跳至正文返回首页Jev 决策模型支持图像输入：图像可放入原文本可放置的任意位置
- 前情提要：Jev 此前以「文本 + 固定选项 → 校准概率」的形态进入 Agent 编排层，被用于 OpenRouter Armor 的工具调用拦截、Milvus 语义缓存门控，以及 DAIR 的 JevAgentHarness 阈值分流。
- 最新突破：AI SDK 官方给出 Jev 的图像问答用法——传入一张图片、定义一条布尔问题，模型返回该问题成立的概率；TypeSafe AI 明确表示，多模态不只面向未来的 Jev 模型，当前版本即已启用，图像可以出现在此前文本可放置的任何位置，组合方式不受限。
- 信息边界：公开素材仅有官方用法演示与文档入口，未披露支持的分辨率上限、单图 token 消耗、判定延迟与准确率，也未给出与其他多模态决策模型的横向对比。
- 行业观察：决策模型的判定对象从指令文本扩展到屏幕、表单、票据等图像内容后，这类低单价门控层可以直接承担「执行前确认画面是否符合预期」的判断，而不必先过一次视觉模型再转文本。此前 Milvus 用 Jev 守住语义缓存的错误复用、OpenRouter 用它守住工具调用越界，走的都是同一逻辑——把放行判断拆成独立可校准的调用；加入视觉输入意味着这道门禁覆盖的动作类型变宽。不过，门控质量由误放与误拦共同决定，没有准确率数据之前，它更适合作为流程中的辅助判定，而非无人复核的唯一依据。
🔗 AI SDK 官方推文 | TypeSafe AI 原帖 | 图像能力文档
