Jev от TypeSafe классифицирует данные в 200 раз быстрее LLM: легкие модели ИИ вместо генерации

---

Стартап TypeSafe 15 сентября 2026 года выпустил Jev, модель нового типа, которая не генерирует текст, а принимает структурированные решения в 20-200 раз быстрее обычных языковых моделей и при этом обходится в 40-400 раз дешевле.

Запуск прошёл на фоне анонсов Gemini 3.8 Live от Google и модели Neon от Periodic Labs, но именно Jev весь день удерживал первую строчку на Hacker News и набрал, по данным AI News, миллионы просмотров. Источник называет это редкостью для стартапа в день крупных релизов. Разработчик Diogo Almeida позиционирует Jev как дополнение к медленным «рассуждающим» моделям (то, что в индустрии называют System Two): вместо генерации текста токен за токеном Jev выдаёт готовое решение из заранее заданного набора вариантов.

Три свойства, которые отличают Jev от обычных языковых моделей

• Параллельная выборка вместо последовательной генерации. Обычная языковая модель выдаёт ответ слово за словом. Jev обрабатывает варианты параллельно, поэтому работает в 20-200 раз быстрее. Для читателя 50+: представьте, что вместо чтения всей книги вслух модель сразу открывает нужную страницу.

• Заявлено отсутствие галлюцинаций. Галлюцинация — когда ИИ уверенно выдумывает то, чего не было. TypeSafe утверждает, что Jev не галлюцинирует, потому что не генерирует свободный текст: модель выбирает из заданных вами категорий. Источник ставит «no hallucination» в кавычки, и это честная оговорка: модель может ошибиться в выборе категории, но не сочинит несуществующий ответ.

• Калибровка решений (RLCD). Модель обучена методом RLCD (Reinforcement Learning from Calibrated Decisions, обучение с подкреплением на калиброванных решениях). Если совсем просто: модель не просто угадывает, а оценивает свою уверенность, и эта оценка совпадает с реальной точностью. Clementine из HuggingFace ранее выделяла калиброванные решения как одно из перспективных направлений исследований.

Что Jev не умеет?

Это принципиальный момент, который легко упустить за маркетинговыми цифрами. Jev не пишет тексты, не рассуждает, не ведёт диалог. Как отмечает пользователь @scaling01 в обсуждении, Jev ближе к «дешёвому калиброванному движку для структурированных решений», чем к замене GPT. Модель требует заранее заданных форматов вывода: вы определяете набор категорий, а Jev распределяет входящие данные по ним. Лёгкие модели ИИ такого типа полезны именно там, где нужна не генерация, а сортировка.

Как попробовать?

1. Откройте документацию TypeSafe: блог, результаты тестов и документация опубликованы одновременно с запуском (ссылки доступны на сайте TypeSafe и в обсуждении на Hacker News).
2. Определите задачу классификации: Jev подходит для маршрутизации запросов, скоринга, фильтрации, то есть задач, где ответ выбирается из конечного списка.
3. Подготовьте набор категорий и протестируйте через API. Выходные токены бесплатны, входная стоимость зависит от объёма, но заявлена как кратно ниже, чем у полноценных языковых моделей.

Есть ли аналоги в России?

Прямого аналога Jev среди российских сервисов пока нет. YandexGPT и GigaChat — это полноценные языковые модели, которые генерируют текст. Их можно использовать для классификации, но это как нанимать переводчика-синхрониста для сортировки почты: работает, но дорого и медленно. Лёгкие модели ИИ вроде Jev решают узкую задачу за малую долю стоимости. Российские разработчики могут встроить Jev в свои системы как внешний API, если задержка до зарубежного сервера допустима, или дождаться появления аналогичных специализированных моделей на российском рынке.

Что с этим делать прямо сейчас, по ролям?

Автору на Дзене. Если вы используете ИИ для сортировки комментариев, классификации тем или автоматической модерации, Jev потенциально сэкономит бюджет: не нужно гонять тяжёлую модель ради ответа «спам / не спам».

Маркетологу. Маршрутизация клиентских обращений, скоринг лидов, распределение заявок по категориям — типичные задачи, где Jev может заменить дорогие вызовы к большим моделям. Экономия в десятки раз по цене — это сотни тысяч рублей на масштабе.

Разработчику и предпринимателю в РФ. Модель вписывается в архитектуру, где дорогая «рассуждающая» LLM вызывается только для сложных случаев, а Jev берёт на себя массовую рутинную классификацию. Несколько инженеров в обсуждении (в том числе @eggie5 и @dbreunig) уже связали Jev с подходом DSPy, когда дорогие вызовы к LLM компилируются в набор дешёвых специализированных функций.

Частые вопросы

Jev заменит ChatGPT или Claude?

Нет. Jev не генерирует текст, не ведёт диалог, не пишет код. Он выбирает из заданных вами вариантов. Это дополнение к большим моделям, а не их замена.

Можно ли использовать Jev из России?

TypeSafe не упоминает географических ограничений, но сервис зарубежный. На практике это означает возможную задержку сети и валютную оплату. Для задач, где критична скорость отклика внутри страны, стоит дождаться локальных аналогов или развернуть прокси-решение.

Что значит «выходные токены бесплатны»?

Токен (единица текста, которую обрабатывает модель) — основа расчёта стоимости у большинства ИИ-сервисов. TypeSafe не берёт плату за результат классификации, только за входные данные. Для задач с коротким входом и большим потоком обращений это может радикально снизить расходы.

Запуск Jev показывает конкретный сдвиг: вместо одной дорогой модели на все случаи жизни индустрия движется к набору специализированных инструментов, каждый из которых делает свою работу быстрее и дешевле.