Jawaban langsung: JevJevModel AI kecil dari TypeSafe yang memutuskan nasib tiap chat: balas, lewati, tandai untuk tim, atau keluarkan dari follow-up. Jev tidak menulis balasan.Cara Jev memilih chat yang dijawab 1.14 adalah versi model keputusan Jev dari TypeSafe yang rilis 14 Oktober 2026. Di OpenRouter, ID-nya typesafe/jev-1.14, harganya USD 0,042 per 1 juta token masuk, dan token keluar gratis. Model ini menerima provider.zdr: true, sedangkan openai/gpt-6-luna-decisions menolak permintaan yang sama dengan kode 404.
Kondisi utama: Anda memakai model keputusan untuk pertanyaan tertutup, misalnya ya atau tidak, atau 1 pilihan dari daftar Anda. Batas: pada uji publik kami, Jev 1.14 tidak lebih tepat daripada Jev 1.13 atau GPT-6 Luna Decisions. Ketiganya benar pada 40 dari 40 pesan, dan selisihnya ada pada ambang, harga, dan aturan data.
Kami membaca halaman model OpenRouter, dokumentasi TypeSafe, dan pengumuman rilis Jev 1.14 pada 2 November 2026. Pada tanggal yang sama, kami mengirim 40 pesan buatan untuk artikel ini ke 3 model, 2 putaran per model. Uji ini tidak memakai data pelanggan.
Masalahnya: ambang lama tidak ikut pindah
Mengganti model keputusan terlihat seperti mengganti 1 string, tetapi ambang pada kode Anda disetel untuk model lama. Jev mengembalikan peluang, lalu kode Anda membandingkan peluang itu dengan angka tetap, misalnya 0,8. Dasar cara kerja ini ada pada penjelasan apa itu Jev.
Model lain menyebar skor dengan cara lain. Satu model memberi 0,99 untuk pesan yang jelas, model lain memberi 0,76 untuk pesan yang sama. Ambang 0,8 yang aman pada model pertama akan melewatkan pesan itu pada model kedua.
TypeSafe menulis aturan ini pada halaman Models: bila Anda menyetel ambang pada 1 versi, kirim ID versi itu, bukan alias. Alias jev-latest sekarang menunjuk ke Jev 1.14, jadi kode yang memakai alias sudah berpindah model tanpa perubahan kode.
Apa yang berubah pada Jev 1.14
TypeSafe menyebut Jev 1.14 sebagai perbaikan kecil yang merata, dengan kenaikan terbesar yang mereka harapkan pada bahasa selain Inggris. Sumber: pengumuman Jev 1.14, 14 Oktober 2026.
Perbaikan kecil dengan fokus bahasa
Pengumuman itu tidak memuat angka mutu untuk Jev 1.14 lawan Jev 1.13. TypeSafe hanya menulis bahwa sebagian besar hal menjadi sedikit lebih baik. Halaman Models juga menulis bahwa bahasa Inggris adalah bahasa latih utama, dan bahasa lain perlu Anda uji pada konten sendiri.
Tiga fitur "danger zone"
TypeSafe membuka 3 fitur percobaan lewat header APIAPIPintu resmi yang dipakai 2 sistem untuk saling mengirim data, tanpa orang menyalin data secara manual.Buka glosarium, dan menulis bahwa fitur ini belum mereka jamin untuk produksi:
- Gambar dengan header
TypeSafe-Danger-Zone-Images: true. Fitur ini juga berlaku untuk Jev 1.13. - Tipe
box, yang mengembalikan 1 kotak batas pada gambar. Tipe ini hanya ada pada Jev 1.14. - Konteks panjang dengan header
TypeSafe-Danger-Zone-Long-Context: true. Batas naik dari 64k per permintaan menjadi 262k token, tetapi TypeSafe menulis bahwa mode ini lebih lambat dan kurang tepat.
Alias dan jadwal versi
Jev 1.14 rilis lebih dulu di bawah jev-preview, lalu TypeSafe memindahkan jev-latest ke versi ini. TypeSafe berencana memberi 60 hari peringatan sebelum Jev 1.13 berhenti, dan 30 hari untuk Jev 1.14.
Jev 1.14, Jev 1.13, dan GPT-6 Luna Decisions
Jev 1.14 dan Jev 1.13 punya harga dan batas yang sama di OpenRouter, sedangkan GPT-6 Luna Decisions lebih mahal, lebih panjang konteksnya, dan tanpa ZDR. Data tabel dibaca dari Models API OpenRouter dan halaman tiap model pada 2 November 2026.
| Ukuran | Jev 1.14 | Jev 1.13 | GPT-6 Luna Decisions |
|---|---|---|---|
| ID versi | typesafe/jev-1.14-20261014 | typesafe/jev-1.13-20260917 | openai/gpt-6-luna-decisions-20261006 |
| Rilis di OpenRouter | 14 Oktober 2026 | 18 September 2026 | 6 Oktober 2026 |
| Harga token masuk | USD 0,042 per 1 juta | USD 0,042 per 1 juta | USD 0,10 per 1 juta |
| Harga token keluar | Gratis | Gratis | Gratis |
| Konteks di OpenRouter | 262.144 token | 262.144 token | 1.050.000 token |
| Endpoint ZDR | Ada | Ada | Tidak ada |
| Latensi P50 di OpenRouter | 0,10 detik | 0,08 detik | 0,25 detik |
| Batas pertanyaan | Tanpa batas jumlah, selama muat konteks | Tanpa batas jumlah, selama muat konteks | Sampai 200 per permintaan |
Per token, Luna Decisions berharga 2,4 kali Jev. Pada uji kami, teks yang sama dihitung rata-rata 573 token oleh Jev dan 472 token oleh Luna, jadi selisih biaya per panggilan menjadi sekitar 2 kali. Cara menghitung biaya per keputusan ada pada artikel harga Jev.
Satu catatan tentang konteks. Halaman Models TypeSafe menulis batas bawaan 64k per permintaan dan 32k per pertanyaan pada API TypeSafe. OpenRouter menulis 262.144 token. Uji state panjang Anda sendiri sebelum Anda mengandalkan angka yang lebih besar.
Cara membandingkan 2 model keputusan dengan adil
Uji yang adil memakai kasus yang sama, ambang yang sama pada putaran pertama, 2 putaran, lalu ambang baru untuk tiap model. Urutan ini memisahkan 2 pertanyaan: model mana yang lebih tepat, dan ambang mana yang cocok untuk tiap model.
Dua putaran menunjukkan stabilitas. Bila skor yang sama bergerak jauh antarputaran, ambang apa pun menjadi tidak dapat dipercaya. Sapuan ambang per model menunjukkan rentang aman, yaitu rentang ambang tanpa 1 kesalahan pun pada set Anda.
Yang Anda siapkan
Uji ini butuh 1 akun, 1 berkas kasus, dan alat baris perintah biasa.
- Akun OpenRouter dan 1 API key khusus uji dengan batas kredit kecil.
- Saldo beberapa sen dolar. Menurut harga daftar, 240 panggilan seukuran uji ini bernilai kurang dari 1 sen dolar.
- curl dan jq, atau Node.js 20 ke atas.
- 1 berkas kasus buatan berlabel dalam JSON atau CSV.
- 1 lembar hasil untuk skor tiap model dan tiap putaran.
Langkah 1: Tulis 1 keputusan sebagai pertanyaan bertipe
Pilih 1 keputusan yang sering berulang, lalu tulis pertanyaannya sebagai noul atau choice dengan kriteria yang tidak tumpang tindih. Kami memakai toko sepatu fiktif dengan 2 pertanyaan: apakah pelanggan meminta uang kembali, dan tim mana yang menangani pesan.
"questions": {
"minta_uang_kembali": {
"type": "noul",
"instructions": "Apakah pelanggan meminta uangnya dikembalikan pada pesan ini?",
"criteria": {
"true": "Pelanggan meminta refund, meminta dana dikembalikan, atau menagih pengembalian dana yang sedang berjalan.",
"false": "Pelanggan bertanya, mengeluh, meminta tukar barang, meminta kirim ulang, atau hanya bertanya kebijakan."
}
},
"tim": {
"type": "choice",
"instructions": "Tim mana yang harus menangani pesan pelanggan ini?",
"criteria": {
"pengiriman": "Paket, resi, kurir, alamat, keterlambatan, paket hilang, dan kirim ulang.",
"pembayaran": "Transfer, kode bayar, status pembayaran, invoice, dan dana yang belum masuk.",
"produk": "Ukuran, warna, cacat, stok, tukar barang, dan keluhan atas barang.",
"lainnya": "Lowongan, kerja sama, ucapan terima kasih, dan hal lain di luar pesanan."
}
}
}Periksa: tiap pilihan pada tim punya kriteria yang tidak dapat benar bersamaan untuk 1 pesan biasa.
Langkah 2: Tulis kasus buatan dan labelnya lebih dulu
Tulis 30 sampai 50 pesan buatan, dan tulis labelnya sebelum Anda menjalankan model apa pun. Label yang ditulis sesudah melihat jawaban model akan condong ke model itu.
Set kami berisi 24 pesan dasar dan 16 pesan sulit. Pesan sulit memakai bahasa Jawa, Sunda, dan Minang, singkatan, campuran Inggris, negasi, sarkasme, dan 1 pesan panjang dengan detail yang tidak relevan.
| No | Pesan buatan | Minta uang kembali | Tim |
|---|---|---|---|
| 9 | Warna di foto hitam, yang datang abu-abu. Saya mau tukar yang hitam ya, bukan refund. | Tidak | produk |
| 24 | Jangan kembalikan uangnya, kirim ulang saja barang yang hilang. | Tidak | pengiriman |
| 26 | Barange ora teko-teko, wis seminggu. Duitku balekno wae. | Ya | pengiriman |
| 27 | Punten, abdi tos mayar tapi teu acan aya konfirmasi. Kumaha nya? | Tidak | pembayaran |
| 28 | kak brg udh nyampe tp solnya copot mau refund aj bs ga | Ya | produk |
| 29 | Wah hebat, sudah 2 minggu paket saya jalan-jalan keliling Jawa. Kirim ulang saja deh. | Tidak | pengiriman |
| 35 | Uda, sapatu nan ambo bali alun sampai lai. Lah saminggu. | Tidak | pengiriman |
| 39 | Dana refund-ku kok durung mlebu yo? Janjine 3 dino. | Ya | pembayaran |
Periksa: minta 1 orang lain memberi label tanpa melihat label Anda. Perbaiki kriteria bila label kalian berbeda pada lebih dari 2 kasus.
Langkah 3: Cek ZDR sebelum data nyata masuk
Zero Data Retention (ZDR) berarti penyedia tidak menyimpan data Anda. Dengan provider.zdr: true, OpenRouter hanya mengirim permintaan ke endpoint ZDR, seperti tertulis pada dokumentasi ZDR OpenRouter.
curl -s https://openrouter.ai/api/v1/endpoints/zdr \
| jq -r '.data[].model_id' | grep -E 'jev-1.14|luna-decisions'Pada 2 November 2026, perintah ini mencetak typesafe/jev-1.14 saja. Luna Decisions tidak muncul.
Periksa: permintaan Jev 1.14 dengan provider.zdr: true kembali dengan status 200. Permintaan yang sama ke Luna Decisions kembali dengan 404 dan pesan No endpoints found matching your data policy (Zero data retention).
Langkah 4: Jalankan 2 putaran dengan ambang 0,5
Kirim tiap kasus ke tiap model 2 kali, dan simpan skor mentah, bukan hanya lulus atau gagal. Endpoint yang tampil pada halaman model OpenRouter adalah Decisions API.
curl -s https://openrouter.ai/api/alpha/decisions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "typesafe/jev-1.14",
"provider": { "zdr": true },
"state": "Dana refund-ku kok durung mlebu yo? Janjine 3 dino.",
"questions": { ... }
}'Simpan 5 nilai dari tiap respons: answers.minta_uang_kembali.noul, answers.tim.choice, answers.tim.confidence, usage.input_tokens, dan model. Field model menyebut versi yang benar-benar menjawab.
Periksa: field model berisi typesafe/jev-1.14-20261014, dan jumlah respons sama dengan jumlah kasus kali 2.
Langkah 5: Sapu ambang untuk tiap model
Hitung jumlah jawaban benar pada beberapa ambang untuk tiap model, lalu tulis rentang ambang tanpa kesalahan. Potongan berikut menghitung 1 pertanyaan noul.
// hasil: [{ id, noul }] dari 1 model, label: Map id ke true atau false
for (let i = 1; i < 20; i += 1) {
const t = i / 20;
const benar = hasil.filter((r) => (r.noul >= t) === label.get(r.id)).length;
console.log(t, benar, 'dari', hasil.length);
}
Periksa: tulis rentang aman tiap model, lalu pilih ambang di tengah rentang itu, bukan di tepinya.
Langkah 6: Kunci versi dan ulangi uji saat versi berubah
Pakai ID versi typesafe/jev-1.14 pada kode produksi, bukan alias ~typesafe/jev-latest. Alias berpindah saat TypeSafe merilis versi baru, dan ambang Anda tidak ikut berpindah.
Simpan field model dari tiap respons pada log. Saat versi baru muncul, jalankan set kasus yang sama pada versi baru, sapu ambangnya, lalu pindah dengan ambang yang baru.
Periksa: grep kode Anda untuk kata latest pada nama model. Hasil yang benar: tidak ada.
Hasil uji publik 2 November 2026
Pada 40 pesan buatan, ketiga model benar 40 dari 40 pada ambang 0,5, jadi pemenangnya tidak ditentukan oleh ketepatan. Tabel berikut adalah simulasi dengan data buatan, bukan data pelanggan.
| Ukuran | Jev 1.14 | Jev 1.13 | Luna Decisions |
|---|---|---|---|
| Benar, pertanyaan refund, ambang 0,5 | 40 dari 40 | 40 dari 40 | 40 dari 40 |
| Benar, pilihan tim | 40 dari 40 | 40 dari 40 | 40 dari 40 |
| Pilihan tim berubah antarputaran | 0 | 0 | 0 |
| Selisih skor refund terbesar antarputaran | 0,05 | 0,05 | 0,00 |
| Rentang ambang tanpa kesalahan | lebih dari 0,25 sampai 0,60 | lebih dari 0,25 sampai 0,74 | lebih dari 0,07 sampai 0,82 |
| Benar pada ambang 0,8 | 38 dari 40 | 39 dari 40 | 40 dari 40 |
| Token masuk rata-rata | 573 | 573 | 472 |
| Biaya per 1.000 panggilan, harga daftar | USD 0,024 | USD 0,024 | USD 0,047 |
| Latensi P50 dan P90, 1 server uji | 457 dan 820 ms | 443 dan 495 ms | 516 dan 610 ms |
Selisih muncul pada pesan bahasa daerah dan singkatan. Tabel berikut menulis skor refund, lalu keyakinan pilihan tim, pada putaran 1.
| No | Label | Jev 1.14 | Jev 1.13 | Luna Decisions |
|---|---|---|---|---|
| 26 (Jawa) | refund, pengiriman | 0,98 dan 0,76 | 0,97 dan 0,55 | 1,00 dan 0,81 |
| 27 (Sunda) | bukan refund, pembayaran | 0,21 dan 0,41 | 0,20 dan 0,96 | 0,00 dan 1,00 |
| 28 (singkatan) | refund, produk | 0,60 dan 1,00 | 0,74 dan 1,00 | 1,00 dan 1,00 |
| 35 (Minang) | bukan refund, pengiriman | 0,12 dan 0,97 | 0,23 dan 0,91 | 0,00 dan 0,99 |
| 39 (Jawa) | refund, pembayaran | 0,76 dan 1,00 | 0,80 dan 1,00 | 0,99 dan 0,95 |
Kami membaca 3 hal dari tabel ini:
- Luna Decisions memberi skor yang hampir biner. Pada putaran 1, 37 dari 40 skor refund bernilai tepat 0 atau 1. Jev tidak memberi 1 pun skor tepat 0 atau 1, jadi Jev menyisakan ruang untuk jalur tinjau manusia.
- Ambang 0,8 dari Luna tidak aman untuk Jev 1.14. Pesan 28 dan 39 adalah permintaan refund, tetapi Jev 1.14 memberi 0,60 dan 0,76. Keduanya lolos tanpa tertangkap.
- Kenaikan bahasa belum terlihat pada set sekecil ini. Pada pesan Sunda nomor 27, Jev 1.14 tetap memilih tim yang benar, tetapi keyakinannya 0,41. Jev 1.13 memberi 0,96 untuk pesan yang sama.
Latensi kami ukur dari 1 server uji, jadi angka itu termasuk jarak jaringan ke OpenRouter. Halaman model OpenRouter mencatat P50 0,10 detik untuk Jev 1.14 dan 0,25 detik untuk Luna Decisions.
Daftar periksa sebelum pindah ke Jev 1.14
Pakai daftar ini sebelum Anda mengganti model keputusan pada alur produksi.
- Tulis 30 sampai 50 kasus buatan berlabel. Pemilik: pemilik proses. Bukti: berkas kasus bertanggal.
- Cek daftar ZDR untuk model tujuan. Pemilik: engineer. Bukti: respons 200 dengan
provider.zdr: true. - Jalankan 2 putaran pada model lama dan model baru. Pemilik: engineer. Bukti: JSON hasil tiap panggilan.
- Sapu ambang tiap model dan tulis rentang amannya. Pemilik: engineer. Bukti: tabel jumlah benar per ambang.
- Pilih ambang di tengah rentang aman. Pemilik: pemilik proses. Bukti: catatan keputusan dengan tanggal.
- Kirim pilihan dengan keyakinan di bawah 0,8 ke antrean manusia. Pemilik: engineer. Bukti: log rute.
- Kunci ID versi dan simpan field
modelpada log. Pemilik: engineer. Bukti: baris log dengan versi. - Berhenti bila model baru salah pada kasus yang model lama benar, atau bila rentang amannya kosong. Pemilik: pemilik proses. Bukti: tabel perbandingan.
Posisi Jev 1.14 di antara model keputusan lain
OpenRouter mendaftar 33 entri model keputusan pada 2 November 2026, dan 23 model punya endpoint ZDR. Tabel berikut memuat 7 model dari daftar itu. Kami hanya menguji 3 model pada artikel ini.
| Model | Harga masuk per 1 juta token | Konteks | Endpoint ZDR |
|---|---|---|---|
| Perplexity Decider Flash V1.2 | USD 0,01 | 262.144 | Ada |
| LiquidAI d1.1 | USD 0,02 | 65.536 | Ada |
| TypeSafe Jev 1.14 | USD 0,042 | 262.144 | Ada |
| Microsoft-Decision-1 | USD 0,042 | 32.768 | Ada |
| Nace.AI Drex Max | USD 0,06 | 262.144 | Ada |
| OpenAI GPT-6 Luna Decisions | USD 0,10 | 1.050.000 | Tidak ada |
| Cloudflare Clef | USD 0,24 | 65.536 | Ada |
Rekomendasi Rama Digital: pilih Jev 1.14 bila aturan data Anda mewajibkan ZDR, state Anda di bawah 262.144 token, dan Anda ingin harga per token yang rendah. Pilih GPT-6 Luna Decisions bila state Anda lebih panjang, ZDR tidak wajib, dan uji pada kasus Anda menunjukkan Luna lebih tepat. Untuk tugas yang tetap butuh teks, baca Jev lawan LLM generatif.
Tanya jawab
Apakah Jev 1.14 lebih tepat daripada Jev 1.13?
TypeSafe menulis perbaikan kecil yang merata, terutama pada bahasa selain Inggris. Pada 40 pesan buatan kami, keduanya benar 40 dari 40. Uji pada kasus domain Anda sendiri.
Apakah harga Jev 1.14 naik dari Jev 1.13?
Tidak. Pada 2 November 2026, keduanya berharga USD 0,042 per 1 juta token masuk di OpenRouter, dan token keluar gratis.
Apa yang terjadi bila model tidak punya endpoint ZDR?
OpenRouter menolak permintaan dengan 404 dan pesan kebijakan data. Halaman ZDR OpenRouter juga mencatat rencana pemeriksaan CSAM untuk semua permintaan mulai 27 Oktober 2026, termasuk lalu lintas ZDR.
Apakah saya perlu menyetel ulang ambang saat pindah versi?
Ya. Pada uji kami, rentang ambang aman Jev 1.14 berakhir pada 0,60, sedangkan Jev 1.13 pada 0,74. Ambang yang aman untuk 1 versi dapat melewatkan kasus pada versi lain.
Berapa kasus yang saya butuhkan untuk uji?
Set 30 sampai 50 kasus menangkap selisih besar dan menunjukkan rentang ambang. Set 40 kasus kami tidak memisahkan ketepatan 3 model, jadi selisih kecil butuh ratusan kasus.
Apakah Jev 1.14 dapat membaca gambar?
OpenRouter mendaftar teks dan gambar sebagai masukan. TypeSafe menandai gambar sebagai fitur danger zone yang belum mereka jamin untuk produksi, jadi uji dulu sebelum Anda memakainya.
Langkah berikutnya
Batas yang tetap berlaku: uji publik ini memakai 40 pesan buatan dan 2 pertanyaan, jadi hasilnya tidak mewakili domain Anda. Contoh keputusan lain yang layak diserahkan ke model keputusan ada pada contoh penggunaan Jev.
Bila Anda ingin kami memetakan titik keputusan dan menyusun set uji untuk alur Anda, buka AI Diagnostic. Untuk membahasnya lebih dulu, pilih jadwal sesi AI Diagnostic.
Sumber
- TypeSafe: Jev, For the Builders and Dreamers (14 Oktober 2026)
- TypeSafe: Models, alias, konteks, dan bahasa
- OpenRouter: TypeSafe Jev 1.14
- OpenRouter: TypeSafe Jev 1.13
- OpenRouter: OpenAI GPT-6 Luna Decisions
- OpenRouter Models API, filter decisions
- OpenRouter: Zero Data Retention
- OpenRouter: daftar endpoint ZDR
- OpenRouter: Decisions API
- OpenRouter: Provider routing
