T
ИИ-чатTypeSafe AIJevSystem One ModelRLCDLLM-автоматизация

Jev: ИИ без текстовой генерации, который решает в 100 раз быстрее обычных LLM

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·4 мин чтения
Jev: ИИ без текстовой генерации, который решает в 100 раз быстрее обычных LLM

Когда Diogo Almeida уходил из OpenAI, он унес с собой один вопрос, который не давал покоя: почему сверхчеловеческие чат-модели так и не привели к реальной автоматизации? Ответ, который он нашел за два года стелс-разработки, оказался неожиданным - и 15 сентября 2026 года его стартап TypeSafe AI выкатил на суд публики модель Jev, которая за один день набрала 4,2 миллиона просмотров на Twitter и уверенно обосновалась на вершине Hacker News.

Что такое Jev и почему это не просто "быстрый LLM"

Jev - это не облегченная версия GPT и не очередная попытка сделать языковую модель дешевле. Это принципиально другой класс систем, который TypeSafe называет "System One Model" - отсылка к концепции Даниэля Канемана из книги "Думай медленно... решай быстро". Быстрое интуитивное мышление против медленного аналитического.

Обычные LLM - это System Two: они генерируют токен за токеном последовательно, прежде чем выдать ответ. Jev работает иначе. Разработчик передает модели структурированное состояние (JSON-объект или строку вроде "с моей карты списали дважды") и набор типизированных вопросов - `Choice`, `Score`, `Noul`. В ответ приходит не абзац текста, а структурированные числовые значения с вероятностями и оценкой уверенности.

Для примера: запрос о маршрутизации обращения в службу поддержки вернет что-то вроде `{"billing": 0.08, "technical": 0.85, "sales": 0.07}` с confidence score 0.82. Никакого текста, никакого парсинга, никаких неожиданных форматов.

Цифры, которые сложно игнорировать

TypeSafe заявляет время ответа от 70 до 500 миллисекунд - по словам компании, это в 40-200 раз быстрее, чем у традиционных LLM. На демо на сайте компании Jev отвечает за 0.114 секунды, GPT-5.6 Terra - за 8.566 секунды. Параллельная обработка всех выходов сразу вместо последовательной генерации токенов дает такой эффект.

По стоимости: $0.042 за миллион входных токенов, выходные токены бесплатны. В своих собственных бенчмарках на задачах автоматизации бизнес-процессов TypeSafe заявляет ускорение до 200 раз и удешевление до 400 раз по сравнению с сопоставимыми frontier-моделями - но сами признают, что это идеальные условия, не реальный мир.

Стартап привлек $40 миллионов финансирования и сразу позиционирует себя как создателя frontier-модели нового типа.

Почему "нет галлюцинаций" - это архитектурное свойство, а не маркетинг

Отсутствие галлюцинаций у Jev - не следствие какого-то особого обучения на "честных данных". Модель возвращает ограниченные типизированные ответы и не генерирует свободный текст: ей просто негде взяться тексту, который можно было бы назвать галлюцинацией. TypeSafe позиционирует это как архитектурное свойство, хотя независимой верификации этого утверждения пока нет.

Обучалась модель по методу RLCD (Reinforcement Learning for Calibrated Decisions) - в отличие от RLHF, который учит модель нравиться людям, RLCD учит ее знать, насколько она уверена в своем ответе. Если модель права в 95% случаев, но не может пометить оставшиеся 5% как "неуверенный ответ", для автоматизированных пайплайнов она почти бесполезна.

Что Jev умеет и чего категорически не умеет

Jev умеет: классифицировать, маршрутизировать, скорить, принимать решения в кодовых пайплайнах. Он может играть в Doom - буквально, демо есть на сайте: модели передают структурированное состояние игры, и она выдает решения. Но это скорее аттракцион для демонстрации скорости.

Jev не умеет: писать текст, объяснять решения, работать с изображениями, рассуждать в открытом формате. Оценки строятся на внутренних бенчмарках компании по задачам автоматизации, а не на публичных тестах вроде MMLU.

Это важное ограничение: независимой верификации заявленных цифр пока нет.

Почему название Jev - это не случайность

Название отсылает к парадоксу Джевонса: когда паровые двигатели стали эффективнее, потребление угля не упало - оно выросло, потому что уголь стал дешевле использовать. TypeSafe делает ставку на то же самое: когда стоимость одного интеллектуального решения резко падает, программисты начнут встраивать такие решения в места, где раньше даже не думали их использовать. Спрос на "умные решения" в коде вырастет пропорционально падению цены.

Что это означает для рынка

TypeSafe открыто позиционирует Jev как дополнение к System Two моделям - GPT, Claude, Gemini - а не конкурента. Логика такая: дорогостоящую reasoning-модель нет смысла гонять на каждую операцию маршрутизации или скоринга. Jev берет на себя миллионы мелких решений, освобождая "тяжелые" модели для задач, где нужно реальное рассуждение.

Для разработчиков в России: сервис доступен через API, оплата картами - судя по всему, через стандартные международные платежные системы, то есть прямой доступ из РФ будет затруднен без дополнительной инфраструктуры. VPN и иностранная карта или облачный посредник - стандартная схема для таких сервисов.

Анонс состоялся в один день с релизом Gemini 3.8 Live и объявлением Periodic Labs о модели Neon для материаловедения - и при этом Jev перетянул на себя основное внимание Hacker News. Это само по себе говорит о том, что индустрия давно ждала чего-то в этой нише.

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости

OpenAI
ИИ-чат

OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra

OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.

18 ноября3 мин чтения
OpenAI
ИИ-чат

OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента

OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.

17 ноября3 мин чтения
NVIDIA
ИИ-чат

NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300

В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.

17 ноября3 мин чтения