Новые модели ИИ без галлюцинаций: Jev выдаёт вероятности в 18 раз быстрее ChatGPT

Бывший исследователь OpenAI Диого Алмейда, один из создателей техники RLHF (обучение с подкреплением на основе обратной связи от человека, метод, без которого ChatGPT не стал бы таким, каким мы его знаем), на этой неделе выпустил Jev, новую модель ИИ, которая принципиально отказывается от человеческого языка в пользу числовых вероятностей.

Алмейда ушёл из OpenAI два года назад и основал стартап TypeSafe AI. Его тезис прост: большие языковые модели заточены под человеческую речь, а для автоматизации компьютерам нужен другой формат. Jev построена на архитектуре трансформера, но не является LLM (большой языковой моделью, то есть моделью, обученной генерировать текст). Вместо слов она выдаёт так называемые «калиброванные решения», вероятности, привязанные к заранее заданным вариантам ответа.

Что именно устроено иначе?

Обычная LLM получает текстовый запрос и генерирует текстовый ответ, слово за словом. На каждом шаге модель «выбирает» следующее слово из огромного словаря, и именно здесь возникают галлюцинации (когда модель уверенно выдумывает то, чего не было): модель может сгенерировать правдоподобную, но ложную последовательность слов.

Jev работает иначе. Разработчик заранее задаёт конечный список возможных ответов, например: «спам / не спам / требует проверки». Модель не сочиняет текст, а возвращает вероятность каждого варианта. Скажем: спам 0,92, не спам 0,05, требует проверки 0,03. Поскольку модель не порождает свободный текст, она физически не может «выдумать» ответ, которого нет в списке.

TypeSafe AI называет Jev «моделью Системы 1» по аналогии с быстрым интуитивным мышлением из психологии: модель настроена не на рассуждения, а на мгновенную классификацию. Обучена она исключительно на синтетических данных (данных, сгенерированных специально для обучения, а не собранных из интернета) по методу, который Алмейда называет «обучение с подкреплением на основе калиброванных решений».

Архитектуру модели компания не раскрывает. Внешние наблюдатели, по данным TechCrunch, предполагают, что Jev построена поверх существующей модели с открытыми весами (то есть модели, чьи параметры опубликованы), но TypeSafe AI это не подтверждает.

Что обнаружили на практике?

• Скорость. Пранит Шарма, инженер компании Vercel (разрабатывает инфраструктуру для ИИ-агентов), заменил ChatGPT Luna 5.6 на Jev в классификаторе команд безопасности. Результат: ответ стал приходить в 5–18 раз быстрее, при более высокой точности.
• Стоимость. Никхил Мудхолкар, технический директор Bryo AI, сравнил Jev с Gemini на задаче классификации деловых писем. Gemini оказалась чуть точнее, но обошлась в 10–20 раз дороже.
• Калиброванные вероятности. Мудхолкар отдельно выделил, что Jev возвращает «настоящую вероятность», а не просто метку класса. По его словам, это делает модель идеальной для автоматизации рабочих процессов.
• Мониторинг агентов. Алмейда видит ещё одно применение: Jev может отслеживать поведение LLM-агентов (программ, которые сами выполняют задачи) и предотвращать джейлбрейки (обход ограничений модели). Использовать для этого другую LLM дорого, а Jev справляется дёшево.
• Маршрутизация моделей. Армин Ронахер, технический директор Earendil (компания, которая делает открытый инструмент Pi для работы с моделями), описал ещё один сценарий: Jev может в реальном времени определять, какая модель нужна для конкретной задачи, что экономит деньги на инференсе (процессе генерации ответа моделью).
• Спрос. API TypeSafe AI на короткое время вышел из строя из-за наплыва пользователей, что стартап не ожидал.

Название модели отсылает к экономисту Уильяму Стэнли Джевонсу и его парадоксу: когда ресурс дешевеет, его начинают использовать повсюду. Алмейда рассчитывает, что дешёвый интеллект станет массовым, как раннее подключение к интернету, а не сосредоточится внутри нескольких суперприложений.

Что делать с этим прямо сейчас?

Разработчику и техническому предпринимателю. Если в вашем продукте LLM используется как классификатор, фильтр или маршрутизатор, а не как генератор текста, Jev заслуживает теста. Разница в стоимости в 10–20 раз и в скорости в 5–18 раз, это не абстрактная экономия, а конкретное снижение инфраструктурных расходов в production-коде. Входные токены тарифицируются за миллиард, а не за миллион, выходные бесплатны.

Автору Дзена и контент-маркетологу. Jev не пишет текст, так что заменить копирайтера она не может. Но если вы строите автоматическую воронку, например, классификацию входящих заявок, сортировку комментариев, маршрутизацию обращений, эта модель может оказаться дешевле и надёжнее, чем ChatGPT. Отсутствие галлюцинаций критично там, где ошибочная классификация ведёт к потере клиента.

Тем, кто в РФ. API TypeSafe AI доступен через облако, компания не объявляла о географических ограничениях, но и о прямой поддержке российских пользователей тоже не сообщала. Из ближайших по идее инструментов в РФ работают YandexGPT и GigaChat, но обе остаются генеративными LLM и не предлагают аналогичного режима калиброванных вероятностей. Появление Jev стоит воспринимать как ориентир: задачи классификации и фильтрации не обязательно решать дорогой генеративной моделью.

Алмейда на вопрос TechCrunch, считает ли он TypeSafe AI «лабораторией на передовой», ответил прямо:

Главный продукт лабораторий на передовой, это страх или хайп. Я бы хотел, чтобы нашим главным продуктом был интеллект. Мы не из тех, кто ставит на бесконечное богатство, религию или строительство бога в дата-центре. : Диого Алмейда, основатель TypeSafe AI

Если подход Jev подтвердится на масштабе, это не просто ещё одна модель, а аргумент в пользу того, что будущее автоматизации собирается не из одного гигантского мозга, а из множества дешёвых специализированных решений.

По данным TechCrunch