Новая AI-модель Jev от компании Typesafe AI представлена как более быстрый и дешевый класс решений для задач, где искусственному интеллекту нужно не генерировать текст, а мгновенно принимать типизированное решение: выбрать вариант, выставить оценку или ответить «да» либо «нет».
Что такое Jev и почему вокруг модели возник ажиотаж
Jev разработал бывший исследователь OpenAI Диего Алмейда, работавший над направлением следования инструкциям, которое в итоге стало одной из основ ChatGPT. Его компания Typesafe AI, привлекла 40 млн долларов и около двух лет разрабатывала модель в закрытом режиме.
Главная особенность Jev заключается в том, что это не привычная большая языковая модель для диалогов, написания кода или эссе. Напротив, модель лишена привычного текстового вывода и ориентирована на строго заданные форматы ответа.
Jev описывается как модель, которая не «болтает», а возвращает конкретный типизированный результат.
Чем Jev отличается от обычных языковых моделей
Обычные LLM часто отвечают развернуто даже на простые запросы. Если попросить модель вернуть только «истина» или «ложь», она может начать длинное рассуждение, потратить тысячи токенов и все равно выдать неоднозначный результат.
Jev предлагает другой подход: запрос к модели формулируется как строго типизированный вопрос, а ответ должен соответствовать заранее заданной схеме. По описанию, модель поддерживает три основных формата:
- выбор — модель выбирает один вариант из заданного набора;
- оценка — модель возвращает числовой показатель или балл;
- булев ответ — модель отвечает в формате «да» или «нет».
Авторы подхода утверждают, что соответствие схеме гарантировано, а ошибка типа математически невозможна. Именно поэтому в названии компании Typesafe AI подчеркивается идея типобезопасности, знакомая разработчикам по языкам программирования вроде TypeScript.
«Система 1»: быстрые решения вместо долгих рассуждений
Jev называют моделью «Системы 1» — отсылкой к книге Даниэля Канемана «Думай медленно, решай быстро». В этой концепции «Система 1» отвечает за быстрые интуитивные реакции, а «Система 2» — за медленное и последовательное рассуждение.
В контексте искусственного интеллекта это означает, что Jev предназначена не для сложных цепочек размышлений, а для быстрых классификаций и решений.
Заявленные преимущества: скорость, стоимость и отсутствие лишнего вывода
Jev может быть:
- примерно в 200 раз быстрее обычных крупных моделей;
- примерно в 400 раз дешевле;
- выгоднее за счет бесплатных выходных токенов;
- менее склонной к галлюцинациям, поскольку не генерирует свободный текст.
При этом важно учитывать, что речь идет о заявленных показателях и бенчмарках, требующие независимой проверки.
Где может применяться Jev
Модель такого типа может быть полезна в задачах, где нужен быстрый классификатор, а не полноценный чат-бот. Например, разработчики могут использовать Jev для модерации, фильтрации контента, оценки риска, выбора сценария поведения или принятия простого решения в реальном времени.
Калиброванная уверенность вместо самоуверенных ответов
Хотя Jev возвращает типобезопасный результат, это не означает, что он всегда верный. Как и другие модели машинного обучения, она может давать разные ответы на один и тот же запрос и не является полностью детерминированной.
Для оценки качества ответа используется так называемое калиброванное число уверенности. Например, если модель указывает уверенность 60%, это должно означать, что в похожих случаях она права примерно в 60% случаев.
Архитектура Jev пока не раскрыта
Один из главных вопросов — как именно работает Jev. Точная архитектура модели не раскрывается: компания держит детали «при себе», а научная публикация может появиться позже.
Это вызывает скепсис у части сообщества. Некоторые разработчики считают, что Jev может быть близка к давно известным zero-shot-классификаторам, которые позволяют решать задачи классификации без отдельного обучения под каждый конкретный набор меток.
Критика и open-source-альтернативы
Кроме того, один из разработчиков утверждает, что его статья, опубликованная годом ранее, описывает практически тот же подход, что и Jev. Другой разработчик уже создал проект OpenJV, который воспроизводит интерфейс Jev, считывая вероятности вариантов из замороженной модели Qwen 4B за один прямой проход.
Такой прототип не требует дополнительного обучения, может работать на видеокарте RTX 3090 и даже имеет демонстрацию для запуска в браузере через WebGPU.
Почему Jev важна для рынка ИИ
Если заявленные характеристики подтвердятся, Jev может занять отдельную нишу между классическими классификаторами и крупными языковыми моделями. Для многих прикладных задач разработчикам не нужен длинный текстовый ответ — им нужен быстрый, дешевый и структурированный результат.
Именно поэтому Jev может быть особенно интересна для:
- модерации пользовательского контента;
- антиспам-систем;
- быстрых бизнес-решений на основе неструктурированного текста;
- игрового искусственного интеллекта;
- приложений реального времени;
- автоматической маршрутизации запросов;
- оценки качества, риска или соответствия правилам.
Итог
Jev представлена как новая модель для быстрых типизированных решений, которая не конкурирует напрямую с чат-ботами в генерации текста, а решает другую задачу: мгновенную классификацию с предсказуемой структурой ответа.
Однако вокруг технологии остаются вопросы: архитектура не раскрыта, независимые тесты пока необходимы, а часть сообщества видит в Jev развитие уже известных идей zero-shot-классификации. Тем не менее сама концепция дешевого, быстрого и типобезопасного AI-решателя может стать важным направлением для разработчиков приложений.
На основе An ex-OpenAI researcher just deleted language from the LLM...