Что такое Jev
Jev — первая модель класса System One от TypeSafe AI, AI-лаборатории из Сан-Франциско. Ранний доступ открыт 25 сентября 2026 года. Генеральный директор компании — Диогу Алмейда; по данным TypeSafe AI, он участвовал в создании RLHF и InstructGPT — методов, на которых построен ChatGPT.
Задача модели — не разговор, а решения внутри софта: классифицировать, оценить, выбрать ветку процесса там, где правила на if-else слишком хрупкие, а полноценная LLM слишком медленная и дорогая. Модель вызывается через HTTP API (POST /v1/systemone) или SDK для Python и JavaScript.
Как работает
Запрос состоит из состояния (state) — текста или JSON с контекстом — и набора вопросов. Все вопросы оцениваются параллельно и независимо друг от друга против одного состояния.
| Тип вопроса | Что спрашивает | Пример для магазина | Что возвращает |
|---|---|---|---|
| Choice | Какой вариант из списка | Кому передать обращение: оплата, доставка или возврат | Выбранный вариант, вероятность по каждому, уверенность |
| Score | Оценка по описанной шкале | Насколько раздражён покупатель: 0 — спокоен, 2 — очень раздражён | Оценка, вероятности уровней, уверенность |
| Noul | Верно ли утверждение | Просит ли покупатель вернуть деньги | Вероятность «да» от 0 до 1 |
Модель обучена методом RLCD (Reinforcement Learning for Calibrated Decisions): вероятности оптимизированы так, чтобы отражать реальную неуверенность. Jev не дообучается на данных клиента — у всех одни веса. Под свою задачу её настраивают через запрос: справочные данные кладут в state, правила и граничные случаи — в инструкции и критерии вопросов.
Характеристики и заявления компании
| Параметр | Значение на сентябрь 2026 |
|---|---|
| Версия | jev-1.13.0 (алиас jev-latest) |
| Контекст | 64 тысячи токенов на запрос; 32 тысячи — на state плюс самый длинный вопрос |
| Вход | Только текст: строка, JSON или массив строк |
| Цена | 42 доллара за миллиард входных токенов; выход бесплатный |
| Лимиты | 250 тысяч токенов в секунду, 1 200 запросов в минуту |
По замерам TypeSafe AI, на задачах класса System One Jev в 193,6 раза быстрее и в 444,6 раза дешевле LLM: ответ приходит за 70–500 миллисекунд против 3–329 секунд. Эталоном в сравнении служили предсказания крупных моделей — GPT-6 Astra и Fable 5.1. Это собственные цифры вендора; независимых бенчмарков на сентябрь 2026 года нет.
Где может пригодиться в e-commerce
В документации TypeSafe AI для маркетплейсов и поддержки перечислены: нормализация карточек продавцов, извлечение атрибутов из названий, поиск запрещённых товаров и накрученных отзывов, классификация и маршрутизация обращений по намерению. Отдельный сценарий — оценка фрагментов каталога перед тем, как они попадут в ответ шопинг-ассистента. Опубликованных кейсов ритейлеров на сентябрь 2026 года нет.
Ограничения и как тестировать
Компания открыто публикует слабые места версии 1.13: буквальное прочтение формулировок, подсчёты и арифметика, сравнение дат, косвенные ссылки, большой state с лишними деталями, противоречивые инструкции и враждебный контент вроде промпт-инъекций.
- Для русского языка тестируйте отдельно: основной язык обучения — английский.
- Соберите эталонный набор и сравните Jev с текущим решением по точности, задержке и цене — методика та же, что в оценке LLM.
- Настройте пороги уверенности: выше порога — автоматическое действие, ниже — оператор или рассуждающая модель.
- Подобрав пороги, фиксируйте версию
jev-1.13.0вместоjev-latest: алиас переезжает на новую модель без предупреждения.