TypeSafe 在 10 月 14 日下午 1:14（太平洋时间）发布了 Jev 1.14.0。官方博客标题叫「For the builders AND dreamers」，发布日期和时间都凑了 1:14，跟版本号对上。
博客开头把这次更新的逻辑交代得很清楚：团队内部一直在吵可靠性和创造力怎么平衡。要给生产环境的人交付经过实战检验的模型，但也不想用自己的标准限制那些想搞事情的开发者。
他们的办法是：把实验功能放在 danger zone 里，通过 API 请求头开启。功能会一直保留、持续改进，但目前不保证生产可用。
多模态：原来一直都有
Jev 1.13.0 其实已经是多模态模型了，只是之前没开放。TypeSafe 说这是因为模型在文本以外的模态上没那么可靠。
现在通过 TypeSafe-Danger-Zone-Images: true 请求头就能打开。图片放在 assets 里用查找替换引用，state、instructions、criteria 里都能放。你可以在指令里直接贴截图让模型根据画面做判断。
官方提醒：所有模型在多模态任务上都不如纯文本靠谱。把图片问题拆得越简单越好，别指望模型做复杂的视觉推理。
box 类型：不是判断，是定位
这是 Jev 第一个不用于决策的输出类型。之前 Jev 的输出都是给 smart-if 用的——真/假、多选一。box 直接返回目标在图片中的边界框。
四条边的位置用占图片宽高的比例表示，从左上角算起。比如 left: 0.44, right: 0.84, top: 0.25, bottom: 0.82。格式保证不出错（no type errors allowed），一次只找一个目标。只在 jev-1.14.0 上可用。
box 有个设计细节值得注意：永远返回一个框，哪怕目标根本不在图里。官方文档建议搭配 Noul 类型一起用——先判断目标在不在，再拿 box 定位。文档还给了几个实用技巧：置信度低于阈值时可以给框加 padding、或者裁剪后放大再问一次、甚至可以对每条边单独问「目标是不是超出了这条边」。
对质检、拼图、视频剪辑这类需要「框出目标位置」的工作流来说，这个能力可以直接接入自动化流程。以前让模型看图像最多让它描述一下，现在能返回坐标了。TypeSafe 说这是 System One 模型从简单决策走向更多可能的预告。
262K 上下文：给你了，但建议别用
加上 TypeSafe-Danger-Zone-Long-Context: true 请求头，每次请求和每个问题的上下文上限都提到 262K 令牌。默认是 64K 每次请求、32K 每个问题。
官方说模型一直支持更长上下文，之前是故意限制的。长上下文会让模型更不可靠，好的产品设计本来就不该依赖无脑塞上下文。他们推荐认真做 state 管理。
博客里有一句话：We aren't your parents though.
开长上下文更慢、更不准，只在确实需要的时候开。
还有几个细节
官方加了一个 opt-in 机制，用户可以选择让自己的查询帮助 TypeSafe 发现模型的 jaggedness。他们承诺不会用这些数据训练模型，只是方便定位问题和帮你调试。
版本方面：jev-preview 现在指向 jev-1.14.0，jev-latest 一周后切换。jev-1.13.0 保留，弃用前 60 天通知；1.14.0 弃用前 30 天通知。定价不变，输入 $42/Btok，输出免费。
多语言是 1.14.0 最大的改进点，其他方面是「每样都好一点点」的小幅提升。
TypeSafe 还顺便放了自己的内部 benchmark。图顶上有个 warning：「AI benchmarks. Please don't trust them.」只对比了开源模型，因为他们对闭源模型的数据政策不放心。自己也承认评估可能偏向 Jev，建议开发者信自己的测试。
博客结尾说大部分更新都会是 "beautifully boring"：更聪明、更稳定、更适合真实部署。真正的科幻级功能留着以后再说。
怎么看
TypeSafe 的做法比较克制。把实验功能放在请求头里，明确标注不保证生产可用，而不是默认打开让开发者在生产环境踩坑。
box 类型可能是最有想象空间的增量。把「看得见」变成「能定位」，很多自动化流程的最后一环就补上了。
但官方网站和文档里反复强调：这些都在 danger zone。如果你的线上应用依赖 Jev 做决策，先别急着切。拿 jev-preview 跑测试，等 jev-latest 切过去再说。
Jev 估值 75 亿美元。这次更新撑不撑得住，看开发者买不买账。