Типсейф ИИ набрал $100M выручки за неделю: decision-модели в 10 раз дешевле генеративных

Компания TypeSafe объявила о раунде «Series AI», а венчурный фонд Sequoia раскрыл, что стартап преодолел отметку в 100 миллионов долларов годовой выручки (ARR, annual recurring revenue, то есть регулярный доход за год) за первую неделю после запуска.

Фоном для этого стал взрывной рост новой продуктовой категории. Несколько крупных вендоров в один и тот же день выпустили так называемые модели принятия решений (decision models). Они не пишут свободный текст, а возвращают структурированный ответ: вероятность, выбор из списка, числовую оценку. Всё это за один проход, без генерации токенов (токен, минимальная единица текста, которую обрабатывает модель). Эталоном, с которым все сравниваются, стал API Jev от TypeSafe, и, по наблюдению аналитика @scaling01, формат разлетелся по индустрии за считанные дни.

Что именно вышло и чем отличается от генеративных моделей?

• OpenAI Decisions API принимает текст и изображения, работает на модели GPT-6 Luna. Три типа запросов: вероятность истинности условия, выбор из списка, оценка по уровням. По собственным данным OpenAI, скорость до десяти раз выше, чем у генеративного вызова.
• Microsoft Decision-1 позиционируется для задач, где ИИ выступает судьёй (LLM judge, когда одна модель оценивает результат другой), и для проверки научных гипотез. Ранние тестировщики отмечают проблемы с консистентностью на сложных задачах.
• Perplexity pplx-decider-v1.1-27b заявляет 94,5% точности на бенчмарке Decision Bench по 1 071 кейсу.
• Cloudflare clef-omni принимает аудио, видео, изображения и текст. Версия clef-flash дешевле Jev, а clef в целом примерно вдвое быстрее. Веса опубликованы на Hugging Face (открытые веса, когда параметры модели доступны для скачивания и самостоятельного запуска).
• Liquid d1 доступна через Vercel AI Gateway, поддерживает визуальный вход для классификации, маршрутизации и скоринга.
• Маршрутизатор vLLM Semantic Router Decision 2.0 отвечает на несколько вопросов об одном входе за один проход и возвращает вероятности для каждого варианта.

Важный контекст: LangChain сообщает, что маршрутизация каждой задачи к самой дешёвой подходящей модели снизила медианную стоимость задачи в бенчмарке Open SWE на 64%.

Можно ли обучить свою decision-модель?

Unsloth выпустил бесплатный ноутбук, который превращает Qwen3.5-4B в модель принятия решений на видеокарте с 8 ГБ видеопамяти. Пошаговый разбор на Qwen3.5-0.8B показывает рост точности с 37% до 65% за 60 шагов, это около десяти минут на карте с 4 ГБ.

То есть для запуска собственной decision-модели не нужен серверный кластер. Достаточно обычной рабочей станции или даже игрового ноутбука.

Как попробовать?

1. Зарегистрируйтесь на платформе OpenAI и активируйте Decisions API. Стоимость: $0,10 за миллион входных токенов, без платы за выход.
2. Если нужна открытая модель, скачайте веса Cloudflare clef с Hugging Face и запустите локально.
3. Для дообучения (дообучение, обучение модели на ваших примерах под узкую задачу) откройте бесплатный ноутбук от Unsloth и адаптируйте Qwen3.5-4B под свою задачу классификации.

Есть ли аналоги для российских пользователей?

Прямых аналогов decision-моделей в экосистемах YandexGPT и GigaChat на момент публикации нет. Обе платформы предлагают генеративные модели, которые можно использовать для классификации через промпт (промпт, текстовая инструкция для модели), но это именно генеративный вызов: модель пишет текст, а не возвращает типизированный ответ за один проход.

Для российских сервисов с ограниченным бюджетом на API это пока означает: либо ждать, когда Яндекс или Сбер выпустят аналог, либо запускать открытые модели (clef, Qwen3.5 после дообучения) на собственном железе.

Что это значит для вас?

Авторам Дзена. Если вы используете ИИ для категоризации тем, фильтрации комментариев или маршрутизации входящих текстов, decision-модель сделает это быстрее и дешевле, чем промпт к генеративной модели. Практический сценарий: отправляете заголовок статьи в API, получаете категорию и оценку потенциала без генерации текста.

Маркетологам. Скоринг лидов, A/B-классификация креативов, фильтрация отзывов: всё, что сводится к «да/нет/оценка от 1 до 5», теперь можно отдать модели за доли копейки за запрос. При 64% экономии на маршрутизации, по данным LangChain, бюджет на ИИ-инфраструктуру сокращается заметно.

Предпринимателям в РФ и СНГ. Прямого доступа к Jev и OpenAI Decisions из России нет. Но открытые веса Cloudflare clef на Hugging Face и ноутбук Unsloth для дообучения Qwen3.5 позволяют развернуть decision-модель на своём сервере без зависимости от зарубежных API.

Частые вопросы

Чем decision-модель отличается от обычного ChatGPT?

Генеративная модель пишет свободный текст в ответ на промпт. Decision-модель (модель принятия решений) не генерирует текст, она возвращает структурированный ответ: вероятность, выбор из заданного списка или числовую оценку. Это быстрее и дешевле, потому что модель делает один проход вместо последовательной генерации токенов.

Типсейф ИИ доступен в России?

Прямого доступа к API Jev от TypeSafe из РФ нет. Альтернатива: скачать открытые веса Cloudflare clef с Hugging Face или дообучить Qwen3.5 через бесплатный ноутбук Unsloth и запустить локально.

Нужна ли мощная видеокарта для своей decision-модели?

Нет. По данным разработчиков, дообучение Qwen3.5-0.8B занимает около десяти минут на видеокарте с 4 ГБ видеопамяти, а Qwen3.5-4B работает на 8 ГБ. Это уровень бюджетного игрового ноутбука.