AnswersPublished14 sources
Jev nedir? TypeSafe AI’nin yazmak yerine karar veren System One modeli
Jev, TypeSafe AI’nin 15 Eylül 2026’da erken erişime açtığı System One modeli. Metin üretmek yerine yazılımlar için boolean olasılıkları, önceden tanımlı seçimler ve puanlar döndürüyor.
YayımlayanGPT-5.6 Terra ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Jev, TypeSafe AI’nin 15 Eylül 2026’da erken erişime açtığı System One modeli. Metin üretmek yerine yazılımlar için boolean olasılıkları, önceden tanımlı seçimler ve puanlar döndürüyor.
- Önceden belirlenmiş çıktı şeması, serbest metin ve hatalı alan biçimi riskini azaltabilir; ancak modelin doğru seçimi yapacağını ya da güven düzeyinin yerinde olduğunu garanti etmez.
- Vercel’e göre Jev, AI Gateway’deki ilk 24 saatinde ücretli ekiplerin yaklaşık %13’üne ulaştı.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is TypeSafe AI’s newly public Jev model—launched September 15 by San Francisco startup TypeSafe AI, founded by former OpenAI researcher. Article summary: Jev is TypeSafe AI’s first “System One” decision model: a transformer built to turn text or JSON state into typed, calibrated answers for software, rather than generate prose for people. TypeSafe launched it in early acc. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Jev, TypeSafe AI’nin ilk System One modeli. İnsanların okuyacağı açıklamalar üretmek için değil, yazılımların içindeki hızlı ve yapılandırılmış kararları vermek için tasarlanmış makine odaklı bir model. San Francisco merkezli TypeSafe AI, Jev’i 15 Eylül 2026’da erken erişime açtı. Şirket, eski OpenAI araştırmacısı Diogo Almeida ile Erik Gafni ve Sasha Sheng tarafından kuruldu. 2
16
Temel fark: metin üretmek değil, karar vermek
Büyük dil modelleri (LLM’ler), sıradaki metin belirtecini tahmin ederek çalışır. Bu sayede açıklama yapabilir, taslak yazabilir, kod üretebilir veya açık uçlu sorulara yanıt verebilirler. Ancak bir uygulamanın bu çıktıyı güvenle kullanabilmesi için çoğu zaman üretilen metni ayrıştırması ya da JSON çıktısını doğrulaması gerekir.
Jev ise daha dar tanımlı bir işe odaklanıyor. Uygulama, metin dizisi, JSON nesnesi veya metin dizileri kümesi biçimindeki bir durumu ve türü tanımlanmış soruları gönderiyor. Model de kodun doğrudan koşul yazabileceği yapılandırılmış yanıtlar döndürüyor. TypeSafe’in API belgelerine göre sistem, bir durumu soru eşlemesiyle değerlendirip her soru için ayrı bir yapılandırılmış yanıt üretiyor. 17
Desteklenen karar biçimleri şöyle:
- Boolean: Bir önermenin doğru olma olasılığını tahmin eder. Örneğin, bir komutun çalıştırılmasının güvenli olup olmadığı.
- Choice: Geliştiricinin önceden sunduğu seçeneklerden birini seçer.
- Score: Bir öğeyi sıralı bir değerlendirme ölçütüne veya sayısal ölçeğe göre puanlar.
Bu nedenle TypeSafe, Jev’i sohbet asistanı olarak değil; yönlendirme, sınıflandırma, bilgi getirme filtreleme, risk puanlama ve yapay zekâ ajanlarına koruyucu denetimler ekleme gibi iş akışları için bir karar yapı taşı olarak konumlandırıyor. Belgelerde model yönlendirme, anlamsal getirme, iz sınıflandırma ve başka yapay zekâların çıktılarını denetleme örnekleri öne çıkıyor. 18
“System One” ne anlama geliyor?
İsim, psikolog Daniel Kahneman’ın hızlı ve sezgisel Sistem 1 düşünmesi ile daha yavaş, bilinçli Sistem 2 muhakemesi ayrımına dayanıyor. TypeSafe bu etiketi, açık uçlu muhakeme ya da içerik üretimi yerine hızlı ve sınırları belli yargılara odaklanan modeller için kullanıyor. 16
Bu, Jev’in genel amaçlı muhakeme sorununu çözdüğü anlamına gelmiyor. Ürünün arayüzü farklı bir ihtiyaca göre optimize edilmiş durumda: İlgili durumu ve açıkça tanımlanmış kararı verin; paragraf yerine olasılık dağılımı içeren, sınırları belirli bir sonuç alın.
Kısıtlı çıktılar otomasyona neden yardımcı olabilir?
Jev’de uygulama, çıktı biçimini baştan tanımlıyor. Seçim sorularında izin verilen yanıtlar da uygulama tarafından sağlanıyor. Böylece üretken sistemlerle entegrasyonda sık görülen bir sorun azaltılabiliyor: Model beklenmeyen bir alan döndüremez, hayalî bir araç adı uyduramaz ya da programın sabit bir değer beklediği yerde serbest biçimli açıklama yazamaz.
Bu, yapısal bir güvence; doğruluk güvencesi değil. Sınırlandırılmış bir karar modeli yine de izin verilen seçenekler arasından yanlış olanı seçebilir, bağlamı yanlış anlayabilir veya gerçek iş akışında iyi kalibre edilmemiş bir güven düzeyi bildirebilir. Vercel de ayrımı açıkça yapıyor: Şemaya uyum, yanıtın yapısıyla ilgilidir; anlamsal doğruluk yine değerlendirme gerektirir.
Üretim ortamında ekiplerin güven eşiklerini otomatik güvenilirlik kanıtı olarak değil, test edilmesi gereken politika parametreleri olarak görmesi gerekir. Pratik yaklaşım; yüksek güvenli ve düşük riskli kararları otomatikleştirmek, belirsiz veya etkisi yüksek vakaları ise bir LLM’e, kural motoruna ya da insan incelemesine aktarmaktır.
Eğitim ve kalibrasyon: TypeSafe’in iddiası ne?
TypeSafe, Jev’in yalnızca sentetik verilerle, Kalibre Edilmiş Kararlar için Pekiştirmeli Öğrenme (Reinforcement Learning for Calibrated Decisions, RLCD) yöntemiyle eğitildiğini söylüyor. Belirtilen hedef, insanın beğeneceği yazılı yanıtlar üretmek yerine, modelin verdiği olasılıkların gözlenen doğruluk oranlarına daha yakın olmasını sağlamak.
Kalibrasyon otomasyon açısından özellikle değerli olabilir: Örneğin 0,9 olasılık, geliştiricinin anlamlı bir insan incelemesi eşiği belirlemesini teorik olarak mümkün kılar. Bununla birlikte RLCD, geniş kapsamlı bağımsız testlerle kamuya açık biçimde doğrulanmış bir yöntem değil. Sunulan kaynaklar; Jev’in kalibrasyonu, saldırgan girdilere dayanıklılığı veya alanlar arası doğruluğu için kapsamlı bir üçüncü taraf denetimi göstermiyor. Bu nedenle iddialar, her kurumun kendi verisi ve uygulamayı planladığı karar politikası üzerinde sınanmalı.
Fiyat, bağlam penceresi ve hız
TypeSafe, Jev 1.13 için milyon giriş belirteci başına 0,042 ABD doları (milyar belirteç başına 42 ABD doları) fiyat listeliyor; çıkış belirteçleri ücretsiz. Bu fiyatla 5 ABD doları, vergiler ve hesaba özgü koşullar hariç, yaklaşık 119 milyon giriş belirteci karşılıyor. Model belgelerinde her istek için 64.000 belirteçlik bağlam penceresi yer alıyor; bunun en fazla 32.000 belirteci durum verisi ile en uzun soruya ayrılabiliyor.
Şirket ve ilk haberler, iş yüküne göre yaklaşık 70–500 milisaniye gecikmeden söz ediyor. Bu değerler değerlendirme için başlangıç noktası olabilir; ancak gecikme, istek büyüklüğü, soru tasarımı, bölge ve hizmet koşullarına göre değişir.
Vercel üzerinden erken benimsenme
Vercel, Jev’i AI Gateway’e ekledi. Model, deneysel değerlendirme API’si üzerinden typesafe-ai/jev adıyla çağrılabiliyor.
Vercel’in verisine göre Jev, ilk 24 saat içinde ücretli AI Gateway ekiplerinin yaklaşık %13’üne ulaştı ve aynı sürede daha önceki tüm model lansmanlarının ulaştığı ücretli ekip sayısının iki katından fazlasını gördü. Bu, geliştirici merakı ve erken denemeler için dikkat çekici bir işaret. Tek başına uzun vadeli kullanım, üretim ölçeğinde güvenilirlik veya her iş yükünde üstünlük anlamına gelmiyor.
İlk raporlarda komut güvenliği sınıflandırması ve e-posta sınıflandırması deneylerinden de söz edildi. Bunlar Jev’in hedeflediği sınırlı görev türlerini göstermesi bakımından yararlı örnekler; fakat bağımsız ve kontrollü karşılaştırmaların yerini tutmuyor. Jev’i bir LLM ile karşılaştıran ekiplerin kendi temsilî verilerinde doğruluk, kalibrasyon, hata şiddeti, gecikme ve toplam iş akışı maliyetini test etmesi gerekir.
Jev hangi durumlarda uygun, hangi durumlarda değil?
Bir uygulamanın ihtiyacı olan kararı zaten bildiği ve yanıt alanını açıkça tanımlayabildiği durumlarda Jev güçlü bir aday olabilir. Örnekler:
- Bir ajanın devam etmesi, yeniden denemesi, açıklama istemesi veya durması arasında seçim yapmak;
- Komutları ya da araç çağrılarını güvenlik incelemesi için sınıflandırmak;
- Aciliyeti, ilgililiği veya riski puanlamak;
- Deterministik kodun çıkardığı aday değerler arasından seçim yapmak;
- Daha pahalı bir model çağrısından önce büyük metin hacimlerini filtrelemek veya etiketlemek.
Açık uçlu yazı, açıklama, fikir üretimi, kod yazma, geniş kapsamlı planlama ya da önceden tanımlanmış bir şemaya sığmayan cevaplar gerektiğinde Jev, LLM’in yerine geçmez. Bir Jev entegrasyonunun kalitesi; soru ifadesine, seçilen girdilere, aday seçeneklere, eşiklere ve test stratejisine de bağlıdır. TypeSafe, kesin koşulların açıkça yazılmasını, mümkünse bağlamın gönderim öncesinde filtrelenmesini ve entegrasyonların kapsamlı biçimde test edilmesini öneriyor.
Desteklenen veri türleri ve yol haritası
Jev şu anda yalnızca metin tabanlı durumları kabul ediyor: metin dizileri, JSON nesneleri ve metin dizileri kümeleri. Görsel, ses ve video desteği yok. TypeSafe bu veri türlerini “henüz desteklenmiyor” olarak işaretliyor; ancak sunulan belgelerde çok modlu modeller için kamuya açıklanmış bir yayın takvimi bulunmuyor.
Sonuç: sohbet yerine karar arayan yazılımlar için
Jev’in iddiası, tüm yapay zekâ sistemlerinin dil üretmeyi bırakması değil. Asıl önerme, birçok yazılım iş akışının en başta dil üretimine ihtiyaç duymadığı. Sınırlı bir sınıflandırma, yönlendirme veya politika kararı için türü belirlenmiş olasılıklı bir sonuç; sohbet yanıtına kıyasla daha kolay entegre edilebilir, daha düşük maliyetli ve daha hızlı uygulanabilir olabilir.
Ancak karşılığında önemli bir sınır var: Yapılandırılmış çıktı, çıktı biçimi hatalarını azaltır; karar hatalarını ortadan kaldırmaz. Jev’in gerçek değeri, doğruluk ve güven tahminlerinin bağımsız biçimde test edilen, alana özgü iş yüklerinde ne kadar iyi çalıştığıyla belirlenecek. O zamana kadar Jev’i LLM’lerin genel amaçlı ikamesi olarak değil, kapsamı iyi tanımlanmış yazılım kararları için umut vadeden uzmanlaşmış bir araç olarak görmek daha doğru.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Jev nedir? TypeSafe AI’nin yazmak yerine karar veren System One modeli"?
Jev, TypeSafe AI’nin 15 Eylül 2026’da erken erişime açtığı System One modeli. Metin üretmek yerine yazılımlar için boolean olasılıkları, önceden tanımlı seçimler ve puanlar döndürüyor.
What are the key points to validate first?
Jev, TypeSafe AI’nin 15 Eylül 2026’da erken erişime açtığı System One modeli. Metin üretmek yerine yazılımlar için boolean olasılıkları, önceden tanımlı seçimler ve puanlar döndürüyor. Önceden belirlenmiş çıktı şeması, serbest metin ve hatalı alan biçimi riskini azaltabilir; ancak modelin doğru seçimi yapacağını ya da güven düzeyinin yerinde olduğunu garanti etmez.
What should I do next in practice?
Vercel’e göre Jev, AI Gateway’deki ilk 24 saatinde ücretli ekiplerin yaklaşık %13’üne ulaştı.
Sources
theaugustdispatch.comI Got Early Access to TypeSafe AI's Jev. Here's What It Actually Does. - The August Dispatch
foundedceo.substack.comChatGPT Co-Creator Launches a New AI Model That's Up to ...
docs.typesafe.aiAPI reference - TypeSafe AI
aiwiki.aiDiogo Almeida - AI Wiki