Стартап TypeSafe AI представил модель искусственного интеллекта Jev — она предназначена для общения не с людьми, а с машинами. Jev работает значительно быстрее и обходится дешевле традиционных больших языковых моделей. В отличие от моделей, выдающих ответы на естественном языке, Jev формирует вероятностные решения, которые могут использоваться другими программами или ИИ‑системами.

Такой подход особенно полезен там, где взаимодействие с ИИ ограничено заранее заданным набором вариантов ответа. Например, модель может играть в Doom, если ей предоставить структурированные данные об состоянии игрового персонажа. На практике Jev чаще применяется для классификации обращений в службу поддержки и оптимизации бизнес‑процессов. Принцип работы Jev: начинается с определения состояния — текстовая строка или JSON‑объект; далее выбирается тип запроса: выбор, числовое значение или вероятность от 0 до 1. Для человека такие ответы информативны мало, а для программ — как раз нужный формат. Jev относится к моделям типа System One на архитектуре обучения с подкреплением для калиброванных решений (RLCD).

Самым привлекательным аспектом является её эффективность: если традиционные системы могут тратить минуты на формирование ответа, Jev выдает его за 70–500 мс — экономия в диапазоне 40–200 раз. На демонстрационном ролике Jev формирует ответ за 0,114 с, тогда как GPT‑5.6 Terra — за 8,566 с. Стоимость обслуживания: примерно 0,042 доллара за 1 млн входных токенов и бесплатно на выходных; GPT‑5.6 Terra оценивается в 2 доллара за 1 млн входных и 12 долларов за 1 млн выходных токенов. По сравнению с флагманской Anthropic Fable 5.1 Jev обходится примерно в 238 раз дешевле. TypeSafe утверждает, что Jev не подвержена галлюцинациям — то есть не даёт заведомо неверных ответов; однако работа со структурированными ответами с указанием вероятностей всё равно может приводить к ошибкам.

«Обращение к галлюцинирующей системе может создавать неудобства для агента, но это критическая проблема для систем с требованиями задержки или сложной цепочки зависимостей. Любые современные модели склонны к галлюцинациям и ошибкам типизации», — пояснил разработчик. Jev подходит для систем автоматизации на базе ИИ, приложений с режимом реального времени и быстрого принятия решений, задач по классификации больших наборов данных, проверки входных данных для ИИ и интеграции с другими ИИ‑моделями.