Jev - TypeSafe AI

Три типизированных примитива вопросов

TypeSafe предоставляет три примитивных типа вопросов: Choice (выбор), Score (оценка) и Noul (суждение да/нет). Choice выбирает один вариант из заданного списка, Score оценивает контент по упорядоченным уровням, а Noul оценивает утверждение «да/нет». Каждый возвращает типизированный ответ с вероятностями и уверенностью.

Параллельная оценка

Все вопросы в одном запросе оцениваются параллельно на основе одного состояния. Добавление вопросов почти не меняет время ответа, а независимая оценка предотвращает порчу контекста (context-rot) между вопросами.

Калиброванная уверенность и вероятности

Каждый ответ Choice и Score включает оценку уверенности и распределение вероятностей. Программное обеспечение может ветвиться, сортировать и маршрутизировать на основе этих значений, а при низкой уверенности — передавать на ручную проверку.

Ноль галлюцинаций, типобезопасные выходы

Возможные выходы определены заранее, а слой генерации текста полностью пропущен. Модель никогда не совершает ошибок типов и не может создавать контент вне объявленной структуры, что TypeSafe называет нулевым уровнем галлюцинаций.

Машинная скорость и стоимость

Jev оценивает все вопросы на основе состояния в одном запросе с помощью параллельного семплера. TypeSafe позиционирует его как примерно на два порядка быстрее и дешевле существующих LLM на задачах System One, по цене 42 доллара за миллиард входных токенов.

• Службы поддержки: классифицируют входящие тикеты по отделу, срочности и степени недовольства клиента с помощью трех параллельных вопросов в одном запросе.

• Контент-платформы: фильтруют сообщения, поступающие в LLM-приложение и выходящие из него, устанавливая пороги опасности для пропуска, проверки, блокировки или маршрутизации.

• Чат-боты поддержки: классифицируют намерение пользователя, затем направляют каждый запрос в детерминированную логику, специализированную LLM или человеку.

• Команды данных: извлекают структурированные поля, такие как даты, электронные письма и суммы, из документов, разрешая кандидатов в коде с проверкой на основе уверенности.

• Инженеры поиска: оценивают релевантность извлеченных фрагментов или пар кандидатов и ранжируют результаты до того, как они попадут в отвечающую модель.

Что такое System One Models и что такое Jev?

System One Models — это новый класс моделей ИИ, созданных для принятия решений внутри программного обеспечения, а не для чата. Jev — первая публичная модель System One от TypeSafe, оптимизированная для автоматизации. Вы отправляете Jev структурированные вопросы вместе с состоянием, и он возвращает типизированные решения с вероятностями и уверенностью, которые ваш код может использовать напрямую.

Jev — это просто меньший LLM?

Нет. Jev использует другую архитектуру, параллельный семплер и другой метод обучения RLCD (Reinforcement Learning for Calibrated Decisions). Он полностью отказывается от генерации строк и оптимизирован для структурированных, типобезопасных выходов, поэтому на задачах принятия решений он гораздо быстрее и дешевле LLM.

Чем это отличается от JSON-режима или структурированных выходов?

JSON-режим по-прежнему генерирует свободный текст, который нужно разбирать и проверять, и модель может производить некорректный или галлюцинированный контент. Jev пропускает слой генерации текста, поэтому возможные выходы и структура определены заранее, не оставляя модели возможности галлюцинировать или допускать ошибки типов.

Почему Jev такой быстрый и недорогой?

Jev оценивает каждый вопрос на основе состояния в одном параллельном запросе, а не генерирует токены последовательно. Параллельный семплер плюс лаконичная архитектура делают его примерно на два порядка быстрее и дешевле; по бенчмаркам он в 193,6 раза быстрее и в 444,6 раза дешевле LLM-процессов на задачах System One.

Может ли Jev все же ошибаться?

Да. Jev возвращает калиброванные вероятности и уверенность, а не гарантию правильности, поэтому ответы несут честные оценки неопределенности. При низкой уверенности ожидается, что ваше ПО передаст запрос рецензенту или другой модели — это и есть задумка системы.

Как начать работу?

Создайте бесплатную учетную запись на console.typesafe.ai, получите API-ключ и откройте Playground, чтобы протестировать вопросы на образце состояния. Для кода отправьте POST-запрос на конечную точку systemone с псевдонимом модели, например jev-latest, или установите Python или JavaScript SDK.

• Откройте Playground на console.typesafe.ai и войдите, чтобы протестировать Jev с образцом текста и смешанными типами вопросов без написания кода.

• Создайте учетную запись и получите API-ключ на панели управления. TypeSafe открыт для всех, поэтому список ожидания или одобрение не требуются.

• Отправьте POST-запрос на конечную точку systemone с состоянием, именем модели, например jev-latest, и типизированными вопросами, описывающими решения, которые нужны вашему коду.

• Читайте структурированный ответ прямо в коде. Каждый ответ включает выбранный вариант, оценку или значение noul с вероятностями и уверенностью, готовыми для ветвления.

• Установите клиентский SDK для упрощения интеграции. Python-пакет — typesafe-sdk, а JavaScript SDK доступен в реестре TypeSafe с типизированными объектами запроса и ответа.

• Добавьте TypeSafe agent skill в Claude Code или Codex, чтобы агент использовал вопросы System One при сборке, одной командой установки.