Что такое Jev? Модель принятия решений от TypeSafe
Модель, которая выбирает, а не пишет. Что принимает и возвращает модель принятия решений класса System One, сколько она стоит, как её оценивают независимые тесты и где она ошибается.
LLM PricingСлов: 2 47910 мин чтения
Содержание
Jev — модель от TypeSafe AI, которая не генерирует текст. Вы отправляете ей текст или JSON, называемый состоянием (state), и типизированные вопросы. На каждый вопрос она возвращает вариант, оценку или вероятность «да» вместе с вероятностями, на которых основан ответ. TypeSafe выпустила её 15 сент. 2026 г. в раннем доступе и называет первой «моделью System One». Другие компании и пресса называют такой класс моделями принятия решений (decision models).
Факты взяты из документации и анонса TypeSafe, из двух независимых обзоров бенчмарков от Artificial Analysis и Arize и из публикаций в прессе; ссылки собраны в разделе «Источники».
Коротко о главном
- Jev — модель принятия решений, а не чат-модель и не модель для программирования. Она читает текст (изображения — необязательный эксперимент) и возвращает типизированные ответы с вероятностями. Прозу, код и объяснения она не выдаёт.
- В одном запросе одно состояние и любое число вопросов. Choice выбирает один вариант, Score оценивает по упорядоченным уровням, Noul даёт вероятность «да», а Box (только Jev 1.14) находит объект на изображении.
- Ввод стоит 0,042 $ за 1 млн токенов, вывод бесплатный. Платные хосты в каталоге этого сайта указывают ту же цену.
- Jev 1.13 вышла 15 сент. 2026 г., Jev 1.14 — 14 окт. 2026 г.. Веса закрыты, модель работает только через размещённые API.
- Artificial Analysis оценила Jev 1.13 в 58 баллов по Decision Index: на момент запуска первое место среди моделей принятия решений и на 3 балла ниже Claude Haiku 5.5 (Low), при стоимости 42 $ против 184 $ за миллион задач. С тех пор появились модели принятия решений с более высокими результатами.
Что такое Jev
TypeSafe AI — компания из Сан-Франциско, основанная в 2024 году Диогу Алмейдой, который работал над обучением с подкреплением на основе обратной связи от людей (RLHF) в OpenAI, а также Эриком Гафни и Сашей Шэн. По сообщению TechCrunch, 9 октября, через несколько недель после запуска, компания привлекла 870 млн $ при оценке в 7,5 млрд $.
Довод TypeSafe в том, что чат-модели настроены выдавать ответы, которые приятно читать людям, и это плохо подходит, когда вывод потребляет программа. Jev обучается методом, который компания называет Reinforcement Learning for Calibrated Decisions (RLCD). Цель в том, чтобы среди множества предсказаний ответы с вероятностью 0,8 оказывались верными примерно в 80% случаев. Архитектуру, веса и научную статью TypeSafe не публиковала. TechCrunch описывает модель как основанную на трансформере, а Алмейда рассказал изданию, что обучающие данные полностью синтетические.
В названиях заложены две отсылки. «System One» взято из быстрого интуитивного мышления в книге Даниэля Канемана «Думай медленно… решай быстро». «Jev» происходит от имени экономиста Уильяма Стэнли Джевонса, чей парадокс гласит, что более эффективное использование ресурса обычно увеличивает его общее потребление.
Как устроен запрос
Всё отправляется на один эндпоинт POST https://api.typesafe.ai/v1/systemone, а поле model выбирает версию. В теле запроса есть state (строка, JSON-объект или массив текстовых значений) и словарь questions. У каждого вопроса есть ID, type, instructions и, для Choice и Score, criteria, задающие варианты или уровни. ID нужен вашему коду. По документации TypeSafe, модели он не передаётся, поэтому весь вопрос должен быть записан в instructions.
| Вопрос | Для чего | Поля ответа |
|---|---|---|
| Choice | Выбрать один вариант из списка; по данным анонса TypeSafe, до 255 вариантов | choice, probabilities, confidence |
| Score | Оценить по упорядоченным уровням, которые вы описываете | score (может лежать между уровнями), legend, probabilities, confidence |
| Noul | Определить, верно ли утверждение | noul, вероятность от 0 до 1 |
| Box (Jev 1.14) | Найти один объект на изображении | box с четырьмя сторонами в долях размера изображения, confidence |
Все вопросы запроса вычисляются параллельно и независимо друг от друга на одном и том же состоянии, поэтому ответы друг на друга не влияют. Если следующий вопрос зависит от предыдущего ответа, нужен второй запрос. TypeSafe советует задавать одно узкое суждение на вопрос и объединять ответы в собственном коде. Например, вместо «оцени этот питч» спросите отдельно про размер рынка, техническую осуществимость и отличие от конкурентов, а оценки взвесьте сами.
confidence показывает, насколько сконцентрированы вероятности: от 0 при равномерном распределении до 1, когда вся вероятность приходится на один вариант. Для Choice с n вариантами это (наибольшая вероятность - 1/n) / (1 - 1/n). У Noul поля confidence нет, потому что значение около 0,5 уже означает неуверенность модели. TypeSafe предлагает три диапазона: при высокой уверенности действовать автоматически, в середине просить подтверждение, при низкой передавать человеку; пороги зависят от цены ошибки.
Калибровка описывает группы предсказаний. По документации TypeSafe, она не гарантирует, что отдельный ответ верен. Утверждение «не может галлюцинировать» из анонса означает, что ответ — один из заданных вами вариантов, а не то, что ответ правильный.
Для чего используют
Cookbook-материалы TypeSafe охватывают маршрутизацию тикетов и намерений, вызов функций, ограничители для входов и выходов LLM, проверку цитат, оценку найденных фрагментов, повторное ранжирование и иерархическую классификацию документов. Ранние пользователи, которых цитирует пресса, рассказывают о замене моделей в существующих конвейерах. TechCrunch сообщил, что инженер Vercel заменил модель OpenAI на Jev в классификаторе безопасности команд и получил результаты в 5–18 раз быстрее при более высокой точности. Издание также процитировало технического директора Bryo AI: при классификации писем Gemini оказалась чуть точнее Jev, но в 10–20 раз дороже.
Jev не заменяет языковую модель чат-ассистента или агента для программирования. Документация TypeSafe говорит об этом прямо и называет Claude Code, Cursor, Copilot, Muse Spark и Grok Bot среди инструментов, которые Jev обеспечить не может. В документации описан такой приём: агент пишет код, который вызывает Jev для решений внутри продукта.
Версии, изображения и языки
| Jev 1.13 | Jev 1.14 | |
|---|---|---|
| ID модели | jev-1.13.0 | jev-1.14.0 |
| Выпуск | 15 сент. 2026 г. | 14 окт. 2026 г. |
| Типы вопросов | Choice, Score, Noul | Choice, Score, Noul, Box |
| Ввод изображений | Заголовок по желанию | Заголовок по желанию |
| Контекст по умолчанию | 64K на запрос, 32K на вопрос | 64K на запрос, 32K на вопрос |
| Режим длинного контекста | 262K | 262K |
| Цена ввода за 1 млн токенов | 0,042 $ | 0,042 $ |
Два алиаса указывают на версии. На момент проверки 23 октября страница Models у TypeSafe показывала jev-latest как jev-1.13.0, а jev-preview как jev-1.14.0. По пересказам анонса 1.14 в прессе, jev-latest должен был перейти на 1.14.0 примерно через неделю после 14 октября. Когда алиас переезжает, ответы меняются без изменений в вашем коде, поэтому TypeSafe советует указывать версионный ID, если вы подбирали пороги под конкретную версию. Поле model в ответе фиксирует, какая версия ответила. По пересказу анонса в MarkTechPost, TypeSafe предупреждает об отключении 1.13 за 60 дней, а 1.14 — за 30. Этот сайт ведёт алиас и маршруты 1.13 на одной странице, Jev, а 1.14 — на отдельной.
Обе версии принимают изображения при заголовке TypeSafe-Danger-Zone-Images: true. TypeSafe помечает изображения и Box как «dreamer-ready», то есть только для прототипов: формат запроса, ответы и ограничения могут меняться между релизами, а точность ниже, чем на тексте. Изображения должны быть PNG или JPEG, до 16 МиБ на файл и от 280 до 1568 пикселей по каждой стороне, и тарифицируются как входные токены. Вопрос Box каждый раз возвращает четыре стороны, даже если объекта нет, поэтому TypeSafe советует добавлять Noul, который спрашивает, виден ли объект. Аудио и видео не принимаются.
Основной язык обучения — английский. По словам TypeSafe, другие языки, включая китайские, японские и корейские иероглифы, обрабатываются, но не одинаково хорошо. Для 1.14 компания ожидала наибольшего улучшения на многоязычном вводе, не публикуя оценок.
Цена Jev
Доллары США за 1 млн токенов, данные проверены 23 октября 2026 г. по странице Models у TypeSafe и каталогу этого сайта.
| Позиция | Jev 1.13 и Jev 1.14 |
|---|---|
| Ввод | 0,042 $ (42 $ за миллиард токенов) |
| Вывод | Бесплатно |
| Изображения | Тарифицируются как входные токены по той же цене |
| Режим длинного контекста | Та же цена за токен, по словам TypeSafe, медленнее и менее точно |
Собственного API TypeSafe нет в данных models.dev, которые читает этот сайт, поэтому на страницах моделей нет официальной цены. Все хосты в каталоге указывают 0,042 $ за ввод и бесплатный вывод, кроме одного маршрута с пометкой free, где указан 0 $. Контекст Jev в каталоге зависит от хоста и составляет от 32K до 262K, что близко к трём опубликованным TypeSafe ограничениям: 32K на вопрос, 64K на запрос и 262K с заголовком длинного контекста.
Тарифицируется только ввод, поэтому стоимость определяется размером состояния, которое вы отправляете в каждом запросе:
| Входных токенов в запросе | Цена запроса | Цена 1 млн запросов |
|---|---|---|
| 500 | 0,000021 $ | 21 $ |
| 5 000 | 0,00021 $ | 210 $ |
| 32 000 | 0,001344 $ | 1 344 $ |
Состояние оплачивается один раз за запрос, сколько бы вопросов к нему ни прилагалось. Cookbook TypeSafe о параллельных вопросах сообщает, что 13 вопросов в одном вызове дешевле 13 отдельных вызовов более чем в 11 раз при тех же ответах. В анонсе также сказано, что TypeSafe не может доказать, что цена не субсидируется, и ожидает, что цены будут снижаться, а не расти.
Jev — одна из 31 записи типа decision в каталоге, включая варианты и бесплатные версии. Несколько из них с наименьшей указанной платной ценой ввода и наибольшим указанным контекстом на 23 октября:
| Модель | Ввод за 1 млн | Вывод | Контекст |
|---|---|---|---|
| Jev 1.14 | 0,042 $ | Бесплатно | 262,1K |
| Microsoft Decision-1 | 0,042 $ | Бесплатно | 32,8K |
| Liquid d1-ultra | 0,042 $ | Бесплатно | 32,8K |
| Perplexity Decider V1.2 | 0,02 $ | Бесплатно | 262,1K |
| Inception Mercury Decide | 0,02 $ | Бесплатно | 65,5K |
| OpenAI GPT-6 Luna Decisions | 0,10 $ | Бесплатно | 1,05M |
| Cloudflare Clef | 0,2245 $ | Бесплатно | 65,5K |
По данным TechCrunch, Decisions API от OpenAI была анонсирована 29 сентября и открыта для всех клиентов 22 октября. Arize обнаружила, что семь из восьми протестированных моделей принятия решений принимают формат запроса Jev. API OpenAI вместо этого принимает один блок обычного текста и список вопросов.
Как Jev показывает себя
В анонсе TypeSafe утверждается, что в её собственных оценках рабочих процессов Jev быстрее передовых LLM в 193,6 раза и дешевле в 444,6 раза, а полное время ответа составляет от 70 до 500 мс. Тот же текст сообщает, что такой выигрыш находится на верхней границе реального применения, что рабочие процессы написала команда TypeSafe по возможностям моделей и что эталонные ответы — среднее двух крупных LLM. Для 1.14 TypeSafe опубликовала диаграммы без таблицы значений, сравнивала только с моделями с открытыми весами и сообщила, что сравнение, вероятно, выгодно её собственным моделям.
Artificial Analysis опубликовала Decision Index v1.0 13 октября. Он усредняет с равными весами четыре теста: AA-Omniscience-Decision (знания и галлюцинации), HLE-MultiChoice (рассуждение), When2Call (вызов инструментов) и WildGuardTest (классификация безопасности). Результаты Jev 1.13:
| Показатель | Jev 1.13 |
|---|---|
| Decision Index | 58, впереди GLiDE и Microsoft-Decision-1 с 54 |
| HLE-MultiChoice | 21, у остальных моделей принятия решений 15 и ниже |
| AA-Omniscience-Decision | Точность 35, доля без галлюцинаций 35 |
| When2Call | 81, четвёртое место, у первых двух 84 |
| WildGuardTest | 94, на один пункт ниже GLiDE |
| Время на задачу | 0,13 с |
| Стоимость 1 млн задач | 42 $ |
Среди языковых моделей Claude Haiku 5.5 (Low) набрала 61 балл при 1,4 с на задачу и 184 $ за миллион задач, а GPT-6 Luna (Low) — 55 баллов при 1,5 с и 131 $. В знаниях впереди LLM: точность на AA-Omniscience-Decision 52 и 66 против 28–41 у моделей принятия решений. Artificial Analysis также обнаружила у моделей принятия решений излишнюю самоуверенность. Почти на всех уровнях вероятности реальная точность оказывалась ниже заявленной вероятности, в основном на вопросах по знаниям и рассуждению, а на вызове инструментов и классификации калибровка была ближе к реальности.
Arize — платформа для оценки, у которой Jev есть как встроенный судья. Примерно через три недели после запуска она сравнила Jev 1.13 с семью другими моделями принятия решений. Jev показала сбалансированную точность 85,5% на обнаружении галлюцинаций в RAGTruth, 91,1% на 13 наборах оценщиков Phoenix и 49 из 52 случаев маршрутизации агентов. Её ошибка калибровки 0,023 оказалась самой низкой из восьми, хотя интервал пересёкся с интервалом Liquid d1. Точность лидеров укладывалась в доверительные интервалы друг друга. В тесте на формулировки ROC AUC у Jev остался 0,93, когда вопрос о галлюцинациях задали наоборот, а у нескольких других моделей упал ниже 0,5. Arize советует проверять обе формулировки вопроса на любой модели, прежде чем доверять её оценкам.
Рейтинги быстро меняются. 22 октября TechCrunch поставил последнюю Jev на третье место в Decision Index от Artificial Analysis и на седьмое в AIM System One Index, позади более новых моделей, таких как Liquid d1-ultra, и сообщил, что модели TypeSafe — самые часто вызываемые модели принятия решений на одном из шлюзов моделей.
Ограничения и обработка данных
TypeSafe перечисляет для 1.13 такие слабые места на странице, проверенной в последний раз 2 октября:
- Jev читает вопросы буквально. Записывайте точное условие и граничные случаи в criteria.
- Она ненадёжно считает, слаба в арифметике и сравнении дат. Извлекайте части с помощью Jev, а вычисляйте в коде.
- Двойные отрицания и многошаговые рассуждения снижают точность.
- Точность падает, когда состояние заполняется лишними деталями, поэтому фильтруйте данные перед отправкой.
- Текст в состоянии может повлиять на ответ. По словам TypeSafe, Jev по умолчанию не считает состояние враждебным.
- Порядок вариантов в Choice может склонить ответ к первому варианту. Для проверки меняйте порядок.
- Она не обучена генерировать текст.
Лимиты запросов задаются на организацию, а превышение возвращает 429. TypeSafe сообщает, что Jev не обучается на запросах и ответах клиентов, а корпоративные клиенты могут договориться о нулевом хранении данных (ZDR). Одни и те же веса обслуживают все аккаунты: Jev не дообучается на данных клиентов, поэтому знания предметной области передаются в состоянии и в criteria.
Частые вопросы
Что такое Jev?
Модель принятия решений от TypeSafe AI. Вы отправляете текст или JSON и типизированные вопросы, а она вместо сгенерированного текста возвращает варианты, оценки или вероятности «да/нет» с уверенностью. Запущена в раннем доступе 15 сент. 2026 г..
Jev — это LLM?
Нет. TypeSafe описывает её как модель на основе трансформера, которая читает естественный язык, как LLM, но выдаёт только типизированные ответы и вероятности. Она не пишет прозу и код, не ведёт диалог и не вызывает инструменты.
Сколько стоит Jev?
0,042 $ за 1 млн входных токенов, или 42 $ за миллиард; выходные токены бесплатны. Изображения тарифицируются как входные токены по той же цене. Цены проверены 23 октября 2026 г., актуальные указаны на страницах моделей.
Чем отличаются Jev 1.13 и Jev 1.14?
Jev 1.14 добавляет тип вопроса Box для поиска объектов на изображениях, и TypeSafe ожидает более высокой точности на многоязычном вводе. Обе версии принимают изображения и режим длинного контекста 262K по заголовкам и стоят одинаково.
Что такое модель принятия решений?
Модель, которая вместо генерации текста выбирает из заданных вами вариантов и сообщает вероятность каждого. TypeSafe называет такие модели моделями System One. Другие разработчики теперь выпускают свои, а в каталоге этого сайта 31 запись типа decision.
Можно ли запустить Jev самостоятельно?
Нет. Веса и архитектура не опубликованы, Jev работает только через размещённые API. Другие модели принятия решений, например Clef от Cloudflare, выходят с открытыми весами.
Галлюцинирует ли Jev?
Ответ ограничен заданными вами вариантами, поэтому она не может вернуть значение неправильного формата или вариант, которого вы не предлагали. Выбрать неверный вариант она всё же может, а Artificial Analysis обнаружила, что модели принятия решений излишне самоуверенны на вопросах по знаниям и рассуждению.
Источники
Данные проверены 23 октября 2026 г. Цены указаны в долларах США за 1 млн токенов.
- TypeSafe docs: Models
- TypeSafe: Introducing System One Models and Jev
- TypeSafe docs: System One
- TypeSafe docs: Primitives
- TypeSafe docs: Confidence
- TypeSafe docs: Images
- TypeSafe docs: Jev 1.13 jaggedness
- TypeSafe docs: Jev with coding agents
- TypeSafe docs: Legal
- Artificial Analysis: Decision Index v1.0
- Arize: Decision model benchmark
- TechCrunch: A new kind of AI model from a ChatGPT inventor is thrilling developers
- TechCrunch: The maker of non-text AI model Jev valued at $7.5B
- TechCrunch: OpenAI makes its Jev competitor widely available
- MarkTechPost: TypeSafe AI releases Jev 1.14
- MarkTechPost: TypeSafe AI releases Jev
- OpenRouter: What is Jev
- Wikipedia: Jev (AI model)