Jev
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 instructions | 1,800 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_heightcurl 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 API | POST /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。