if/else» для программ🟦 TypeSafe AI представила Jev — модель, которая намеренно не генерирует текст. Вместо ответа в чате она получает состояние программы и сразу возвращает типизированные решения: классификации, оценки, выбор из вариантов и вероятности.
Например, не: «Похоже, запрос срочный», а:
{
"urgent": { "value": true, "probability": 0.98 },
"route": { "value": "human_support", "уверенность": 0.91 }
}Идея проста: в агентных и продуктовых системах LLM часто используют не для написания текста, а для множества маленьких решений — определить интент, выбрать инструмент, направить заявку, оценить риск, проверить действие агента. Генерировать для этого токены по одному — избыточно, медленно и дорого.
Jev, по заявлению компании, вычисляет все заранее заданные ответы параллельно, а не авторегрессивно. Поэтому TypeSafe обещает латентность 70–500 мс и кратный выигрыш в цене на таких задачах.
Ключевая ставка — на калиброванную уверенность. Не просто
true/false, а вероятность, которая должна соответствовать реальной точности модели. Тогда в коде можно явно задать политику: при уверенности выше порога — действуем автоматически, ниже — передаём человеку или более сильной LLM.⚠️ Важно не покупать маркетинг целиком. Фраза «Jev не галлюцинирует» означает прежде всего, что он не нарушит заданную схему: не вернёт случайный текст вместо enum и не придумает поле API. Но он всё ещё может выбрать неверный допустимый вариант — например, ошибочно пометить риск как низкий. Как отмечает The Decoder, типобезопасность не равна истинности.
Поэтому Jev — не замена LLM для кода, письма, диалога или открытого reasoning. Скорее это специализированный слой для надёжных программных конвейеров: быстрый вероятностный классификатор/роутер рядом с LLM, а не вместо неё.
За проектом стоит Диогу Алмейда, бывший исследователь OpenAI и один из авторов работы InstructGPT — важной основы RLHF-подхода, из которого вырос ChatGPT. Именно поэтому его критика LLM выглядит содержательнее обычного стартап-питча: он участвовал в создании нынешней парадигмы и теперь делает ставку на более узкие, но машинно-пригодные модели.
Пока стоит относиться к заявлениям осторожно: архитектура не раскрыта, независимых широких бенчмарков мало, а опубликованные оценки в основном построены самой компанией. Но сама идея кажется практичной: не заставлять дорогую генеративную модель выполнять работу, для которой нужен всего лишь хороший, быстрый и честно неуверенный
if/else.