博客

TopxAI 上线 Jev 1.14：能看图、能框位置，图片怎么计费

2026-10-16 · typesafe, jev, system-one, images, api, topxai

Jev 1.14 替换 1.13，价格不变，开始支持图片。我们实测了 Box 的定位精度、各尺寸图片的 token 数，以及实际的尺寸下限。

TypeSafe 在 10 月 14 日发布了 Jev 1.14，TopxAI 从今天起用 jev-1.14.0 替换 jev-1.13.0。价格不变：每百万输入 token 0.04494 美元，是 TypeSafe 牌价 0.042 美元的 107%，输出仍然免费。新东西是 Jev 能看图了，另外多了第四种问题 Box，用来回答「某样东西在图里哪个位置」。

TypeSafe 把图片和 Box 标为 "Dreamer-ready"：做原型够用，还没达到 TypeSafe 自己的生产标准，版本之间可能会变。下面的数字都是 10 月 16 日经 TopxAI 调用线上 API 测出来的，只代表当天的情况。

老用户要改什么

请求里写 jev-1.14.0。jev-latest 和 jev-preview 照常能用，作答的都是 jev-1.14.0，所以不管发哪个名字，响应里的 model 都是 jev-1.14.0。这一点和 TypeSafe 官方 API 不一样，当天官方的 jev-latest 还指向 1.13。TopxAI 向上游发送的是目录里的版本号，这样请求不会落到我们没在卖的版本上。jev-1.13.0 已经下线，请求它会收到 403。阈值是在 1.13 上调出来的，最好把测试集重新跑一遍：我们同一道 noul 题，1.13 答 0.95，1.14 答 0.96，接近，但不完全一样。

怎么发图

每张图在顶层 assets 里登记一次，键是一个引用字符串，然后在需要这张图的地方写上这个字符串，可以是 state，也可以是某个问题的 instructions 或 criteria。在 TopxAI 上不用自己加 TypeSafe 要求的 TypeSafe-Danger-Zone-Images 请求头，请求里只要有图片或 Box 问题，中转服务会自动加上。

{
  "model": "jev-1.14.0",
  "state": { "photo": "8d2f4c1e-shapes" },
  "assets": {
    "8d2f4c1e-shapes": { "type": "image", "format": "png", "data_base64": "iVBORw0KGgo..." }
  },
  "questions": {
    "red": { "type": "noul", "instructions": "Is there a red rectangle in `photo`?" },
    "where": { "type": "box", "instructions": "the red rectangle in `photo`" }
  }
}

测试图是 800 × 600 像素，红色矩形横向从 480 到 680、纵向从 150 到 400，蓝色圆形横向从 80 到 260、纵向从 300 到 480。换成比例，矩形横向占 0.60 到 0.85，纵向占 0.25 到 0.67。Jev 几次回答都是 left 0.59, right 0.85, top 0.25, bottom 0.69 左右，confidence 在 0.5 到 0.6 之间。圆形的真实位置是横向 0.10 到 0.33、纵向 0.50 到 0.80，Jev 答 left 0.10, right 0.33, top 0.48, bottom 0.82，confidence 0.88。问「图里有没有红色矩形」的 noul 得 0.94；同一道题，state 里不放图，得 0.03。

Box 永远会返回一个框。拿一张厨房照片问 "the giraffe in photo"，照样会返回四条边，所以上面的例子同时问了一道 noul。noul 很低的时候，框就别用了。

官方 SDK 不用改

TypeSafe 的 Python SDK 0.7.5 和 JavaScript SDK 0.7.0 用 multipart/form-data 上传图片（JSON 请求体放在名为 request 的段里，每张图单独一段），并用 zstd 压缩较大的请求体，Python SDK 把我们 6 KB 的测试请求压到了 97 字节。两个 SDK 把 TYPESAFE_BASE_URL 设成 https://ai.topxea.com 都能直接用：我们用两个 SDK 各发了一张图，带 noul、choice 和 Box 三道题，也发了那个压缩过的文字请求。JavaScript SDK 需要 Node.js 22 或更高版本。

from pathlib import Path
from typesafe_sdk import Box, Image, Noul, TypeSafeClient

with TypeSafeClient() as client:  # 读取 TYPESAFE_BASE_URL 和 TYPESAFE_API_KEY
    result = client.system_one(
        state={"photo": Image(Path("shelf.jpg"))},
        questions={
            "has_mug": Noul(instructions="Is there a coffee mug in `photo`?"),
            "mug": Box(instructions="the coffee mug in `photo`"),
        },
    )
    print(result.model, result.answers, result.usage)

一张图要多少钱

图片不单独定价，按输入 token 计，算在 usage.input_tokens 里。TypeSafe 还没公布怎么数图片 token，我们用同一道题配不同尺寸的图各发一次，减去纯文字请求的基线：

公式和实测最多差两个 token，差的那点来自引用字符串：图片替换掉了这个字符串本身的 token。引用每出现一次，图片就多算一份，同一张图写进三道题的 instructions，就付三份钱。几道题共用的图，放进 state 一次，再按路径引用。图片的 token 也占上下文：单次请求 64k，state 加任意一道题不超过 32k，所以一个 state 里最多放五张左右的满尺寸图。

尺寸下限是 280 像素，不是 256

TypeSafe 文档写每条边 256 到 1568 像素。实际上，任何一条边不到 280 像素都会被拒，报 "Invalid image dimensions"：279 × 400 和 400 × 279 失败，280 × 400、1568 × 280、280 × 280 都通过。上限这头和文档一致，1600 × 1200 失败。API 不会替你缩放，一张图不合格，整个请求返回 400。TopxAI 会把 TypeSafe 的原始说明转给你，不收费。发送前把最长边缩到 1568 以内，最短边保持 280 以上，并把像素本身转正，因为 API 会丢掉 EXIF 里的方向信息。

适合拿来做什么

需要代码拿到一个裁切区域或位置、而原本要靠人去画框的场景，Box 用得上：扫描件上的签名栏，商品图里的商品，门口摄像头画面里的人。便宜的做法是先用 noul 确认目标在不在，再用 Box 找位置，需要看细节时把裁出来的小图带着第二个问题再发一次。要求每次都对的流程，低 confidence 的结果仍然交给人或者更强的视觉模型处理。TypeSafe 还没给出 Box 的推荐阈值，我们这次的数字来自合成图形，不是你的图片。

请求格式、multipart 规则和错误码，都整理在 Jev 文档 里。

模型：jev-1.14.0 · 模型与价格

相关

• Jev（TypeSafe System One）
• TypeSafe Jev：只给判断、不写文字的 System One 模型
• Jev 1.14.0 API pricing
• 请求怎么计费
• 在 TopxAI 升级到 Claude Sonnet 5.5
• 在 TopxAI 升级到 GPT-6.1 Sol

其他语言：English