Jev — это первая модель System One от TypeSafe AI, разработанная для приложений, которым нужны структурированные решения, а не сгенерированная проза. Она оценивает предоставленную информацию по четко определенным вопросам и возвращает типизированные ответы, распределения вероятностей и, при необходимости, показатели уверенности.

В отличие от обычной большой языковой модели, Jev не предназначен для общения, написания кода или создания длинных текстов. Ее цель — делать ограниченные суждения, которые программное обеспечение может сразу использовать для классификации, маршрутизации, скоринга, верификации, приоритизации и управления рабочими процессами.

Информация о модели была проверена 21 сентября 2026 г.

Технические характеристики Jev

Цены, алиасы и лимиты скорости могут меняться. Разработчикам следует проверять актуальную информацию перед переводом нагрузки в продакшн.

Что такое Jev?

Jev — это модель принятия решений, разработанная TypeSafe AI. Вместо генерации последовательности открытых токенов она выбирает значения из пространств ответов, определенных разработчиком.

Запрос к Jev содержит два основных компонента:

• Состояние: Информация, которую модель должна оценить, например тикет поддержки, транзакция, трассировка агента, описание продукта или состояние приложения в формате JSON.
• Вопросы: Типизированные определения суждений, которые необходимо вынести по этому состоянию.

Полученные ответы предназначены для непосредственного использования программой. Приложение может ветвиться по выбранной категории, сравнивать оценки, анализировать вероятности, применять порог уверенности или отправлять сомнительный случай на проверку человеку.

Таким образом, Jev выступает вероятностным слоем принятия решений между данными приложения и детерминированной бизнес-логикой. Она обрабатывает суждения, которые сложно выразить фиксированными правилами, при этом позволяя коду приложения сохранять контроль над порогами, разрешениями и действиями.

Как работает Jev

Три примитива решений

Jev поддерживает три типа вопросов, рассчитанных на разные виды программных решений.

Choice выбирает один вариант из предопределенного набора. Подходит для задач, таких как классификация намерений, маршрутизация тикетов, категоризация по политике и выбор модели. В ответ включены выбранный вариант, вероятность по каждому варианту и оценка уверенности.

Score оценивает состояние по упорядоченной шкале. Может измерять такие качества, как срочность, риск, релевантность, фрустрация или качество контента. В ответ включены значение оценки, вероятности по каждому уровню шкалы и оценка уверенности.

Noul оценивает вероятность истинности утверждения. Возвращает значение от 0 до 1 и полезен для верификации, проверок политики, решений о правомочности и контрольных точек завершения. В отличие от Choice и Score, Noul не возвращает отдельное поле уверенности, поскольку его вывод уже является вероятностью.

Параллельная оценка вопросов

Один запрос может содержать несколько вопросов Choice, Score и Noul. Jev оценивает их независимо и параллельно по одному и тому же состоянию.

Например, платформа поддержки может в одном запросе классифицировать тикет, оценить его срочность и оценить необходимость эскалации человеку. TypeSafe утверждает, что добавление независимых вопросов мало влияет на время ответа.

Вопросы внутри одного запроса не могут зависеть от ответов друг друга. Последовательные решения следует реализовывать через отдельные вызовы, связанные логикой приложения.

Типобезопасные ответы

Возможные структуры ответов Jev определяются до инференса. Это предотвращает появление некорректного JSON, неожиданных полей и пояснительного текста там, где требуется категория или числовое значение.

Типобезопасность гарантирует только формат ответа. Jev по-прежнему может вернуть валидное, но неправильное решение, поэтому производственным командам необходимо оценивать точность с использованием репрезентативных данных.

Явные вероятность и уверенность

Choice и Score раскрывают распределение вероятностей, лежащее в основе каждого ответа. Их значение уверенности суммирует, насколько сильно это распределение благоприятствует одному исходу.

Приложения могут использовать уверенность, чтобы автоматизировать очевидные решения, запрашивать подтверждение при умеренной неопределенности и направлять неоднозначные случаи человеку или в резервную модель.

Подходящий порог зависит от риска. Тегирование тикета поддержки может терпеть большую неопределенность, чем одобрение транзакции или выполнение необратимого действия.

Низкая задержка инференса

TypeSafe сообщает о сквозном времени ответа порядка 70–500 миллисекунд. Это делает Jev подходящей для интерактивной маршрутизации, повторных проверок агентом и других насыщенных решениями рабочих процессов, где более медленный вызов генеративной модели может повлиять на отзывчивость.

Фактическая задержка зависит от размера состояния, нагрузки сервиса, сетевых условий и региона развертывания.

Настройка на уровне запроса

Jev не настраивается через тонкую дообучаемость для аккаунта или адаптеры LoRA. Разработчики адаптируют ее, предоставляя релевантное состояние, формулируя точные инструкции, определяя четкие критерии и комбинируя атомарные решения в коде приложения.

Этот подход сохраняет видимость бизнес-правил и позволяет командам менять логику рабочих процессов без переобучения модели.

Версионированные модели и стабильные алиасы

TypeSafe предоставляет фиксированные идентификаторы моделей и подвижные алиасы. jev-1.13.0 идентифицирует конкретный релиз, тогда как jev-latest указывает на последнюю стабильную версию. jev-preview может переключаться на более новый предварительный релиз, когда он доступен.

Алиасы упрощают эксперименты, но их поведение может измениться после обновления. Продуктовым приложениям с откалиброванными порогами следует закреплять протестированную версию и записывать ID модели, возвращаемый с каждым ответом.

Результаты бенчмарков Jev

Jev не предназначена для общих бенчмарков, ориентированных на письмо, кодирование, математические выводы или длинные рассуждения. Более релевантны измерения качества решений, калибровки вероятностей, задержки, стоимости и надежности вывода.

TypeSafe сообщает:

• Сквозное время ответа 70–500 миллисекунд
• Примерно в 40–200× более быстрое выполнение на сопоставимых задачах System One
• Пиковые результаты рабочих процессов: ускорение в 193.6×
• Пиковые заявленные улучшения по стоимости: в 444.6×

Это результаты, заявленные вендором, и их не следует считать универсальными гарантиями производительности. Оценки рабочих процессов TypeSafe сравнивают модели на структурированных графах решений и используют усредненные предсказания выбранных высокоуровневых внешних моделей в качестве эталонных вероятностей.

TypeSafe также признает, что участники команды по возможностям модели создали оцениваемые рабочие процессы, что может внести смещение. Заявленные выигрыши, вероятно, ближе к верхней границе того, что могут наблюдать приложения.

Jev vs LLM со структурированным выводом vs классический классификатор vs движок правил

Jev наиболее полезна, когда фиксированные правила слишком хрупки, создание выделенного классификатора было бы дорого, а приложению не нужен сгенерированный текст.

Традиционная LLM остается лучшим выбором, когда задача требует исследований, объяснений, создания контента, планирования или многошаговых рассуждений. Движок правил предпочтителен, когда правильное условие уже явно и детерминированно.

Рекомендуемые варианты использования

Jev лучше всего подходит для частых решений с предопределенным пространством ответов.

• Маршрутизация и первичная сортировка: Классифицировать запросы, выбирать очереди или инструменты и приоритизировать срочные случаи.
• Управление агентом: Проверять завершенность задач, оценивать предлагаемые действия и выявлять случаи, требующие подтверждения.
• Оценка LLM: Оценивать релевантность, поддержку доказательствами, соответствие политике или качество ответа.
• Модерация: Категоризировать нарушения политики, оценивать серьезность и эскалировать сомнительные случаи.
• Обогащение данных: Преобразовывать сообщения, отзывы, лиды и записи в категории, оценки и вероятностные признаки.
• Реальные решения в реальном времени: Поддерживать поведение приложений с низкой задержкой, где полный генеративный ответ не требуется.

Ограничения Jev

Jev намеренно специализирована, и ее узкий дизайн создает ряд важных ограничений.

• Не умеет генерировать прозу, код, резюме или разговорные ответы.
• Не предназначена для расширенных исследований или многошаговых рассуждений.
• Типобезопасный вывод не гарантирует правильное бизнес-решение.
• Изображения, аудио, видео и бинарные файлы необходимо преобразовать в текст или структурированные данные перед отправкой.
• Английский — наиболее подтвержденный сильный язык.
• Нагрузки на других языках и CJK требуют самостоятельной оценки.
• Вопросы в одном запросе оцениваются независимо.
• Модель не может построить последовательную цепочку рассуждений между этими вопросами.
• TypeSafe не раскрыл количество параметров модели и не опубликовал ее веса.
• Настройка выполняется через запрос, а не через дообучение под клиента.
• Опубликованные показатели эффективности получены в собственной оценочной системе TypeSafe.
• Подвижные алиасы могут приводить к изменению поведения без изменений кода приложения.

Jev не должна заменять детерминированный код для разрешений, финансовых расчетов, юридических требований, ограничений размера файлов или политик необратимых действий. Вероятностные модели полезны для неопределенных суждений, а не для условий, которые ПО уже может оценить точно.

Как CometAPI предоставляет доступ к API Jev?

В настоящее время Jev отсутствует в публичном каталоге моделей CometAPI. CometAPI планирует оценить и интегрировать Jev, как только доступ к модели станет возможным и будут открыты необходимые разрешения на подключение.

После интеграции разработчики смогут проверить справочник моделей CometAPI и документацию по API на предмет поддерживаемого ID модели, формата запроса, цен, лимитов скорости и доступности эндпоинтов.

До официального объявления интеграции разработчикам следует использовать консоль TypeSafe, нативный API или официальные SDK для доступа к Jev. Интеграция с CometAPI должна считаться доступной только после появления Jev в публичном каталоге моделей с проверенной информацией об API.