TypeSafe Jev 1.14 推出 Box 类型做目标定位，并试验性开放图像输入
归一化的边界框坐标作为类型化 API 输出直接返回 —— 下游无需解析文本
TypeSafe 周二发布了 jev-1.14.0，为其 System One Model 增加了第四种输出类型，直接返回结构化的边界框坐标 —— 不生成文本，下游也不用解析。Box 类型以图像尺寸的浮点分数形式给出 {top, bottom, left, right, confidence}，让目标定位成为与 Choice、Score 和 Noul 并列的一等输出。此次发布还通过一个试验性的「危险区」选择加入机制正式开放了图像输入，把模型架构中早已存在、但此前被刻意挡在公开 API 之外的多模态能力暴露出来。
这一组合把 System One Model 品类 —— 借用 Kahneman「思考，快与慢」框架的快速、结构化决策 —— 首次从分类延伸到空间推理。TypeSafe 在一篇文章中宣布了此次发布，文章发表于 2026 年 10 月 14 日。
延伸阅读：TypeSafe 的 Jev 不生成一个字，直接给出结构化决策
Box 类型返回什么，成本是多少
开发者用 "type": "box" 声明一个问题，就能在 API 响应里直接拿到坐标：
{
"model": "jev-1.14.0",
"answers": {
"mug": {
"type": "box",
"box": {"top": 0.25, "bottom": 0.82, "left": 0.44, "right": 0.84},
"confidence": 0.92
}
},
"usage": {"input_tokens": 290, "output_tokens": 21}
}
坐标值按图像尺寸归一化 —— 0.44 的 left 意味着距左边缘 44% —— 使输出与分辨率无关。任何下游系统把分数乘以实际像素尺寸即可。置信度分数反映的是 TypeSafe 的 RLCD（面向校准决策的强化学习）训练，公司称它把置信度校准到实际准确率，而不是原始的模型 logit，详见 TypeSafe 的模型文档。
输出成本可以忽略不计：上面的例子只用了 21 个输出 token。按 TypeSafe 的定价（每百万输入 token 0.042 美元；输出 token 免费），定位相对分类几乎不增加边际成本。
图像作为可组合资产进入 API —— 附带一条警告
TypeSafe 的图像输入系统把图像当作可组合元素，可以出现在请求模式的任何位置 —— state、instructions 或 criteria 中。图像在 JSON 正文里通过 UUID 占位符引用，并以 multipart 表单数据提供，详见 TypeSafe 的图像可组合性文档。
这个 TypeSafe-Danger-Zone-Images: true 请求头不是走形式。TypeSafe 明确把危险区功能描述为尚未达到其生产质量门槛的能力，并警告多模态性能比纯文本推理「更不稳定」。同一版本还带来一个 TypeSafe-Danger-Zone-Long-Context 请求头，用于绕过生产环境的上下文上限。两者都是选择加入，因为 TypeSafe 的发布速度快过了它正常的稳定性保证。支持的格式只有静态图像 —— 仅 PNG 和 JPEG；不支持视频和动画。
模型本来就是多模态的
TypeSafe 承认，jev-1.13 底层的架构在模型层面就已经接受图像输入。1.14 版的重点不是增加多模态架构 —— 它早就在那里 —— 而是在试验条件下把它暴露出来。公司至少在一个模型版本里按住了一项可用的能力，想必是因为性能特征还不够稳定、不足以公开发布。把它做成危险区功能是一条中间道路：需要的开发者可以用，但没有核心纯文本决策类型那样的完整质量保证。
OpenAI 如今也在竞争的品类里做空间推理
TypeSafe 开创了类型化决策 API 这个品类，但已不再是其中唯一的玩家。OpenAI 于 2026 年 10 月 6 日推出了其 Decisions API（GPT-6 Luna）公测 —— 在 9 月 29 日的 DevDay 2026 上宣布 —— 从一开始就包含图像支持，不需要试验性标志。AWS 有 Strands Decider 2B；Cloudflare 在相邻领域运营着 Clef 和 Clef-flash。
延伸阅读：vLLM-SR 开源 Decision 3.0 决策模型，文本和视觉都超 Jev
TypeSafe 的危险区发布策略看来部分是被这种竞争推动的 —— 在达到完整生产门槛之前就暴露试验性能力，让构建视觉工作流的开发者有的选。
TypeSafe 握有的实质性差异化是 Box 类型本身。OpenAI 的 Decisions API 没有有文档记录的对应物：图像输入返回结构化决策，但不把类型化的边界框坐标作为一等输出。对于需要定位而非分类的工作流，TypeSafe 目前占据着没有竞争者正式进入的地盘。相对通用视觉语言模型的实际优势在于省掉了解析步骤：一个 Box 响应给出的坐标可以被任何绘制、裁剪或检测系统直接消费。
可用性与接下来要看什么
jev-1.14.0 现已通过 jev-preview 模型标识符提供。多数生产集成使用的 jev-latest 指针预计约一周后推进到 1.14.0。在此之前需要 Box 输出的开发者必须显式指定 jev-1.14.0。Box 类型专门要求这个版本；无论请求头如何设置，在更早的模型版本上都无法使用。
TypeSafe 尚未宣布把图像支持或长上下文移出试验状态的时间表。对这个品类更尖锐的问题是，竞争者是否会为自己的决策 API 加上定位输出。TypeSafe 今天发布的 Box 类型，是任何接受图像的决策 API 的自然延伸 —— 这意味着每个竞争者现在都有了一个具体的能力缺口要补。