Jev magyarul: mit tud a TypeSafe AI döntéshozó modellje, és kinek jó?

„Kétszer vonták le a kártyámról.” Egy ügyfél ezt írja a vállalkozásodnak. Erre a Jev a három lehetséges osztály mindegyikéhez egy konkrét valószínűséget rendel.

A számlázás 0,08-ot kap, a technikai osztály 0,85-öt, az értékesítés pedig 0,07-et. Százalékosan kifejezve ez 8, 85 és 7 százalékos esélyt jelent a különböző kategóriákra. Ebből a fejlesztő programja már tudja, hogy az üzenet a technikai ügyfélszolgálathoz tartozik a legvalószínűbben.

A Jev a San Franciscó-i székhelyű TypeSafe AI mesterséges intelligencia modellje. A cég 2026. szeptember 15-én jelentette be a Jevet, amely egyelőre korai hozzáféréssel érhető el.

Emellett a fejlesztőket várólistáról engedik be, a cég szerint olyan gyorsan, ahogy csak tudják. A modell gyors, strukturált döntésekre készült, amelyeket szoftverek használnak fel.

Mi az a Jev, és ki áll mögötte

A TypeSafe AI nevű céget 2024-ben alapította három szakember. Diogo Almeida, Erik Gafni és Sasha Sheng hozták létre a vállalatot, amelynek a vezetéséért Almeida felel. Ő korábban az OpenAI kutatójaként dolgozott azokon a módszereken, amelyek a nyelvi modelleket az utasítások követésében és az emberekkel való beszélgetésben használhatóvá tették.

Almeida saját bejelentése szerint ebből a munkából lett a ChatGPT mögötti kutatás. A TechCrunch beszámolója szerint az emberi visszajelzésből tanuló megerősítéses tanítás egyik kidolgozója volt. A módszer rövidítése RLHF.

Vállalatuk a modell bejelentésével egy időben egy 40 millió dolláros befektetési kört is lezárt, amelyet a DCVC nevű befektető vezetett. A TechCrunch szerint akkora volt a fejlesztők érdeklődése, hogy a cég egy időre nem tudta kiszolgálni a felhasználókat az API-n.

Almeida a TechCrunchnak nyilatkozva a ChatGPT-ről azt mondta: „Palackba zárt villám, mégsem hasznos.” Ezzel a mondattal arra utalt, hogy a hagyományos modelleket az emberi nyelvre optimalizálják. A számítógépek viszont szerinte más nyelvet beszélnek.

Miben más, mint a ChatGPT

Működésében a Jev alapjaiban tér el a megszokott csevegőprogramoktól. A TypeSafe AI szerint a szoftverük nem nagy nyelvi modell. Saját fejlesztésüket System One modellnek nevezik.

A System One elnevezés Daniel Kahneman Gyors és lassú gondolkodás című könyvéből származik. Kahneman könyve 1-es rendszernek hívja a gyors, ösztönös gondolkodást, 2-es rendszernek a lassú, megfontolt érvelést. A Jevet kifejezetten a gyors, azonnali döntések meghozatalára képezték ki.

Fejlesztésük során egy új tanító módszert alkalmaztak. Ennek a neve Reinforcement Learning for Calibrated Decisions, röviden RLCD. Magyarra fordítva ez kalibrált döntésekre optimalizáló megerősítéses tanítást jelent.

Kifejezett céljuk volt, hogy a modell által mondott valószínűség őszinte legyen. Magasabb megbízhatósági érték mellett a válasznak ténylegesen pontosabbnak kell lennie. Tanításához a TechCrunch információi szerint kizárólag szintetikus, a cég által előállított adatokat használtak.

A bejelentés a hagyományos modellek egyik gyengeségével érvel. A cég szerint a korábbi modellek akkor is túl magabiztosak és következetlenek, ha a felhasználó megkéri őket a saját bizonyosságuk megbecslésére.

Ha egy modell egy feladatot többnyire jól old meg, de nem jelzi, mikor téved, azt a feladatot nem lehet rábízni. Ezt a problémát kívánják orvosolni a kalibrált valószínűségekkel.

Hogyan kérdezel egy Jevtől

A modell bemenete egy úgynevezett állapot. Ez az állapot lehet egy strukturált adat, például egy JSON-objektum, vagy egyszerű szöveg is. A fejlesztő ehhez az állapothoz tesz fel kérdéseket, és a lehetséges válaszokat előre megadja.

A cég így foglalja össze: rendezetlen állapot megy be, típusos, valószínűséggel ellátott döntés jön ki. Emellett a Wikipedia és a The Register cikkei alapján a szoftver háromféle kérdéstípust kezel:

• Választás egy megadott listából: a válasz a kiválasztott elem, minden lehetőség valószínűsége és egy megbízhatósági érték.
• Pontozás egy sorba rendezett skálán: a modell a pontot, a szintek valószínűségeit és a megbízhatósági értéket adja vissza.
• Igazság-valószínűség: a szoftver egy 0 és 1 közötti valószínűséget ad arra, hogy egy konkrét állítás igaz.

Választási kérdéseknél a fejlesztő legfeljebb 255 lehetőséget adhat meg. Ennél több opciónál a cég egyik bemutatójában két lépcsőben dolgoztak. Először külön pontozták a lehetőségeket, majd ezután választottak közülük.

A TypeSafe AI azt javasolja a felhasználóknak, hogy konkrét, szűk kérdéseket tegyenek fel a rendszernek. A The Register által idézett példa szerint a „Sürgősséget fejez ki ez az üzenet?” jobb kérdés, mint az „Elemezd az üzenetet, és döntsd el, mi a legjobb teendő”. Magát a feladatot apró, jól körülhatárolható kérdésekre érdemes bontani.

Armin Ronacher, az Earendil technológiai vezetője a TechCrunchnak magyarázta el a valószínűségek jelentőségét. Szerinte a Jev a hallucináció kezelését részben a felhasználóra bízza. Ha egy válasz bizonytalan, az olyan, mint egy pénzfeldobás, és figyelmen kívül hagyható.

Ha a valószínűség nagyon magas, arra már lehet építeni. Ronacher szerint az eszköz a modell-választásban is hasznos lehet, mert meg lehet vele becsülni, hogy egy adott feladathoz melyik modell kell, és ezt nyelvi modellel drága lenne megcsinálni.

Mivel a lehetséges válaszokat a fejlesztő határozza meg, a modell soha nem adhat vissza olyan értéket, ami hiányzik a listáról. A cég erre alapozva állítja, hogy a Jev nem tud hallucinálni, és típushibát sem vét.

Mennyibe kerül és milyen gyors

Az árazás is eltér a megszokottól. A gyártó közlése szerint 0,042 dollárba kerül egymillió bemeneti token feldolgozása.

Ezzel szemben a kimeneti tokenekért nem kell fizetni. Maga a token a szövegfeldolgozás alapegysége, a modellek ezekre a darabokra bontva olvassák el a bemenetet.

Az árelőny szemléltetésére a The Register készített egy összevetést. Példaként az OpenAI GPT-5.6 Terra modellje 2 dollárt kér a bemenetért és 12 dollárt a kimenetért egymillió tokenenként. Kiszámolták azt is, hogy a Claude Fable 5.1-hez képest a Jev 238-szor olcsóbb megoldást kínál.

A gyártó szerint a válaszidő 70 és 500 ezredmásodperc között alakul. Ez az érték a cég mérései alapján 40-200-szor gyorsabb, mint amit a nagy modellek produkálnak egy hasonló feladaton.

Honlapjukon elérhető egy bemutató, amelyben a Jev 0,114 másodperc alatt válaszolt. Ugyanezt a feladatot a GPT-5.6 Terra 8,566 másodperc alatt végezte el a The Register beszámolója alapján.

Saját méréseikben a csúcsérték 193,6-szor gyorsabb és 444,6-szer olcsóbb működést mutat. Ezekhez a cég maga is fenntartásokat fűz. Azt írják, hogy ezek az adatok a valós nyereség felső határán lehetnek.

A teszteket a cég saját csapata készítette, ezért torzítás lehet bennük. A referencia-választ a GPT-6 Astra és a Claude Fable 5.1 átlaga adta.

Nyíltan leírják azt is, hogy jelenleg nem tudják bizonyítani, hogy az ár nem támogatott. Ezt kizárólag egy hosszabb időszak igazolhatja, és ők az árak csökkenésére számítanak.

A költségeket egy játékos bemutató is szemlélteti. Egyik mérnökük a Jevvel játszatta a Doom nevű játékot.

Másodpercenként 10 lekérdezés nagyjából 7 dollárba kerül óránként. Fontos részlet, hogy a modell a játékállapotot kizárólag szöveges adatként kapta meg.

Mit tapasztaltak az első tesztelők

A TechCrunch beszámolója szerint az első felhasználók már közzétették a tapasztalataikat. A Vercel egy ügynök-infrastruktúrát fejlesztő cég, ahol a parancsokat korábban az OpenAI ChatGPT Luna 5.6 modellje osztályozta biztonsági szempontból. Egyik mérnökük elmondta, hogy a Luna lecserélése után 5-18-szor gyorsabban kaptak eredményt az új eszköztől, és az eredmény pontosabb is volt.

A Bryo AI technológiai vezetője üzleti e-mailek besorolásán tesztelte a modellt. Ebben a kísérletben a Jevet a Geminivel hasonlították össze. Tesztjükben a Gemini kicsit pontosabbnak bizonyult, az ára viszont 10-20-szor magasabb volt.

A fejlesztőt a Jev megbízhatósági értékei érdekelték a legjobban, mert szerinte ez az egyetlen eszköz, amely valódi valószínűséget ad vissza, és ettől igazán alkalmas munkafolyamatok automatizálására.

A The Register szerint a megjelenés utáni héten a fejlesztők sorra építették a kísérleti alkalmazásokat. A lap szerint egy befektető külön gyűjtőoldalt is indított az ilyen kísérleti alkalmazásoknak.

Hol jöhet jól egy vállalkozásnak

A bejelentés első helyen az AI-val támogatott munkafolyamatokat és a programokba épített okos elágazásokat említi, ide tartozik a besorolás, a továbbirányítás, a pontozás és az adatkinyerés. Ott hasznos, ahol dönteni kell a folyamat következő lépéséről, és a kézzel írt szabály túl merev lenne.

Egy kisvállalkozás számára ez a beérkező levelek vagy az ügyfélkérdések automatikus besorolását jelenthetné: egy ilyen modell eldönthetné egy üzenetről, hogy sürgős vagy ráér, és a megfelelő mappába irányítaná azt. A gyártó a nagy adatmennyiség, sok dokumentum vagy rekord besorolását is ide sorolja.

A valós idejű alkalmazásokat is említi, ahol a gyors válasz a felhasználói élmény miatt fontos. Az AI-alapú döntéshozatal a gyártó szerint ellenőrzésre is használható: más nyelvi modellek bemenetének, gondolkodásának és kimenetének pontozására, és a visszaélési kísérletek (jailbreak) felismerésére.

Almeida szerint a modell arra is használható, hogy eldöntse, melyik eszközt vagy nyelvi modellt hívja meg egy másik, összetett rendszer. Ha a vállalkozásodban folyamatokat automatizálsz, a döntési lépéseket érdemes alaposan átgondolni.

Egy ilyen típusú modell pontosan ezekhez a pontokhoz illik a legjobban. Jelenleg ez egy fejlesztői eszköz, amelyhez kizárólag várólistán keresztül lehet hozzáférni.

Amit még nem tudunk

A látványos számokat a cég maga mérte, a saját tesztjein. Egyelőre a The Register szerint is kevés a rálátás arra, mennyire okos a modell. A TypeSafe nem hozta nyilvánosságra a pontos felépítést és a súlyokat, és technikai tanulmányt sem közölt a fejlesztésről.

Külső megfigyelők szerint a rendszer egy nyílt súlyú nyelvi modellre épülhet. A TypeSafe szerint a Jev nem LLM, az egyik The Register-cikk mégis annak nevezi az eszközt. Hogy pontosan milyen modellről van szó, egyelőre vitatott.

A The Register szerint a „nem hallucinál” állítás nem igazán összemérhető a csevegőmodellekkel. Indoklása szerint a Jev nem szöveget ad vissza, a valószínűséggel ellátott válasza pedig attól még lehet téves.

A hozzáférése egyelőre korlátozott. Jelenleg csak API-n keresztül használható, csevegőfelülete nincs.

Bevezetése előkészítő munkát igényel, a kérdéseket és a lehetséges válaszokat előre meg kell tervezni. A Doom-bemutatóban a modell szöveges adatot kapott, képet a cég szerint még nem dolgoz fel.

Miért éppen Jev

A modell nevét William Stanley Jevons tizenkilencedik századi angol közgazdászról kapta. Ő figyelte meg, hogy amikor a gőzgépek hatékonyabban használták a szenet, a szén iránti kereslet nőtt. Elsőre ez ellentmondásnak hangzik, hiszen ugyanahhoz a munkához kevesebb szén kellett.

Ezt a jelenséget ma Jevons-paradoxonként ismeri a tudomány. A TypeSafe AI arra számít, hogy a gépi intelligencia olcsóbbá válása ugyanígy sokkal több felhasználási módot nyit meg.

Gyakran ismételt kérdések

Fejlesztésével a TypeSafe AI a szoftverek közötti kommunikációt és az automatizált döntéshozatalt célozza meg. Azoknak érdemes figyelni rá, akik gyors és olcsó döntési lépést keresnek a saját folyamataikhoz. Az elkövetkező hónapok független tesztjei mutatják majd meg, mennyire stabilan teljesít a rendszer a valós üzleti környezetben.