Jev (произносится Джев) — запатентованная модель искусственного интеллекта, разработанная компанией TypeSafe AI, базирующейся в Сан-Франциско. Компания основана в 2024 году. Jev был выпущен в ограниченном раннем доступе 15 сентября 2026 года, одновременно с объявлением о цене в 40 миллионов долларов США. Посевной раунд финансирования на миллион долларов, возглавляемый DCVC.
В отличие от больших языковых моделей (LLM), Jev не генерирует текст на естественном языке. Вместо этого он возвращает типизированные значения вместе с оценками вероятности и показателями достоверности. Его выходные данные предназначены не для чтения человеком, а для непосредственного использования другим программным обеспечением.
TypeSafe описывает его как первый из класса моделей, которые он называет «моделями системы One» ().
Фон Компания TypeSafe AI была основана в 2024 году Диого Алмейдой, Эриком Гафни и Сашей Шенгом. Алмейда, генеральный директор компании, провел около четырёх лет в OpenAI, работая над обучением с подкреплением на основе обратной связи от человека (RLHF), InstructGPT, ChatGPT и GPT-4. В 2024 году он покинул компанию.
Компания позиционирует Jev как надёжную модель автоматизации и программного обеспечения, а также как ответ на чрезмерную уверенность в существующих моделях. Forbes: «Мы оптимизируем для людей, и мы сверхчеловечески умеем угождать людям». Он описал свое разочарование в разговорных моделях как причину возникновения проекта, заявив TechCrunch, что эта технология была «молнией в бутылке», которая, тем не менее, оказалась бесполезной.
Разработка Jev велась в режиме скрытности около двух лет. По данным Forbes, в ходе этого раунда финансирования компания TypeSafe была оценена в 200 миллионов долларов США.
Дизайн и архитектура Запрос Jev состоит из блока состояния (строки, объекта JSON или массива текста) вместе с одним или несколькими типизированными вопросами . Модель оценивает каждый вопрос относительно состояния за один параллельный проход и возвращает структурированные ответы, а не простой текст.
Jev допускает три типа вопросов (также называемых «примитивами»): Примитив Цель Возвраты Выбор Выберите один вариант из заданного набора. Выбранный вариант, вероятности для каждого варианта, степень достоверности. Счет Оцените состояние по упорядоченным уровням. Оценка, вероятности для каждого уровня, уровень достоверности. Noul Оцените утверждение, содержащее ответ «да» или «нет». Вероятность от 0 до 1 Поскольку ответы определены заранее, модель не может вернуть значение, выходящее за рамки предоставленной схемы. TypeSafe позиционирует это как устранение галлюцинаций и ошибок ввода.
TypeSafe не опубликовала точную архитектуру, веса и техническую статью, разработанные Jev. Компания описывает эту модель как основанную на трансформерах и обученную исключительно на синтетических данных. В качестве метода обучения используется обучение с подкреплением для калиброванных решений (RLCD), в котором вероятности оптимизируются относительно результатов, а не относительно предпочтений эксперта. Внешние наблюдатели предположили, что модель может быть построена на основе LLM с открытым весом.
Заявленная производительность По данным TypeSafe, время отклика от начала до конца составляет от 70 до 500 миллисекунд. Компания утверждает, что Jev в 40-200 раз быстрее и в 40-400 раз дешевле, чем передовые LLM при выполнении сопоставимых задач, достигая пиковых значений в 193,6 раза быстрее и в 444,6 раза дешевле в собственных рабочих процессах.
В своих технических примечаниях TypeSafe заявляет, что рабочие процессы были созданы членами команды, занимающейся разработкой моделей, признает возможную предвзятость и описывает заявленные улучшения как, вероятно, находящиеся на верхнем пределе реальных результатов.
Название Модель названа в честь английского экономиста XIX века Уильяма Стэнли Джевонса, чей парадокс Джевонса описывает, как более эффективное использование ресурса может увеличить потребление. Алмейда заявил, что название отражает ожидание того, что более дешевый машинный интеллект приведет к гораздо более широкому его внедрению.
Ссылки
Developer documentation for Jev
Примечания
Категория:Проприетарное программное обеспечение Категория:Искусственный интеллект Категория:Прикладное машинное обучение Категория:Программное обеспечение, разработанное в 2026 году Категория:Википедия:Страницы с непроверенными переводами