Choice整理商品目录
为 Choice 提供自己的商品类别，并保留「其他」选项。在自动分流图片前，先测试复杂场景和不常见的商品。
JEV 1.14 / 视觉实验室
文本 Playground 让图片成为决策的依据。
探索 Jev 图片识别。上传一张照片，提出一个明确的问题，获取应用可以直接使用的类别、概率、评分或边界框。
实验性视觉能力
TypeSafe 将图片输入和 Box 标记为实验性功能。你可以在这里测试想法，并用自己的样本评估结果。
01 / 你的图片
示例图片 · Chelsea预处理后的图片 · 451 × 300 · 49 KiB
图片会在当前浏览器中预处理。大图会缩小，小图或窄图会补边。只有运行决策时，图片才会发送给 OpenRouter 和 TypeSafe。
02 / 你的问题
03 / 决策结果
运行后，结果将显示在这里。实验室展示真实模型输出，包括其中的不确定性。
查看请求
预览中的图片数据已缩略。复制或下载的内容包含完整图片和新的请求 ID，可使用账户 API 密钥发送至 POST /api/jev/run。重试同一请求时，请复用该 ID。
{
"model": "typesafe/jev-1.14",
"state": {
"photo": {
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,<image data>"
}
},
"context": ""
},
"questions": {
"vision": {
"type": "choice",
"instructions": "哪个类别最符合 `photo` 中的主要对象？",
"criteria": {
"商品": null,
"食物": null,
"动物": null,
"风景": null,
"其他": null
}
}
}
}从像素到可用于软件的决策
从一个输出明确的小问题开始。比较真实样本的结果，再决定应用如何处理不确定性。
Noul检查图片是否符合要求
使用 Noul 判断照片是否足够清晰，或指定物体是否可见。将模糊不定的案例留给人工复核。
Box找到图片中的关键部分
使用 Box 定位描述的单个物体，再将该区域交给裁剪或标注流程。接受坐标前，先检查目标是否存在。
了解 Jev 图片识别
Jev 1.14 有哪些变化？
Jev 1.14 于 2026 年 10 月 14 日发布，新增用于定位物体的 Box 基元。图片也可搭配 Choice、Noul 和 Score 使用。本实验室固定使用 OpenRouter 模型 typesafe/jev-1.14。
Jev 能生成图片或撰写图片描述吗？
Jev 返回结构化决策。分类时提供类别，判断是非概率时提供陈述，评分时提供有序等级，定位时提供目标。如需生成新图片或自由文本，请使用生成式模型。
这个 Playground 如何处理图片？
浏览器会将一张 PNG 或 JPEG 转换为方向正确的 JPEG，最长边不超过 1,568 像素，并在需要时补边。运行历史只保存结构化结果和请求指纹，不保存图片。运行时，图片会通过 OpenRouter 发送给 TypeSafe 处理。
视觉请求如何计费？
图片和文本输入共用现有余额。分类、判断和评分使用一个问题；定位还会检查目标是否存在，因此使用两个问题。显示的预留额度是上限，并非预估费用。实际用量会与结果一同显示。
可以在自己的应用中使用同一请求吗？
可以。下载完整请求，并使用账户 API 密钥发送至 /api/jev/run。请将密钥保存在服务端。API 指南介绍身份验证和重试方式，上游参考文档说明 Jev 的图片和 Box 格式。
已对照官方文档核实 · 2026 年 10 月 14 日