Jev: ИИ без текста от создателя ChatGPT покоряет разработчиков

Когда создатель ChatGPT разочаровался в ChatGPT

Диого Алмейда помог построить ChatGPT и придумал RLHF - метод обучения, который во многом определил нынешний облик индустрии ИИ. А потом ушел из OpenAI, потому что понял: они строят не то. "У нас молния в бутылке, но она бесполезна", - сказал он TechCrunch. Его диагноз прост и неудобен: четыре года индустрия оттачивала человеческий язык, а компьютерам нужен совсем другой язык.

Два года он работал в полной тишине. 15 сентября 2026 г. его стартап TypeSafe AI вышел из стелс-режима с моделью Jev и новым классом систем под названием System One Models. Видео-анонс за десять часов набрало больше 10 миллионов просмотров, статья в блоге взлетела на первое место Hacker News, а API лег под нагрузкой - спрос оказался выше, чем компания успела обеспечить.

Что такое Jev и почему это не LLM

Jev не генерирует текст. Вообще. Это принципиальный архитектурный выбор, а не техническое ограничение.

Обычный языковой агент, когда ему нужно классифицировать письмо или проверить команду на безопасность, пишет ответ словами, потом разработчик парсит этот текст в структуру данных и молится, чтобы модель ничего не выдумала. Jev работает иначе: разработчик заранее описывает структуру ответа - список возможных категорий, бинарный флаг, оценка от 0 до 1. Модель возвращает вероятности для каждого варианта и больше ничего. Галлюцинировать физически негде: выход жестко определен схемой.

Алмейда называет это "System One Model" - отсылка к психологу Даниэлю Канеману, который делил мышление на быстрое интуитивное (система 1) и медленное аналитическое (система 2). Современные чат-модели - это система 2: они "думают" вслух, шаг за шагом. Jev - система 1: реагирует мгновенно, без объяснений.

Паралельность вычислений - вот откуда скорость. Обычный LLM генерирует токен за токеном, каждый следующий зависит от предыдущего. Jev рассчитывает все ответы одновременно. Этот же трюк в свое время позволил трансформерам обогнать рекуррентные сети.

Цифры, которые заставляют задуматься

Вот конкретика: $0.042 за миллион входящих токенов, выходные токены - бесплатно. Для сравнения, GPT-6 Astra стоит $10 за миллион входящих и $50 за исходящие, Claude Fable 5.1 - те же цифры. Разница в стоимости - на порядки.

Латентность - 70-500 миллисекунд против нескольких секунд у больших моделей в режиме рассуждения. Цифры замерены с западного побережья США, так что пользователи из России получат дополнительный трансатлантический пинг.

Сам TypeSafe приводит собственные бенчмарки: 193 раза быстрее и 444 раза дешевле по сравнению с топовыми моделями на специально составленных задачах. Эти числа - из внутренних тестов компании, где точность измеряется как совпадение с усредненным мнением GPT-6 Astra и Claude Fable 5.1. На этой шкале Jev попадает в согласие в 68% случаев - примерно уровень GPT-5.6 Terra, но ниже Sol и Claude Opus 5 (~73-74%). Алмейда не претендует на звание умнейшей модели. Он претендует на скорость и цену.

Реальные кейсы подтверждают цифры. Команда Vercel заменила OpenAI Luna 5.6 на Jev в классификаторе команд для проверки безопасности - результат пришел в 5-18 раз быстрее при более высокой точности. CTO Bryo AI Никхил Мудхолкар тестировал Jev против Gemini на классификации деловых писем: Gemini оказался чуть точнее, зато в 10-20 раз дороже. Отдельно Мудхолкар отметил оценки уверенности - по его словам, Jev единственный возвращает настоящую вероятность, а не текстовый вывод, который еще надо интерпретировать.

Где это применять

Четыре сценария, которые называют и разработчики, и сам Алмейда:

- Классификация и маршрутизация: определить тип входящего запроса и отправить его нужному обработчику без дорогого LLM-вызова. - Безопасность агентов: Jev следит за трассами агентов на LLM и блокирует джейлбрейки. Использовать LLM для мониторинга другого LLM - дорого и медленно, Jev здесь в своей стихии. - Скоринг и триаж: оценить вероятность оттока клиента, приоритет тикета, риск транзакции - задачи, где нужен не текст, а число. - Роутинг между моделями: решить в реальном времени, нужен ли для запроса тяжелый рассуждающий агент или хватит дешевого. Jev стоит настолько мало, что его вызов окупается экономией на выборе правильной модели.

Армин Ронахер, CTO Earendil, описал суть честно: "Это делегирует проблему галлюцинаций самому пользователю. Если модель вернула 50% - это подброшенная монета, и ты сам решаешь, игнорировать или нет. Если 95% - можно действовать". Это другой контракт с разработчиком, более явный.

Архитектура и деньги

Алмейда не раскрывает детали архитектуры. Наблюдатели со стороны предполагают, что Jev построен поверх какой-то открытой базовой модели. Компания описывает метод обучения аббревиатурой RLCD - новый подход, альтернативный RLHF, который Алмейда сам когда-то создавал.

TypeSafe AI основана в 2024 г. в Сан-Франциско и привлекла $40 миллионов посевного раунда от DCVC. Название модели - дань уважения Уильяму Стэнли Джевонсу, экономисту XIX века. Парадокс Джевонса: когда ресурс дешевеет, его начинают использовать больше, а не меньше. Алмейда ставит на то, что дешевый интеллект распространится везде - не в виде мегаприложений, а рассредоточенно, как ранний интернет.

Для разработчиков из России

Доступ к API пока через список ожидания - сервис лег под нагрузкой в первые же дни. Инфраструктура расположена на западном побережье США. Прямых блокировок для российских IP в источниках не упоминается, но стандартные ограничения на прием оплаты с российских карт, скорее всего, действуют - как и у большинства американских ИИ-стартапов.

Для тех, кто строит пайплайны с агентами или занимается автоматизацией с высокой частотой вызовов, Jev стоит изучить хотя бы ради бенчмарка на собственных данных. Цифры, которые приводят ранние пользователи, слишком большие, чтобы их игнорировать.

Информация о выходе Jev и его характеристиках подтверждена несколькими независимыми публикациями.