Jev: model, który zwraca decyzję zamiast zdania

Do skrzynki firmowej wpada wiadomość. Trzeba ją przypisać do jednego z sześciu działów. Jeśli robi to dziś model językowy, dzieje się mniej więcej tak: wysyłasz treść razem z instrukcją, model pisze zdanie, twój kod wyciąga z tego zdania nazwę działu, a potem sprawdza, czy to na pewno jedna z sześciu dozwolonych nazw, bo czasem nie jest. Płacisz za każde słowo tej odpowiedzi i czekasz, aż model wypisze je po kolei.

Cała ta droga istnieje po to, żeby dostać jedną z sześciu wartości. 15 września 2026 roku firma TypeSafe AI udostępniła w ograniczonym dostępie model zbudowany wprost pod ten przypadek. Nazywa się Jev i nie generuje tekstu w ogóle. Zwraca wybraną opcję razem z prawdopodobieństwem dla każdej z pozostałych.

Firma powstała w 2024 roku w San Francisco, założyli ją Diogo Almeida, Erik Gafni i Sasha Sheng. Almeida spędził wcześniej około czterech lat w OpenAI przy RLHF, InstructGPT, ChatGPT i GPT‑4. Premierze towarzyszyła runda zalążkowa 40 milionów dolarów prowadzona przez DCVC. Almeida tłumaczy odejście jednym zdaniem: mamy błyskawicę w butelce, a nie potrafimy jej użyć, bo była optymalizowana pod ludzki język, a nie pod automatyzację.

Trzy kształty pytania

Jev przyjmuje pytanie w jednym z trzech kształtów i to jest cały jego interfejs. Nie ma tu miejsca na dowolną instrukcję, bo nie ma też dowolnej odpowiedzi.

• Wybór z listy. Podajesz zamknięty zbiór opcji, dostajesz jedną z nich i prawdopodobieństwo dla każdej. Maksymalnie 255 opcji.
• Ocena na skali. Podajesz uporządkowane poziomy, na przykład od „bardzo pilne” do „może poczekać”, dostajesz poziom i rozkład prawdopodobieństwa.
• Ocena zdania. Podajesz twierdzenie, dostajesz liczbę od 0 do 1, czyli na ile model uważa je za prawdziwe.

Różnica wobec modelu językowego nie kończy się na formacie odpowiedzi. Model językowy pisze token po tokenie, więc czas odpowiedzi rośnie z jej długością. Jev liczy wszystkie wyjścia równolegle w jednym zapytaniu, bo nie ma czego dopisywać. Trenowany jest metodą, którą firma nazywa RLCD, gdzie prawdopodobieństwa są dostrajane do faktycznych wyników, a nie do ocen ludzkich recenzentów. Producent podaje też, że dane treningowe są w całości syntetyczne.

Prawdopodobieństwo nie jest tu ozdobnikiem. Jeśli jest skalibrowane, to znaczy, że wynik 0,9 naprawdę oznacza dziewięć trafień na dziesięć, i można na nim postawić próg: powyżej system działa sam, poniżej sprawa idzie do człowieka albo do droższego modelu. Tego z gołego zdania od modelu językowego nie da się zrobić.

Liczby, które podaje producent

Wszystkie poniższe pochodzą z ogłoszenia TypeSafe AI, czyli od firmy, która ten model sprzedaje. Warto je czytać z tą świadomością, bo sama firma opisuje je jako górną granicę tego, co widać w praktyce.

• Czas odpowiedzi od 70 do 500 milisekund, wobec od 3 do 329 sekund dla czołowych modeli językowych na tych samych zadaniach.
• Od 40 do 200 razy szybciej przy porównywalnej jakości decyzji. W jednym z wewnętrznych przepływów 193,6 razy szybciej i 444,6 razy taniej.
• 0,042 dolara za milion tokenów wejściowych, czyli 42 dolary za miliard. Tokeny wyjściowe są darmowe, bo jest ich tyle, że firma nie widzi sensu ich liczyć.
• Zero błędów formatu, gwarantowane budową modelu, a nie zmierzone. Odpowiedź może być tylko jedną z wartości, które sam podałeś.

Liczby spoza firmy

To ta część, która decyduje. TechCrunch opisał dwa wdrożenia u zewnętrznych zespołów. Vercel użył Jeva jako klasyfikatora bezpieczeństwa i podaje wynik od 5 do 18 razy szybszy niż na modelu Luna 5.6 od OpenAI, przy wyższej trafności. Bryo AI klasyfikuje nim pocztę i podaje koszt od 10 do 20 razy niższy niż na Gemini, z dodatkową korzyścią w postaci skalibrowanej pewności.

To nadal liczby podane przez zadowolonych użytkowników, nie przez niezależny pomiar, ale rząd wielkości jest niższy niż w materiałach producenta i to akurat jest dobry znak. Armin Ronacher, CTO Earendel, dodaje do tego jedno zastrzeżenie: wartość takiego modelu zależy od tego, czy potrafisz sensownie zinterpretować zwracaną pewność. Sama liczba niczego nie załatwia, jeśli nikt nie ustalił, co się dzieje poniżej progu.

Czego Jev nie zrobi

• Nie napisze zdania, streszczenia ani kodu. Rezygnacja z generowania tekstu jest tu świadoma i nieodwracalna.
• Nie obsłuży więcej niż 255 opcji, więc nie przypisze zgłoszenia do jednej z tysiąca kategorii produktowych.
• Nie zastąpi modelu językowego tam, gdzie odpowiedź czyta człowiek.
• Nie ma opublikowanej pracy naukowej ani wag. Architektura i sposób treningu pozostają opisem firmy o sobie samej.
• Jest w ograniczonym wczesnym dostępie, więc planowanie wdrożenia produkcyjnego na wrzesień 2026 to planowanie na liście oczekujących.

Gdzie to ma sens w mniejszej firmie

Wszędzie tam, gdzie decyzja jest prosta, powtarza się tysiące razy dziennie i dziś albo kosztuje za dużo, albo robi ją człowiek.

• Kierowanie poczty i zgłoszeń do właściwego zespołu, z progiem pewności, poniżej którego trafiają do skrzynki ogólnej.
• Wstępna segregacja dokumentów przed droższym modelem, który czyta tylko to, co naprawdę wymaga czytania.
• Ocena pilności i priorytetu w kolejce serwisowej, gdzie liczy się czas odpowiedzi, a nie elokwencja.
• Nadzór nad istniejącym wdrożeniem AI: sprawdzanie każdej odpowiedzi modelu językowego kosztuje dziś tyle, że nikt tego nie robi na wszystkich.