AICoder

AI 编程实时动态与要闻

基于 𝕏 (Twitter) 权威实验室与科学家一手信源，经 AI 降噪提炼核心事实，联动全网模型评测与智能体生态。

在 𝕏 上探索最新发文 ↗

AI 编程实时动态与要闻

X
Xuan-Son Nguyen / ggml-org@ngxson·
👀187
🔥96

llama.cpp 原生 Decision Models：/v1/systemone 一次前向出概率；支持 Julia-1/Laya/Kev-4B/lev/OpenJev

ggml-org 于 2026-10-02 宣布 llama.cpp server 合并 PR #29818，新增 /v1/systemone：对状态（文本/JSON/截图）与 typed 问题做单次前向打分，兼容 TypeSafe Jev / System One 客户端。首批模型：Julia-1（144M）、Laya（421M）、Kev-4B、lev、OpenJev（27B+视觉）。Cloudflare Clef 列为后续。

llama.cpp 原生 Decision Models：/v1/systemone 一次前向出概率；支持 Julia-1/Laya/Kev-4B/lev/OpenJev

核心要点速览

  • 官方博文：New in llama.cpp: Decision Models（2026-10-02）；实现：PR #29818 合并于 2026-10-02T09:56Z（+2139/−15）
  • API：POST /v1/systemone；问题类型 choice / score / noul；响应含 probabilities + confidence；output_tokens: 0
  • 首批 GGUF：ggml-org/{Julia-1,Laya,Kev-4B,lev,OpenJev}-GGUF；RTX PRO 6000 官方中位时延约 3–43 ms/问
  • 与已入库 Ollama 0.35 / Cloudflare Clef 不同栈：本地 llama.cpp 推理运行时原生 System One；博文写明 Clef 将跟进
  • 开箱：llama serve -hf ggml-org/Kev-4B-GGUF 后 curl localhost:8080/v1/systemone；router 模式可按请求选模型
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Julia 1⚡ laya⚡ Kev 4b⚡ lev⚡ openjev🌐 ggml-org🌐 huggingface
#llama.cpp#Decision Models#System One#Systemone#Jev#GGUF#本地推理#agent routing#Kev-4B#OpenJev#Ggml
C
Comet@comet-ml·
👀54
🔥91

Comet Opik 2.2.84：在线评测规则原生接 Jev（OpenRouter Decisions API）；队列自动化与溯源

Comet Opik 于 2026-09-29 发布 2.2.84：在线 LLM-as-a-Judge 规则可端到端调用 TypeSafe Jev（经 OpenRouter POST /api/alpha/decisions，而非 chat/completions）。布尔指标各成一道 yes/no 题，单次调用批答；概率 ≥0.5 记 1，原因字段展示 Probability: 0.93。后端新增 OpenRouterDecisionsClient（工作区 OpenRouter key + 429/5xx 重试），模型 ~typesafe/jev-latest / typesafe/jev-1.13。同步支持 Annotation Queue 自动化配置与条目 provenance；相对 2.2.83 约 8 commits / 104 files。

Comet Opik 2.2.84：在线评测规则原生接 Jev（OpenRouter Decisions API）；队列自动化与溯源

核心要点速览

  • 发版：2.2.84（2026-09-29）；对比 2.2.83...2.2.84 ≈8 commits / 104 files
  • 核心：PR #8540 在线评测走 OpenRouter Decisions API 调 Jev；chat/completions 会被拒
  • 计分：每条 Boolean 规则→一道 yes/no；概率 ≥0.5 → 分值 1，reason 带 Probability
  • 模型：~typesafe/jev-latest、typesafe/jev-1.13（不进常规 chat 模型 YAML 同步列表）
  • 体验：Annotation Queue 可配自动化并展示条目 provenance；另有 trace stats 读窗口与 thread_id 注册修复
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Jev⚡ typesafe/jev-1.13🤖 LLM-as-a-Judge🤖 online evaluation🌐 Comet🌐 OpenRouter🌐 TypeSafe
#Opik#Jev#Openrouter#Decisions API#评测#发布
O
Ollama@ollama·
👀142
🔥93

Ollama 0.35.0：原生 Decision Models，经 /v1/systemone 接 Jev；Nimble/Tev1 上线，返回选择概率与置信度

Ollama 于 2026-09-28 发布 v0.35.0（GitHub 标记 prerelease）：新增基于 TypeSafe Jev 的 Decision Models，HTTP 入口为 /v1/systemone。模型不再吐自由文本，而是对 choice/noul/score 三类问题返回选项、概率与置信度，覆盖工单分流、模型路由与内容分类。首批模型为 Bespoke Labs 的 Nimble 与 Together AI 的 Tev1；相对 v0.34.4 约 7 commits / 66 files，并修复 Settings 阻塞、macOS 更新菜单与 MLX 下载挂起。

Ollama 0.35.0：原生 Decision Models，经 /v1/systemone 接 Jev；Nimble/Tev1 上线，返回选择概率与置信度

核心要点速览

  • 发版：v0.35.0（2026-09-28，prerelease）；对比 v0.34.4...v0.35.0 ≈7 commits / 66 files
  • 新 API：POST /v1/systemone，基于 TypeSafe Jev；问题类型 choice（带概率）、noul（条件为真概率）、score（有序准则打分）
  • 首批决策模型：Nimble、Tev1；ollama pull nimble 后即可本地调用
  • 示例响应含 probabilities 与 confidence（如 bug≈0.978 / confidence≈0.89），usage.input_tokens/output_tokens 可观测
  • 体验修复：Settings 不再等模型发现；macOS 更新菜单/图标；MLX 下载挂起；废弃参数 typical_p 改为告警而非失败
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Nimble⚡ Tev1⚡ Jev🤖 Decision Models🤖 model routing🌐 ollama🌐 TypeSafe🌐 Bespoke Labs🌐 Together AI
#Ollama#Decision Models#Systemone#Jev#Nimble#Tev1#分类#路由
A
Assaf Elovic@assafelovic·
👀83
🔥91

GPT Researcher 0.16/v3.7.0：默认用 Jev 按「有用性」筛上下文，相关度较 embeddings 高 59%

GPT Researcher 于 2026-09-26 发布 v3.7.0（PyPI gpt-researcher 0.16.x）。核心变化：上下文过滤器默认改走 TypeSafe Jev，按「对子查询有多有用」打分留片断，而非余弦相似度；官方在 28 项研究任务、相同源材料上复现评测称 Jev 保留段落相关度 73% 对 embeddings 的 46%（约高 59%）。无 TYPESAFE_API_KEY 时回退本地 BM25 关键词排序，标准研究路径不再强制嵌入模型。另要求 Python 3.12+，并支持 retriever 插件入口点。

GPT Researcher 0.16/v3.7.0：默认用 Jev 按「有用性」筛上下文，相关度较 embeddings 高 59%

核心要点速览

  • 发版：v3.7.0 / PyPI gpt-researcher==0.16.1；pip install -U gpt-researcher
  • Benchmark（官方 28 任务同源复现）：Jev 保留段落相关度 73% vs embeddings 46%（约 +59%），成本相当；见 Context Filter 文档
  • 默认 CONTEXT_FILTER=auto：有 TYPESAFE_API_KEY 走 Jev，否则 BM25；Jev 失败自动回退 keyword；要旧行为设 CONTEXT_FILTER=embeddings
  • 管线：每页截断 50k 字符，切 1k/100 overlap，Jev/embeddings 每子查询最多留 10 片，keyword 最多 25；报告对话复用同一 select_context()
  • 破坏性：需 Python 3.12+；retriever 可用 gpt_researcher.retrievers entry point 独立打包
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Jev⚡ TypeSafe-System-One🤖 GPT-Researcher🤖 Deep-Research-Agent🌐 GPT-Researcher🌐 TypeSafe
#GPT-Researcher#Jev#TypeSafe#Context filter#BM25#RAG#深度研究#Python-3.12
AD赞助内容
C
Confident AI@confident-ai·
👀74
🔥90

DeepEval 4.2：LLM-as-judge 判决点改接 Jev，约 $0.042/百万 input、多数查询 ~100ms

Confident AI 在 deepeval 4.2.x（发行说明锚定 4.2.2/4.2.4，PyPI 现为 4.2.6）为评测引入 TypeSafe Jev：语言生成仍由评测 LLM 负责，封闭判决（是/否、选择题、分数档）交给 System One，返回带校准概率的类型化决策。官方称决策阶段约 $0.042/百万 input、无 output 计费，多数查询约 100ms，并可批量合并独立问题。Faithfulness/GEval/DAGMetric 与 Classifiers 已接线；实验模式 deepeval set-mode experimental + typesafe-sdk 开启，缺密钥会显式失败而非静默回退。

DeepEval 4.2：LLM-as-judge 判决点改接 Jev，约 $0.042/百万 input、多数查询 ~100ms

核心要点速览

  • 发版说明：python-v4.2.4；博客 Introducing Jev for Evals；PyPI 现网 deepeval==4.2.6
  • 成本/时延（官方）：决策段约 $0.042 / 百万 input tokens、无 output 费；多数 Jev 查询约 ~100 ms，独立问题可批进单请求
  • 分工：Faithfulness 等 QAG 仍由 LLM 抽 claims，每 claim 的 Noul/P(yes) 交 Jev；GEval 步骤生成留 LLM，严格/量规分数走 Jev；DAGMetric 二元/多选节点同理
  • Classifiers：封闭标签集上的类别化 LLM-as-judge（如 RefusalClassifier），见 Classifiers 文档
  • 开启：deepeval set-mode experimental + pip install typesafe-sdk + TYPESAFE_API_KEY；实验模式缺依赖会响亮失败，不静默回退 LLM 判决
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Jev⚡ TypeSafe-System-One🤖 DeepEval🤖 LLM-as-Judge🌐 Confident-AI🌐 TypeSafe🌐 DeepEval
#DeepEval#Jev#TypeSafe#LLM-as-judge#Faithfulness#GEval#分类器#评测#CI
B
BerriAI@Berri_AI·
👀128
🔥94

LiteLLM 1.102.1：稳定线回传 Claude Code safeguards，并把 TypeSafe Jev 路由/护栏打进 1.102.x

BerriAI 于 2026-09-23 发布 LiteLLM v1.102.1（PyPI litellm 1.102.1）。相对 1.102.0，本版把 Anthropic/Bedrock/Vertex 的 safeguards→safeguard_results 透传修回稳定线，使经网关的 Claude Code Auto mode 能显示 Auto mode server: Enabled；同时将 TypeSafe Jev 的七项变更（passthrough、复杂度路由、relevance compaction 护栏、auto-router 分类器、OpenRouter jev-1.13 定价等）从 1.103 RC 回移到 stable/1.102.x。Docker 镜像继续提供 cosign 验签说明。

LiteLLM 1.102.1：稳定线回传 Claude Code safeguards，并把 TypeSafe Jev 路由/护栏打进 1.102.x

核心要点速览

  • 发版：v1.102.1 / PyPI 1.102.1
  • Claude Code：网关透传 safeguards，响应带回 safeguard_results（#42538），Auto mode 不再被迫改走计费的客户端分类器
  • TypeSafe Jev：7 个 PR 回移到稳定线（passthrough / complexity router / relevance compaction / auto-router / OpenRouter jev-1.13 定价等，#42595）
  • 部署：pip install litellm==1.102.1；镜像可用 cosign 对 ghcr.io/berriai/litellm:v1.102.1 验签
  • 文档：Proxy Quick Start / Anthropic provider
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude⚡ TypeSafe Jev⚡ jev-1.13🤖 Claude Code🌐 berriai🌐 Anthropic🌐 openrouter
#LiteLLM#Claude Code#Safeguards#TypeSafe Jev#代理#网关#Cosign
A
AG2@ag2ai·
👀71
🔥93

AG2 1.1.0：接入 TypeSafe Jev 决策专用 Agent，并堵住 reserved context 跨线提权

AG2（原 AutoGen）于 2026-09-24 发布 v1.1.0：以 TypeSafeConfig + response_schema 把 Jev 做成只做决策、不调工具的 Agent；同步在 A2A/AG-UI/A2UI/NLIP 双向剥离 ag:/a2a: 保留键，堵住远程预批准门控工具的安全洞。

AG2 1.1.0：接入 TypeSafe Jev 决策专用 Agent，并堵住 reserved context 跨线提权

核心要点速览

  • 决策 Agent：Agent(..., config=TypeSafeConfig(), response_schema=Department)，bool/Enum/IntEnum 即问题形态；概率与置信度落在 ModelMessage.metadata（v1.1.0）
  • 约束：Jev 拒绝工具调用、不支持 streaming；非法 schema 在发请求前本地 raise
  • 安装：pip install "ag2[typesafe]"；对照 TypeSafe Jev 介绍 与 docs.ag2.ai
  • 安全：ConversationContext.variables 中 ag:/a2a: 保留前缀在 A2A、AG-UI、A2UI、NLIP 双向剥离，防远程写保留键预批准门控工具
  • 其它：MessageEnqueued 事件、MCP 必填参数校验与规范 JSON-RPC 错误码、并发下事件描述符 retarget 修复
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Jev⚡ TypeSafe🤖 AG2🌐 AG2🌐 TypeSafe
#AG2#AutoGen#TypeSafe#Jev#decision agents#安全#MCP#Python
O
OpenClaw@openclaw·
👀121
🔥92

OpenClaw 2026.9.6：托管更新与重启恢复、完整 30 天 Usage，并接入 Opus 5.5 / GPT-6 Sol·Luna / Grok 4.7

OpenClaw 于 2026-09-23 发布 v2026.9.6（macOS 构建于 09-24 因启动崩溃 #156861 重签修复）：托管更新结果更清晰、重启后可从已保存进度恢复未完成会话，Usage 覆盖完整 30 天窗口；新增 GitHub reader、远程工作区 Files/Memory/Skills、会议笔记实时更新，以及 TypeSafe Jev 决策模型与 Claude Opus 5.5、GPT-6 Sol/Luna、Grok 4.7。规模：2,614 PRs、178 直接提交、约 350 位贡献者。

OpenClaw 2026.9.6：托管更新与重启恢复、完整 30 天 Usage，并接入 Opus 5.5 / GPT-6 Sol·Luna / Grok 4.7

核心要点速览

  • 规模可核对：官方发布说明 写明 2,614 PRs / 178 commits / ~350 contributors
  • 产品主线：托管更新结果可恢复 + 重启后从已保存进度续跑未完成会话；Usage 默认打开最近 30 个日历日
  • 工作区增强：GitHub reader 可读公开讨论与 diff；远程工作区补齐 Files / Memory / Skills；会议笔记随采集持续更新
  • 模型：可选 Decision Models（TypeSafe Jev + 本地）；聊天侧新增 Claude Opus 5.5、GPT-6 Sol/Luna、Grok 4.7
  • 安装：npm [email protected]；macOS 若遇首版无法启动请重装修复后的 DMG（#156881）
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ GPT-6 Sol⚡ GPT-6 Luna⚡ Grok 4.7⚡ TypeSafe Jev🤖 OpenClaw🌐 OpenClaw
#OpenClaw#智能体#Usage#restart recovery#Opus 5.5#GPT-6#Grok 4.7
s
sora19ai@sora19ai·
👀65
🔥89
查看推特原帖 ↗

jev-mcp 开源：把 TypeSafe Jev 九项裁决工具接到 Cursor / Codex

@sora19ai 介绍 burnigtm/jev-mcp：本地 stdio MCP，把 TypeSafe Jev 的结构化裁决接到 Cursor、Codex 等客户端，主机仍负责改文件与跑命令。提供 jev_step、jev_review、jev_verify、jev_rank 等九项工具，覆盖补丁评审、主张核验与候选排序；需 TypeSafe API Key，另有 mock 演示模式。MIT 许可，抓取时约 13 星。

核心要点速览

  • 本地 MCP 把 Jev 裁决接到 Cursor / Codex，主机仍执行工具与写文件。
  • 九项工具覆盖步骤路由、补丁评审、主张核验、筛选与排序等。
  • 需 TypeSafe API Key；burnigtm/jev-mcp，MIT，抓取时约 13 星。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Code (Anthropic)🤖 Cursor Composer (Agent Mode)🤖 Aider🌐 typesafe
#Jev MCP#TypeSafe Jev#MCP#Cursor#Codex#patch review#开源
R
Roshan Chandna@roshanchandna·
👀40
🔥89
查看推特原帖 ↗

Auto-Guard 开源：用 Jev 在编码智能体工具调用前做允许/升级/拦截裁决

@roshanchandna 介绍 rchandnaWUSTL/auto-guard：在编码智能体执行工具调用前，把拟议调用交给 TypeSafe Jev 决策模型，返回允许、升级请求人工批准（附更大模型一行理由）或拦截。安装为 pip install agent-autoguard 后 autoguard install，默认可挂 Claude Code，并提供 Cursor、Codex、Copilot、Gemini、Windsurf 适配；作者注明单次检查约 0.4 秒、成本约 $0.000025。

核心要点速览

  • 工具调用前门控：Jev 返回允许 / 升级人工批准 / 拦截三类裁决。
  • pip install agent-autoguard && autoguard install 即可挂上 Claude Code；另有 Cursor、Codex 等适配。
  • 作者称单次约 0.4 秒、约 $0.000025；仓库 rchandnaWUSTL/auto-guard 已公开代码与已知限制。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Code (Anthropic)🤖 Cursor Composer (Agent Mode)🤖 Aider
#Auto-Guard#Agent autoguard#Jev#TypeSafe#Claude Code#tool calls#安全#开源
AD赞助内容
h
harsh@harsh_w98·
👀57
🔥87
查看推特原帖 ↗

开源 Jev Sentinel：用 TypeSafe Jev 审核 Pi 编码智能体的读写与发言

@harsh_w98 发布面向 Pi 编码智能体的开源扩展 harshwasan/pi-jev-sentinel：用 TypeSafe Jev 检查智能体动作、读取与输出；.env 不对 Jev 开放，回显中的密钥也会被清洗（仍提示经 env/grep 等其他路径可能泄漏），并提供代码与测试沙箱。

核心要点速览

  • Pi 编码智能体扩展：Jev 审核动作、读取与发言。
  • .env 对 Jev 屏蔽并清洗回显密钥；另有代码/测试沙箱。
  • 开源 harshwasan/pi-jev-sentinel，对接 TypeSafe Jev。
阅读全文
关联模型 / 智能体 / 厂商:
#Jev Sentinel#Jev#Pi#编程智能体#TypeSafe#安全#开源
Ά
Άντιpacman🪽@doth4580·
👀51
🔥88
查看推特原帖 ↗

开源 mcp-typesafe：用 Rust MCP 把 TypeSafe Jev 决策原语接到任意智能体

社区发布非官方 mcp-typesafe（github.com/sf-stav/mcp_typesafe）：Rust 编写的 MCP 服务器，把 TypeSafe System One / Jev 的结构化判断（choice/score 等）以及批量过滤、排序、分类、两阶段择优与校准抽样等高级工具暴露给任意 MCP 客户端。面向「读几百条结果烧上下文」与「文本自报置信度不可阈值」的痛点，多数调用约 100ms；支持 stdio 与 SSE，需 TypeSafe API Key，单静态二进制。

核心要点速览

  • Rust MCP 把 Jev/System One 结构化判断接到任意智能体（非官方）。
  • 含批量过滤/排序/分类/择优与稳定性抽样，多数调用约 100ms。
  • stdio + SSE；需 TypeSafe API Key；单静态二进制。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ jev🌐 typesafe
#MCP typesafe#MCP#Jev#TypeSafe#System One#Rust#决策模型
G
GitHub Next@GitHubNext·
👀141
🔥91
查看推特原帖 ↗

GitHub Next 开源 LocalJev：用 oMLX 在本地跑兼容 Jev 的决策 API

GitHub Next 开源 LocalJev（github.com/githubnext/localjev）：在团队尚未全员拿到 TypeSafe Jev 访问权时，用一上午搭出「穷人版 Jev」。它在 Bun/TypeScript 上提供兼容的 POST /v1/systemone API，默认经 oMLX 调用本地 DiffusionGemma 等模型，并评测了 DiffusionGemma、Qwen MoE、Gemma 4 MoE 与 Gemma 4 e4b/e2b；评测报告在仓库内。LocalJev 服务器可对接常规 Jev API 封装库，但概率来自模型自报而非 logit 直读，需自行校准。

核心要点速览

  • 开源 LocalJev：本地兼容 Jev 的 POST /v1/systemone 决策 API（Bun/TypeScript）。
  • 默认经 oMLX 跑 DiffusionGemma 等本地模型，并附多模型评测报告。
  • 可对接常规 Jev 客户端库；概率为模型自报而非 logit 直读，需自行校准。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ diffusiongemma⚡ qwen⚡ Gemma 4🌐 github
#LocalJev#GitHub Next#Jev#TypeSafe#oMLX#DiffusionGemma#本地大模型#决策模型
T
Taro L. Saito@taroleo·
👀72
🔥92
查看推特原帖 ↗

开发者把 DeepSeek V4 Flash 判断能力蒸馏到 4B：DGX Spark 训练 26 小时，单次约 22ms

开发者 Taro L. Saito（@taroleo）参照 TypeSafe Jev 的思路，放弃完整 text/json 生成、只保留判断头，把约 157GB 权重的 DeepSeek V4 Flash 决策能力在 DGX Spark 上蒸馏约 26 小时迁入 4B 模型。结果体积约缩为教师的 1/20，并在即时回答模式下超过教师，单次判断约 22ms，展示纯本地 LLM 做高速决策引擎的可行性。

核心要点速览

  • 以 Jev 式「只做判断、不做长文本生成」把 DeepSeek V4 Flash 决策蒸馏到 4B。
  • DGX Spark 上约 26 小时完成蒸馏；体积约缩为教师 1/20，单次判断约 22ms。
  • 作者称在即时回答模式下已超过教师，适合本地高速分流/门控场景。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ DeepSeek-V4-Flash🌐 DeepSeek
#DeepSeek V4 Flash#蒸馏#Jev#DGX Spark#本地大模型#决策模型#4B
V
Vercel@vercel·
👀66
🔥91
查看推特原帖 ↗

Vercel：TypeSafe Jev 成 AI Gateway 史上采纳最快模型，首日覆盖约 13% 付费团队

Vercel 官方发文称 TypeSafe Jev 登陆 AI Gateway 后 24 小时内成为史上采纳最快的模型：首日触达近 13% 付费团队，约为 GPT-5.6 系列的 2 倍、Fable 5.1 的 6 倍以上；约 18 小时即突破 10% 团队渗透，而同期其他新模型全日仍低于 7%。博文指出下一步关注早期热度能否持续。

核心要点速览

  • 官方数据：Jev 首日覆盖近 13% AI Gateway 付费团队，创历史最快采纳。
  • 对比：约为 GPT-5.6 系列 2 倍、Fable 5.1 逾 6 倍；约 18 小时达 10% 团队。
  • 详情见 vercel.com/blog/ai-gateway-jev-model-launch；后续关注热度能否延续。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ jev🌐 vercel🌐 typesafe-ai
#Vercel#AI 网关#Jev#TypeSafe#Adoption#GPT-5.6#Fable 5.1