К содержимому
Дайджест

Jev: дешёвый ИИ-классификатор вместо генерации текста

The Stack·22 сентября 2026·15:57
можно прочитать выбрать инструмент
Открыть на YouTube
Разбор модели Jev от Typesafe — это не чат-бот, а быстрый и дешёвый движок для принятия структурированных решений в коде, и обзор для разработчиков, которые хотят понять, куда его ставить.

Что в ролике

Если ваше приложение постоянно делает тысячи мелких проверок — классифицирует обращения, решает, пропустить ли действие агента, — Jev предлагает делать это за доли цента и без генерации текста. Модель от Typesafe AI (Сан-Франциско, основатель — бывший исследователь OpenAI Дио Алмейда, $40 млн посевных от DCVC) не пишет ответы, а по каждому запросу выбирает один вариант из заранее заданного списка и возвращает вероятность. На бумаге вход стоит 4,2 цента за миллион токенов, выход бесплатный, а ответы приходят в среднем быстрее чем за полсекунды; независимый тест на 2000 писем показал 239 мс против 687 мс у Claude Haiku 4,5 и примерно в 12 раз дешевле. Обещание «не галлюцинирует» означает лишь, что Jev физически не может вернуть текст вне заданной схемы, но ошибаться в выбранном варианте он может: в тесте на фишинг при одном широком вопросе Jev дал 62,6% точности против 81,3% у Claude Haiku. Когда разработчик разбил задачу на пять узких признаков и подобрал веса на 1000 размеченных примеров, точность Jev выросла до 95%, почти сравнявшись с Haiku (93%). Автор разбора советует использовать Jev как дешёвый первый фильтр или роутер рядом с полноценной моделью вроде Claude, но не как единственную проверку безопасности, потому что модель плохо считает, сравнивает даты и может поддаться тексту-манипуляции внутри файла. Для внедрения рекомендуют начинать с узких вопросов, гонять модель в теневом режиме на размеченных данных и пропускать только ответы с высокой уверенностью, а сомнительные отправлять человеку или более тяжёлой модели.

Практика

Что получишь
Понять, чем Jev отличается от обычных LLM, где его выгодно встраивать и как проверить точность, прежде чем доверять ему решения.
Первый шаг
Взять одну узкую задачу с заранее известными вариантами ответа (например, классификацию писем на спам/не спам) и прогнать Jev в теневом режиме рядом с текущим решением на размеченных данных.
Цифры
  • —4,2 цента за миллион входных токенов — официальная цена Jev, выход бесплатный
  • —239 мс против 687 мс — среднее время ответа Jev и Claude Haiku 4,5 на 2000 письмах в независимом тесте
  • —62,6% против 81,3% — точность Jev и Claude Haiku при одном широком вопросе о фишинге
  • —95% — точность Jev после разбиения на пять узких признаков и настройки весов на 1000 размеченных примеров
Честно
Автор не продвигает Typesafe и не даёт партнёрских ссылок, но в середине просит подписаться на канал. Часть цифр (сравнение с Haiku, графики) показана на экране, так что для повторения замеров придётся открыть видео или исходный бенчмарк на GitHub. Сама модель Jev пока в раннем доступе за waitlist, а публичных независимых данных всего несколько дней.
Если слова незнакомы — 5 терминов

Связки из этого ролика

3 шт.

Компоненты

4 шт.

Формат: обзор · для практикующих · уверенность разметки 0.85 · источник