Jev от стартапа TypeSafe AI не генерирует ответы, а выдаёт заранее заданные вероятностные решения
20 сентября 2026, 22:02Искусственный интеллектDarth Sahara0
Диогу Алмейда, бывший исследователь OpenAI, принимавший участие в создании ChatGPT и разработке RLHF (обучение с подкреплением на основе обратной связи от пользователей), утверждает, что большие языковые модели чрезмерно оптимизированы для человеческого языка. По его мнению, это ограничивает их использование в автоматизации, где программам чаще нужны не тексты, а конкретные решения. Два года назад Алмейда покинул OpenAI и основал TypeSafe AI, которая недавно представила Jev — трансформерную модель, не относящуюся к LLM и выдающую вероятности заранее определённых решений вместо текста.
Такой метод значительно повышает скорость и снижает стоимость модели, а заранее определённый набор вариантов устраняет галлюцинации в привычном понимании: Jev не создает произвольный текст.
Компания измеряет входные токены миллиардами, а выходные делает бесплатными.
Интерес разработчиков оказался настолько велик, что TypeSafe временно не смогла обслуживать пользователей через API из-за высокой нагрузки. В Vercel, по словам инженера компании Пранита Шармы, после перехода с модели OpenAI на Jev проверка инструкций стала происходить в 5–18 раз быстрее и с повышенной точностью. В другом тесте Jev классифицировала деловые письма чуть менее точно, чем Gemini, но оказалась в 10–20 раз дешевле. Особенно разработчики отметили, что модель возвращает числовую вероятность своего решения.
Jev можно использовать не только вместо LLM, но и в сочетании с ними: например, для верификации действий ИИ-агентов, выявления попыток обхода ограничений и мониторинга их последовательностей действий. Другой вариант — маршрутизация запросов, когда отдельная модель в режиме реального времени определяет, достаточно ли для конкретной задачи недорогой системы или требуется более мощная. При этом архитектура Jev остаётся подробно нераскрытой. Алмейда сообщает, что модель обучается исключительно на синтетических данных с использованием собственного метода, который компания называет «обучением с подкреплением на основе калиброванных решений».
Название Jev отсылает к экономисту Уильяму Стэнли Джевонсу (William Stanley Jevons) и его парадоксу: снижение стоимости ресурса может привести к увеличению его потребления. TypeSafe рассчитывает применить тот же принцип к машинному обучению — сделать простые интеллектуальные решения настолько доступными и быстрыми, чтобы их можно было интегрировать непосредственно в программное обеспечение. Компания уже планирует выпускать новые версии модели для других модальностей.
Источники:techcrunchИскусственный интеллект0Искусственный интеллектИИ-агенты28 минут назад
Источник