedClaim.
FLock.io solta o this-that-model-1.0 MIT (~1.88B híbrido Qwen3.5/DeltaNet) — opções declaradas, probs calibradas, zero tokens de saída; benches self-pub ficam UnverifiedClaim.
Jev-Omni independente Apache-2.0 (Gemma 4 12B) chega no Hugging Face — classificador de opções nas quatro modalidades; benches e latências do vídeo de lançamento ficam UnverifiedClaim.
Demo comunitária Apache-2.0 coloca Laya local (MLX) ao lado do Jev hosted da TypeSafe no T-Rex do Chrome, com métricas ao vivo e replay — scores assisted incluem safety shields.
Packagist lista symfony/ai-type-safe-platform — bridge oficial TypeSafe pro Symfony AI (PHP ≥8.2), publicado em 21/09/2026.
Tiny-Jev independente Apache-2.0 (Qwen3-0.6B com LoRA mergeado) chega no Hugging Face — decisões tipadas calibradas, sem decode de texto; benches do autor ficam UnverifiedClaim.
@ItsCuthulhu roda benchmark de 40+ alternativas ao Jev. Rankings parciais: djev (#1), simplejev-qwen38-27b (#2), Reflex-4b (#3), Decider-2b (#4), Laya (#5). Bench ao vivo em bench.jakecuth.com.
Blog da LangChain (20 set) compara Jev a LLM judges em traces fixos do Deep Agents — menor variância, custo e latência num experimento estreito no LangSmith; peça separada do post de harness.
Walkthrough no YouTube de SemIf, Nimble, Decider, openjev, DiffusionGemma, NanoJev e Laya — mais JevBench. Gap do catálogo fechado: AlexWortega/openjev.
O adapter Jev aberto da Bespoke Labs agora processa imagens; demo mostra contagem em planta baixa onde o Qwen base falhou.
Artigo da trycua explica Jev hosted com Cua Driver (jev-use) e um specialist de formulários (CUA-S1-FORMS) inspirado no jevlike — sem fine-tune do Jev.
Deep dive cético da Ksenia Se sobre Jev e RLCD — linhagem de pesquisa, alternativas open e por que confidence não é probabilidade de acerto.
Context7 comparou o Jev 1.13.0 com Gemini Flash e DeepSeek em cinco tasks de classificação do pipeline de parsing deles.
Conta oficial @googlegemma fala de DiffusionGemma em decisões tipadas num pass paralelo — sinal de adoção pro djev-spark, não modelo TypeSafe novo.
CTO da Grep.ai, Miguel Ríos, anuncia o AgentRun — harness de workflow que combina agentes frontier com perguntas tipadas do Jev da TypeSafe em trabalho regulado repetitivo.
TechCrunch, InfoWorld e The Register cobrem o Jev da TypeSafe como decisões tipadas com probabilidade — não texto livre.
Jev roda no Vercel AI Gateway e no OpenRouter. Índice de outubro da Vercel: 35,3% dos times pagos em 14 dias, recorde, mas só ~0,3% do gasto. Os 13% do dia 1 seguem sem verificação.
Post oficial da LangChain apresenta o pacote langchain-typesafe, com TypeSafeClassifier, ModelRouterMiddleware e AutoModeMiddleware.
A demanda derrubou brevemente a API do Jev enquanto a discussão no HN chegava a 1.890 pontos.
TypeSafe AI sai do stealth com ~$40M de seed e apresenta o Jev — decisões tipadas, não chat.
