Как работает Jev — модель для решений, а не для переписки

Если программе нужно распределить обращения по категориям, ей полезнее получить готовую категорию, чем абзац с рассуждениями. Для таких задач TypeSafe AI создала Jev — свою первую модель класса System One. Она получает контекст приложения и вопросы с заранее определёнными типами ответов, а затем возвращает структурированное решение вместо текста для беседы. Ранний доступ к Jev открыли в сентябре 2026 года. 1210

Кто стоит за Jev и в чём идея

Сооснователь и генеральный директор TypeSafe Диогу Алмейда ранее работал в OpenAI. Среди других сооснователей публикации называют Эрика Гафни и Сашу Шэн. Исходная идея компании: во многих сценариях автоматизации ИИ должен быстро решить, как направить заявку или выполняется ли заданное условие. Если модель отвечает развёрнутым текстом, другой программе ещё приходится извлекать из него решение. 101520

Как приложение получает ответ

Обычная языковая модель формирует ответ токен за токен, даже когда в итоге нужен один вариант из нескольких. Jev тоже построена на трансформерной архитектуре, но работает через типизированные вопросы: приложение передаёт контекст и заранее задаёт допустимый вид ответа. Модель может выбрать вариант из предложенного списка, выставить оценку по шкале или вернуть вероятность для вопроса с ответом «да» или «нет». Такой результат рассчитан на непосредственное использование в коде. 5710

К решениям Jev прилагаются вероятности или показатели уверенности. TypeSafe стремится к их калибровке: если модель часто оценивает уверенность определённым образом, эта оценка должна соответствовать доле верных решений в подобных случаях. Теоретически такой сигнал помогает решить, когда действовать автоматически, а когда передать случай человеку. Но уверенность не равна гарантии: ограничение формата защищает от неожиданного вида ответа, а не от неверного вывода. 5912

Обучение, скорость и цена

TypeSafe называет свой метод обучения Reinforcement Learning for Calibrated Decisions (RLCD) — «обучение с подкреплением для калиброванных решений». Компания также сообщает о новой архитектуре и параллельном механизме выборки. Доступных описаний недостаточно, чтобы независимо оценить метод или проверить калибровку вероятностей на разных задачах. 112

В публикациях указана цена $0,042 за миллион входных токенов; плата за выходные токены не взимается. Сообщаемое время ответа от запроса до результата — примерно 70–500 миллисекунд. Это характеристики предложения по опубликованным данным, а не гарантия для любого внедрения. TypeSafe утверждает, что на целевых задачах Jev приближается по качеству к большим языковым моделям при заметно большей скорости и эффективности. Масштаб преимущества зависит от задачи и способа сравнения; широких независимых подтверждений пока мало. 12814

Доступность и первые результаты

Jev предлагают в раннем доступе как размещённую у поставщика модель. Сообщается об HTTP API и инструментах разработки для Python и JavaScript. TypeSafe не опубликовала веса модели и не предложила вариант для самостоятельного размещения. Публикации расходятся в оценке того, насколько широко открылся доступ после запуска, поэтому ранний доступ не стоит путать со свободно скачиваемым релизом. 2719

Первые сообщения описывают эксперименты разработчиков и интеграции. По одной из публикаций, Vercel назвала Jev моделью, которую быстрее всего начали использовать через её AI Gateway — сервис подключения моделей к приложениям. Это ранний признак интереса, но не доказательство длительного использования или независимое подтверждение заявленной производительности. 1620

TypeSafe представляет Jev как первую модель более широкого класса System One. У опубликованных материалов нет подтверждённых характеристик следующей версии или твёрдой даты её выпуска. Пока главное отличие Jev — узкая специализация: вместо текста со свободной формулировкой она выдаёт решения в формате, с которым программа может работать напрямую. 17