Jev, TypeSafe AI’nin ilk System One modelidir ve üretilmiş düz yazıdan ziyade yapılandırılmış kararlara ihtiyaç duyan uygulamalar için tasarlanmıştır. Sağlanan bilgileri açıkça tanımlanmış sorulara göre değerlendirir ve tipli yanıtlar, olasılık dağılımları ve uygulanabildiğinde güven puanları döner.

Geleneksel bir büyük dil modelinden farklı olarak, Jev sohbet etmek, kod yazmak veya uzun biçimli içerik oluşturmak için tasarlanmamıştır. Amacı, yazılımların hemen sınıflandırma, yönlendirme, puanlama, doğrulama, önceliklendirme ve iş akışı kontrolü için kullanabileceği sınırlandırılmış yargılar üretmektir.

Model bilgileri 21 Eylül 2026 tarihinde incelendi.

Jev Teknik Özellikleri

Fiyatlandırma, takma adlar ve hız limitleri değişebilir. Geliştiriciler bir iş yükünü üretime almadan önce en güncel bilgileri doğrulamalıdır.

Jev Nedir?

Jev, TypeSafe AI tarafından geliştirilmiş bir karar modelidir. Açık uçlu belirteç dizileri üretmek yerine, geliştirici tarafından tanımlanan cevap uzaylarından değerler seçer.

Bir Jev isteği iki ana bileşen içerir:

• State: Modelin değerlendirmesi gereken bilgi; örneğin bir destek bileti, işlem kaydı, aracı izlem izi, ürün açıklaması veya JSON biçimli uygulama durumu.
• Questions: Bu duruma ilişkin verilmesi gereken yargıların tipli tanımları.

Ortaya çıkan yanıtlar doğrudan yazılım tarafından kullanılmak üzere tasarlanmıştır. Bir uygulama seçilen kategoriye göre dallanabilir, puanları karşılaştırabilir, olasılıkları inceleyebilir, bir güven eşiği uygulayabilir veya belirsiz bir vakayı bir insan değerlendiriciye gönderebilir.

Bu nedenle Jev, uygulama verileri ile deterministik iş mantığı arasında olasılıksal bir karar katmanı olarak davranır. Sabit kurallarla ifade edilmesi zor yargıları ele alırken, uygulama kodunun eşikler, izinler ve eylemler üzerinde kontrolünü korumasını sağlar.

Jev Nasıl Çalışır

Üç Karar Primitifi

Jev, farklı yazılım kararları için tasarlanmış üç soru türünü destekler.

Choice önceden tanımlı bir kümeden bir seçeneği seçer. Niyet sınıflandırma, bilet yönlendirme, politika kategorileştirme ve model seçimi gibi görevler için uygundur. Yanıt, seçilen seçeneği, her seçenek için atanan olasılığı ve bir güven puanını içerir.

Score durumu sıralı bir rubriğe göre değerlendirir. Aciliyet, risk, alaka düzeyi, hayal kırıklığı veya içerik kalitesi gibi nitelikleri ölçebilir. Yanıt bir puanı, her rubrik düzeyi için olasılıkları ve bir güven puanını içerir.

Noul bir ifadenin doğru olma olasılığını tahmin eder. 0 ile 1 arasında bir değer döner ve doğrulama, politika kontrolleri, uygunluk kararları ve tamamlama kapıları için kullanışlıdır. Choice ve Score’dan farklı olarak, Noul ayrı bir güven alanı döndürmez çünkü çıktısı zaten bir olasılıktır.

Paralel Soru Değerlendirmesi

Tek bir istek birden fazla Choice, Score ve Noul sorusu içerebilir. Jev bunları aynı duruma karşı bağımsız ve paralel olarak değerlendirir.

Örneğin, bir destek platformu tek bir istekte bir bileti sınıflandırabilir, aciliyetini değerlendirebilir ve insan yönlendirmesinin gerekip gerekmediğini tahmin edebilir. TypeSafe, bağımsız sorular eklemenin yanıt süresine çok az etkisi olduğunu belirtmektedir.

Aynı istek içindeki sorular birbirlerinin yanıtlarına bağımlı olamaz. Sıralı kararlar, uygulama mantığıyla bağlanan ayrı çağrılarla uygulanmalıdır.

Tip Güvenli Yanıtlar

Jev’in olası yanıt yapıları çıkarımdan önce tanımlanır. Bu, bir kategori veya sayısal değerin gerektiği yerde hatalı JSON, beklenmeyen alanlar ve açıklayıcı metinlerin ortaya çıkmasını önler.

Tip güvenliği yalnızca yanıt biçimini garanti eder. Jev yine de geçerli fakat hatalı bir karar döndürebilir; bu nedenle üretim ekipleri, temsil gücü yüksek verilerle doğruluğunu değerlendirmelidir.

Açık Olasılık ve Güven

Choice ve Score, her yanıtın arkasındaki olasılık dağılımını açığa çıkarır. Güven değeri, bu dağılımın tek bir sonuca ne kadar güçlü biçimde yöneldiğini özetler.

Uygulamalar güven değerini açık kararları otomatikleştirmek, belirsizlik orta düzeydeyken onay istemek ve muğlak vakaları bir insana veya yedek bir modele yönlendirmek için kullanabilir.

Uygun eşik, riske bağlıdır. Bir destek bileti etiketlemek, bir işlemi onaylamaktan veya geri döndürülemez bir eylem yürütmekten daha fazla belirsizliği tolere edebilir.

Düşük Gecikmeli Çıkarım

TypeSafe, uçtan uca yanıt sürelerini yaklaşık 70 ile 500 milisaniye olarak bildirmektedir. Bu durum Jev’i, etkileşimli yönlendirme, tekrarlanan aracı kontrolleri ve daha yavaş bir üretken model çağrısının duyarlılığı etkileyebileceği karar ağırlıklı iş akışları için uygun kılar.

Gerçek gecikme, durum boyutu, hizmet yükü, ağ koşulları ve dağıtım bölgesine bağlıdır.

İstek Düzeyinde Özelleştirme

Jev, hesap bazlı ince ayar veya LoRA adaptörleriyle özelleştirilemez. Geliştiriciler, ilgili durumu sağlayarak, net talimatlar yazarak, açık kriterler tanımlayarak ve atomik kararları uygulama kodunda birleştirerek uyarlama yapar.

Bu yaklaşım, iş kurallarını görünür tutar ve ekiplerin modeli yeniden eğitmeden iş akışı mantığını değiştirmesine olanak tanır.

Sürümlü Modeller ve Kararlı Takma Adlar

TypeSafe, sabit model kimlikleri ve hareketli takma adlar sağlar. jev-1.13.0 belirli bir sürümü tanımlarken, jev-latest en son kararlı sürüme işaret eder. jev-preview, uygun olduğunda daha yeni bir önizleme sürümüne taşınabilir.

Takma adlar denemeyi kolaylaştırır, ancak bir güncellemeden sonra davranışları değişebilir. Eşikleri kalibre edilmiş üretim uygulamaları, test edilmiş bir sürüme sabitlenmeli ve her yanıtla dönen model kimliğini kaydetmelidir.

Jev’in Kıyas Performansı

Jev, yazma, kodlama, matematiksel türetmeler veya uzun biçimli akıl yürütmeye odaklanan genel amaçlı kıyaslamalar için tasarlanmamıştır. Daha ilgili ölçümler; karar kalitesi, olasılık kalibrasyonu, gecikme, maliyet ve çıktı güvenilirliğidir.

TypeSafe şunları bildiriyor:

• 70–500 milisaniye uçtan uca yanıt süreleri
• Karşılaştırılabilir System One görevlerinde yaklaşık 40–200× daha hızlı yürütme
• İş akışı sonuçlarında en yüksek 193.6× hız artışı
• Raporlanan maliyet iyileştirmelerinde en yüksek 444.6×

Bunlar tedarikçi tarafından bildirilen sonuçlardır ve evrensel performans garantileri olarak değerlendirilmemelidir. TypeSafe’in iş akışı değerlendirmeleri, modelleri yapılandırılmış karar grafiklerinde karşılaştırır ve referans olasılıklar olarak seçilmiş üst düzey harici modellerin ortalama tahminlerini kullanır.

TypeSafe ayrıca, değerlendirmeye konu iş akışlarının model yetenekleri ekibi üyeleri tarafından oluşturulduğunu kabul eder; bu durum önyargı oluşturabilir. Raporlanan kazanımlar, uygulamaların gözlemleyebileceği aralığın üst ucuna daha yakın olabilir.

Jev vs Yapılandırılmış Çıkışlı LLM vs Klasik Sınıflandırıcı vs Kural Motoru

Jev, sabit kuralların fazla kırılgan olduğu, özel bir sınıflandırıcı oluşturmanın maliyetli olacağı ve uygulamanın üretilmiş metne ihtiyaç duymadığı durumlarda en yararlıdır.

Bir görev araştırma, açıklama, içerik oluşturma, planlama veya çok adımlı akıl yürütme gerektirdiğinde, geleneksel bir LLM daha iyi bir seçim olarak kalır. Doğru koşul zaten açık ve deterministik ise bir kural motoru tercih edilmelidir.

Önerilen Kullanım Senaryoları

Jev, önceden tanımlı cevap uzayına sahip sık tekrarlanan kararlar için en uygunudur.

• Yönlendirme ve triyaj: İstekleri sınıflandırın, kuyrukları veya araçları seçin ve acil vakaları önceliklendirin.
• Aracı kontrolü: Görev tamamlanmasını kontrol edin, önerilen eylemleri değerlendirin ve onay gerektiren vakaları belirleyin.
• LLM değerlendirmesi: Alaka düzeyi, kanıt desteği, politika uyumu veya yanıt kalitesini değerlendirin.
• Moderasyon: Politika ihlallerini kategorize edin, ciddiyeti puanlayın ve belirsiz vakaları yükseltin.
• Veri zenginleştirme: Mesajları, yorumları, potansiyel müşteri kayıtlarını ve verileri kategorilere, puanlara ve olasılık özelliklerine dönüştürün.
• Gerçek zamanlı kararlar: Tam bir üretken yanıtın gereksiz olduğu düşük gecikmeli uygulama davranışlarını destekleyin.

Jev’in Sınırlamaları

Jev kasıtlı olarak özelleştirilmiştir ve dar tasarımı birkaç önemli sınırlama yaratır.

• Düz yazı, kod, özet veya sohbet yanıtları üretemez.
• Genişletilmiş araştırma veya çok adımlı akıl yürütme için tasarlanmamıştır.
• Tip güvenli çıktı, doğru bir iş kararı garantilemez.
• Görseller, ses, video ve ikili dosyalar gönderilmeden önce metne veya yapılandırılmış veriye dönüştürülmelidir.
• İngilizce belgelenmiş en güçlü dildir.
• İngilizce dışı ve CJK iş yükleri bağımsız değerlendirme gerektirir.
• Aynı istek içindeki sorular bağımsız olarak değerlendirilir.
• Model bu sorular arasında sıralı bir akıl yürütme zinciri kuramaz.
• TypeSafe, modelin parametre sayısını açıklamamış ve ağırlıklarını yayımlamamıştır.
• Özelleştirme, müşteri bazlı ince ayar yerine istek üzerinden yapılır.
• Yayınlanan performans kazanımları, TypeSafe’in kendi değerlendirme çerçevesinden gelir.
• Hareketli takma adlar, uygulama kodu değişmeden davranış değişiklikleri getirebilir.

Jev, izinler, finansal hesaplamalar, yasal gereklilikler, dosya boyutu sınırları veya geri döndürülemez eylem politikaları için deterministik kodun yerine geçmemelidir. Olasılıksal modeller, yazılımın zaten kesin olarak değerlendirebildiği koşullar için değil, belirsiz yargılar için uygundur.

CometAPI, Jev API’ye Erişimi Nasıl Sağlar?

Jev, şu anda CometAPI’nin genel model kataloğunda mevcut değildir. CometAPI, model erişimi mümkün olduğunda ve gerekli bağlantı izinleri açıldığında Jev’i değerlendirmeyi ve entegre etmeyi planlamaktadır.

Entegrasyondan sonra geliştiriciler, desteklenen model kimliği, istek biçimi, fiyatlandırma, hız limitleri ve uç nokta kullanılabilirliği için CometAPI model dizinini ve API belgelerini kontrol edebilecek.

Entegrasyon resmi olarak duyurulana kadar geliştiriciler Jev’e erişmek için TypeSafe’in konsolunu, yerel API’sini veya resmi SDK’larını kullanmalıdır. Bir CometAPI entegrasyonu, Jev doğrulanmış API bilgisiyle genel model kataloğunda göründükten sonra kullanılabilir kabul edilmelidir.