跳到内容

Jev ​

更新时间

Endpoint: https://mmu.vod-qcloud.com/v1/systemone认证: VOD ApiToken / Bearer

Jev 是一款 System One 决策模型。它不生成散文或对话文本,而是接收一段状态(state)和若干结构化问题,返回类型化答案与校准概率,供业务代码直接分支使用。适合替代传统流程中「让生成式模型输出 JSON → 解析 → 提取标签」的环节,并非聊天模型的替代品。

System One 的名称取自「快速、直觉式判断」的概念,与需要多步推理的生成式模型形成区分:Jev 是工作流中的一个快速判断函数 —— 输入非结构化状态(文本或图像),输出可直接用于代码分支的类型化决策。

基本信息 ​

项目取值
调用地址https://mmu.vod-qcloud.com/v1/systemone
认证VOD 应用签发的 ApiToken / Bearer
请求方式POST;纯文本用 JSON,图像推荐 multipart/form-data
输出类型化 JSON(答案 + 校准概率),不生成文本
计费仅对输入 token 计费,输出 token 免费

调用模型 ​

模型 ID说明
jev-1.14.0支持图像输入与 Box 问题(实验性)
jev-1.13.0纯文本;对 Box 问题返回 400
jev-latest指向最新版本。生产环境建议固定具体版本号

问题类型 ​

一次请求最多提交 8 个问题,问题之间独立评估,共享同一份 state 的输入成本。

类型用途返回内容
choice从预定义选项集中选一个(分类 / 路由)选中项、每个选项的概率分布、置信度
noul判断一个命题是否成立(是 / 否)0–1 之间的概率值(即「是」的概率)
score在有序等级量表上打分概率加权得分、等级图例、概率分布、置信度
box(1.14+,实验性)在图像中定位指定目标边界框 top / bottom / left / right(相对图像宽高的 0–1 比例)、置信度
  • Choice:选项数量 2–20 个,每个选项需配简短描述。
  • Score:等级数量 2–10 档;返回的分数是概率加权期望值,可能落在两档之间。
  • Noul:不返回独立的置信度字段,直接用概率值设置阈值即可。
  • Box:只定位「在哪里」,不判断「是否存在」。即使目标不在图像中也会返回四个边界值,因此必须配合同一请求中的 Noul 问题判断目标是否存在。

输入限制 ​

文本 ​

项目上限
state(序列化后)8,000 字符
单个问题的 instructions1,800 字符
criteria(序列化后)2,000 字符
标准请求整体64K tokens,其中 state + 单个最长问题合计 ≤ 32K tokens
长上下文(实验性)通过特定请求头可扩展至 262K tokens

图像(1.14+,实验性) ​

项目规格
可出现位置state、instructions 或 criteria
格式PNG、JPEG(不接受 GIF、WebP、动态 PNG)
尺寸每边 256–1568 px,总像素 ≥ 78,400
大小单张 ≤ 16 MiB,每请求图像总量 ≤ 32 MiB
必需请求头TypeSafe-Danger-Zone-Images: true(使用图像或 Box 时)

推荐用 multipart/form-data 传图:一个名为 request 的 JSON 部分,加上每张图像作为独立的文件部分。Base64 也支持,但图像体积会增大约三分之一,且在上行带宽紧张时吞吐量下降约 14–16%。

Jev 拒绝不合规图像而不是自动缩放,上传前请在服务端完成尺寸与格式校验。

输出特征 ​

  • 类型化输出:直接返回结构化 JSON,代码可立即用于分支、排序、路由,无需文本解析。
  • 校准概率:概率经过校准训练,置信度有统计意义,可用于设置自动执行阈值。但校准是群体层面的统计属性,不保证单条答案正确。
  • 不产生推理或解释:仅返回答案和概率,不提供理由或推理链。

典型适用场景 ​

  • 支持工单的分类与路由
  • 紧急程度 / 风险等级评分
  • 智能体工作流中的工具调用安全判断
  • 内容审核中的违规类型判断
  • 搜索结果重排
  • 图像中的目标检测与定位(配合 Noul 做存在性判断)

请求示例 ​

客服工单分类与紧急程度评分(纯文本,多问题并行) ​

json
{
  "model": "jev-1.13.0",
  "state": {
    "message": "I was charged twice for my March invoice. Please refund the duplicate charge today.",
    "customer_tier": "enterprise"
  },
  "questions": {
    "category": {
      "type": "choice",
      "instructions": "What is this ticket about?",
      "criteria": {
        "billing": "Payments, invoices, or refund requests",
        "technical": "Broken product or unexpected behavior",
        "account": "Login, permissions, or profile issues",
        "other": "Anything else"
      }
    },
    "urgency": {
      "type": "score",
      "instructions": "How urgent is this ticket?",
      "criteria": [
        "Can wait for the next release",
        "Should be resolved this week",
        "Needs attention within 24 hours",
        "Needs immediate attention"
      ]
    },
    "refund_requested": {
      "type": "noul",
      "instructions": "Is the customer explicitly requesting a refund?"
    }
  }
}

响应(示意) ​

json
{
  "category": { "choice": "billing", "confidence": 0.91 },
  "urgency": { "score": 2.6, "confidence": 0.85 },
  "refund_requested": { "noul": 0.96 }
}

智能体工具调用前的安全拦截(Noul) ​

json
{
  "model": "jev-1.13.0",
  "state": { "action": "bash", "command": "rm -rf ./dist && npm run build" },
  "questions": {
    "allow_without_confirmation": {
      "type": "noul",
      "instructions": "Is this command safe to run without asking the user?"
    }
  }
}

阈值建议:≥ 0.9 直接执行;0.6–0.9 请求用户确认;< 0.6 阻止并转人工。

图像中的目标定位(Box + Noul,multipart) ​

场景:判断截图中是否存在「Submit」按钮,并定位其位置。由于 Box 即使目标不存在也会返回边界值,必须配一个 Noul 问题。

http
POST /v1/systemone
Content-Type: multipart/form-data; boundary=----JevBoundary
TypeSafe-Danger-Zone-Images: true

------JevBoundary
Content-Disposition: form-data; name="request"
Content-Type: application/json

{
  "model": "jev-1.14.0",
  "state": "Analyze the screenshot.",
  "questions": {
    "target_exists": {
      "type": "noul",
      "instructions": "Does the screenshot contain a 'Submit' button?"
    },
    "target_location": {
      "type": "box",
      "instructions": "the 'Submit' button in the screenshot"
    }
  }
}
------JevBoundary
Content-Disposition: form-data; name="screenshot"; filename="screen.png"
Content-Type: image/png

<PNG 原始字节>
------JevBoundary--
  • 图像作为独立文件部分发送,JSON 部分中不需要 assets 字段,直接在 state / instructions 中按引用名提及图像即可(引用名对应文件部分的 name)。
  • Box 的 instructions 应写目标描述而非命令,例如 the Submit button,而不是 Locate the Submit button。

响应(示意) ​

json
{
  "target_exists": { "noul": 0.97 },
  "target_location": {
    "box": { "top": 0.72, "bottom": 0.81, "left": 0.45, "right": 0.58 },
    "confidence": 0.89
  }
}

业务代码先用 target_exists 的概率做存在性判断,再把 Box 的比例坐标换算成像素:

python
if result["target_exists"]["noul"] > 0.8:
    box = result["target_location"]["box"]
    x = box["left"] * image_width
    y = box["top"] * image_height

curl 快速验证 ​

纯文本请求(Noul)

bash
curl -X POST https://mmu.vod-qcloud.com/v1/systemone \
  -H "Authorization: Bearer $YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "Customer message: My checkout page shows a blank screen after I click Pay.",
    "questions": {
      "is_defect": {
        "type": "noul",
        "instructions": "Is the customer reporting a software defect?"
      }
    }
  }'

图像请求(multipart,Box + Noul)

bash
curl -X POST https://mmu.vod-qcloud.com/v1/systemone \
  -H "Authorization: Bearer $YOUR_API_TOKEN" \
  -H "TypeSafe-Danger-Zone-Images: true" \
  -F 'request={
    "model": "jev-1.14.0",
    "state": "Analyze the uploaded screenshot.",
    "questions": {
      "target_exists": {
        "type": "noul",
        "instructions": "Does the screenshot contain a Submit button?"
      },
      "target_location": {
        "type": "box",
        "instructions": "the Submit button"
      }
    }
  };type=application/json' \
  -F 'screenshot=@screen.png;type=image/png'
  • request 是保留的 part 名,不能用作图像引用名。
  • 图像 part 的 name(上例为 screenshot)需与 JSON 中 state / instructions 里提及的引用名对应。
  • 图像 part 的 Content-Type 仅接受 image/png、image/jpeg、image/jpg 或 application/octet-stream。

调用方式速查 ​

接入方式说明
HTTP APIPOST /v1/systemone,文本用 JSON,图像推荐 multipart
Python / JS SDK自动处理 multipart 上传与图像引用创建,推荐生产使用
请求头图像与 Box 需 TypeSafe-Danger-Zone-Images: true

已知限制 ​

能力边界 ​

以下任务 Jev 表现不佳,应改用生成式模型或其他专门方法:

  • 不会数数:不适合精确计数或数值计算。
  • 不会比较日期:日期先后、时间间隔等判断不可靠。
  • 非英语准确率偏低:英文是主要训练语言,其他语言需用真实数据测试。
  • 不生成文本:摘要、翻译、改写、解释请使用生成式模型。
  • 多模态弱于纯文本:官方明确指出,包括 Jev 在内的所有模型在多模态数据上的表现都差于纯文本,建议把问题拆到最简元素。
  • 对抗性内容敏感:state 中用户可控的文本可能影响判断,需在外层加防护。
  • 字面理解指令:Jev 回答的是你写下的问题,而不是你想问的问题。

结构性限制 ​

限制项说明
不产生推理或解释仅返回答案和概率
Box 无「未找到」答案目标不在图像中时仍返回边界值,需配合同请求的 Noul
Box 仅 1.14+ 支持1.13 及更早版本对 Box 问题返回 400
图像与 Box 为实验性功能请求格式、答案和限制可能在版本间变化
置信度 ≠ 正确性高置信度不保证单条答案正确
测试阶段行为不稳定可用性和行为可能在不通知的情况下变化

不适用于 ​

  • 开放式对话、创意写作、长篇解释
  • 需要深度推理或多步逻辑链条的任务
  • 需要可追溯推理理由的强监管场景
  • 作为通用聊天或多模态模型的直接替代品

使用建议 ​

  • 图像与 Box 先做 PoC:两者为实验性功能,上线前用真实数据验证。
  • Box 必须配 Noul:不要单独用 Box 判断目标是否存在。
  • 图像预处理:上传前在服务端做尺寸和格式校验。
  • 设置置信度阈值:高风险操作用更高阈值,低置信度转人工。
  • Choice 加兜底选项:加入 other 或 none。
  • 问题保持原子性:复杂判断拆成多个问题,在代码中组合。
  • 固定版本号:生产环境使用具体版本(如 jev-1.14.0),不要用 jev-latest。

基于 VitePress 构建 · 部署于腾讯云 EdgeOne Pages