Поза прозою моделей: Jev і ставка на рішення без тексту

Уже три роки ринок штучного інтелекту вимірює власний поступ майже винятково здатністю видавати дедалі довші й вигадливіші тексти. TypeSafe AI оголосила про Jev дописом у корпоративному блозі від 15 вересня 2026 року — перші незалежні публікації з'явилися 16 та 17 вересня — і відкрила ранній доступ до моделі як до першої в класі, який компанія називає «System One Models». Модель повністю відмовляється від породження прози й подає себе як доповнення, а не заміну класичним LLM: Jev приймає лише неструктурований, винятково текстовий стан і наперед задану схему, а повертає типізовані значення з відповідними ймовірностями. Документація передбачає три примітиви рішення: Choice (вибір з-поміж варіантів), Score (оцінка) і Noul (булеве значення). Компанія в такий спосіб цілиться в ті місця програмного ланцюга, де потрібне швидке маршрутування, а не розмірковування.

Для версії jev-1.13.0 документація вказує ціну 0,042 долара за мільйон вхідних текстових токенів за безкоштовного виходу й уточнює, що система не приймає форматів зображення, аудіо чи відео. На власній головній сторінці TypeSafe AI заявляє швидкість до 193,6 раза вищу й вартість у 444,6 раза нижчу, ніж у передових моделей, із затримками від 70 до 500 мілісекунд; у дописі про запуск, утім, перевага (там названа в межах від 40 до 200 разів) обмежена запитами «типу System One» за однакового рівня інтелекту. Неавторегресивна архітектура, заснована на методі Reinforcement Learning for Calibrated Decisions (RLCD), видає результат паралельно, а не токен за токеном. Заявлені в документації межі — 250 000 токенів на секунду або 1200 запитів на хвилину, з контекстним вікном 64k токенів на запит і обмеженням 32k на стан разом із питанням.

Проте в цій картині є кілька непевних місць, які варто назвати прямо. В офіційному дописі про запуск TypeSafe AI відкрито визнає: значення 0%, приписане помилкам типів на її власних графіках, походить не з емпіричних вимірювань, а зі структурної гарантії наперед заданої схеми, яка в корені унеможливлює вивід хибної форми, але сама собою не гарантує правильності рішення. До того ж порівняння продуктивності спираються на внутрішні оцінювання під назвою «workflow evals», проведені прогоном конкурентних моделей через власний пропрієтарний адаптер самої TypeSafe AI, без підтверджень на публічних сторонніх бенчмарках. Повідомлення про посівне фінансування на 40 мільйонів доларів на чолі з DCVC теж надходить від сторонніх джерел на кшталт TAO Media й не має прямого підтвердження в офіційних каналах компанії.

Замінити творчу свободу прози суворістю типізованої схеми — прагматична здогадка, що відповідає на реальні потреби архітектури програмного забезпечення. Лишається перевірити, чи витримають калібрування ймовірностей і обіцяні швидкості випробування незалежними бенчмарками та роботою в полі. — Olya