Типичная картина: вы собрали рабочий процесс на языковой модели — она разбирает входящие письма, решает, куда отправить обращение, проверяет тексты на соответствие правилам. Прототип работал прекрасно. А потом выяснилось, что на десяти тысячах объектов процесс идёт три часа и стоит как небольшой подрядчик, и половина этого времени модель тратит на то, чтобы написать вокруг ответа «да» ещё два абзаца объяснений.
Проблема не в том, что модель плохая. Проблема в том, что для решения «да/нет» её берут целиком — вместе с генерацией текста, рассуждениями и всем, за что вы платите по цене за токен. 25 сентября 2026 года подкаст The AI Daily Brief (Nathaniel Whittemore) выпустил эпизод «How People Are Actually Using Jev» — обзор того, как за первые десять дней после запуска люди применили модель, которая делает ровно одно: принимает решения и ничего не пишет. Разберём, что это за класс инструментов и в каких точках он реально экономит.
Сделайте следующий шаг в карьере
Подберите обучение, которое поможет освоить новые компетенции
15 сентября 2026 года компания TypeSafe AI (Сан-Франциско, основана в 2024, CEO — Diogo Almeida, бывший исследователь OpenAI) вышла из режима тишины и открыла ранний доступ к модели Jev. Вендор называет её первой публичной «System One Model».
Ключевое отличие: Jev не генерирует текст вообще. На входе — данные и вопрос, на выходе — типизированное решение с вероятностями и оценкой уверенности. Документация выделяет три примитива: Choice (выбор из заданных вариантов), Score (оценка по шкале), Boolean (да/нет с вероятностью). SDK — Python и JavaScript.
Отсюда важная поправка к формулировке, которая гуляет по пересказам: Jev — не ИИ-агент. Это компонент, который встраивают внутрь агента в точках, где нужно выбрать ветку. Агент по-прежнему пишет письма и ходит в API большой моделью; Jev отвечает за развилки.
Заявленные вендором цифры: отклик 70–500 мс против «от 3 до 329 секунд» у фронтир-моделей, что TypeSafe описывает как ускорение в 40–200 раз. Цена — 0,042 доллара за миллион входных токенов, выходные бесплатны. Лимит контекста — 32 000 токенов на запрос (подтверждается карточками модели в каталогах OpenRouter и Vercel AI Gateway). Все эти числа — заявление вендора, не независимый замер.
Из эпизода подкаста выводится довольно жёсткий фильтр. Задача подходит, если выполняются все четыре условия:
Если задача требует рассуждения в несколько шагов, арифметики или интерпретации намерения — это не к Jev. Вендор сам перечисляет эти области как ограничения модели.
По официальной странице выпуска aidailybrief.ai сценарии сгруппированы в шесть категорий.
1. Массовый разбор архивов. Тысячи писем, постов, объявлений или заявок прогоняются одним проходом с вопросом вида «это жалоба на качество?». Раньше такой разбор откладывали, потому что он стоил дороже, чем ответ на вопрос.
2. Семантический поиск по смыслу. Вместо поиска по словам — вопрос к каждому документу: «здесь обсуждается срыв сроков?». Работает там, где нужного слова в тексте нет, а смысл есть.
3. Непрерывная триажировка потока. Одно решение на один входящий объект в реальном времени: приоритет обращения, тональность отзыва, канал маршрутизации.
4. Проверка на соответствие правилам. Контроль качества контента: выдержан ли стиль, нет ли запрещённых формулировок, похож ли текст на сгенерированный. Здесь Jev выступает фильтром перед человеком.
5. Роутинг и микрорешения внутри агентных воркфлоу. Самый интересный пункт: агент на каждом шаге спрашивает «нужен ли здесь поиск в интернете?», «хватает ли данных для ответа?» — и получает ответ за миллисекунды вместо секунд.
6. Мгновенные ответы и заполнение форм. Извлечение полей из неструктурированного текста и подстановка значений — например, разбор письма клиента в карточку CRM.
Пора сменить профессию? Начните с понятного плана
Подберите программу под ваш опыт, цели и желаемый формат занятости
Если вы собираете агента под свой процесс, полезно заранее разделить в схеме два типа шагов. Порождающие — написать ответ, составить описание товара, сформулировать письмо. И решающие — выбрать ветку, отфильтровать, приоритизировать. В большинстве готовых сборок оба типа обслуживает одна большая модель, и именно решающие шаги дают основную часть задержки и счёта.
Практический ход: выпишите схему агента и отметьте все развилки. Каждая развилка, у которой заранее известен список исходов, — кандидат на вынос в отдельный дешёвый вызов. Полезно это даже без Jev: такие места обычно можно закрыть и структурированным выводом обычной модели, просто дороже.
Навык разбирать процесс на шаги и понимать, какой из них чего стоит, сейчас важнее знания конкретного вендора — модели меняются быстрее, чем схемы работы. Этому учат на программе «Нейросети для маркетинга», где разбирают построение рабочих процессов с ИИ, а не отдельные кнопки.
Прямой аккаунт в TypeSafe российской картой не оплатить: биллинг американский, а в пользовательском соглашении вендор прямо пишет, что сайт рассчитан на посетителей из США.
Технически модель отдают два зарубежных шлюза: Vercel AI Gateway (доступна с 16 сентября 2026 года, вызов через experimental_evaluate в AI SDK 7; на бесплатном тарифе модель отключена) и OpenRouter — там достаточно ключа OpenRouter без вейтлиста. Оба требуют иностранной карты.
Рабочий путь из России — российские шлюзы-реселлеры. Polza.AI заявляет доступ к модели typesafe/jev (версия jev-1.13) без VPN, с оплатой в рублях: карта, СБП, счёт для юрлиц. Цену в рублях они на странице не публикуют — смотреть в карточке модели в каталоге. Альтернативы того же типа — ProxyAPI и VseGPT; это доступ к зарубежной модели, а не аналог.
Прямого отечественного аналога класса System One нет — категория новая. Ближайшее по задаче: классификаторы и структурированный вывод в YandexGPT (Yandex Cloud), function calling у GigaChat, а для совсем массового дешёвого триажа — локальные энкодеры вроде ruBERT или rubert-tiny2 на своём железе. Последнее по скорости и стоимости сопоставимо, но требует обучения под конкретную задачу.
Вендор честно перечисляет границы: многошаговые рассуждения, арифметика и счёт, согласованность длинного контекста, интерпретация намерения. Jev не пишет код и не составляет документы.
Отдельно про заявление «0% галлюцинаций и математически невозможные ошибки типа». Это свойство формата вывода: модель физически не может вернуть значение вне заданной схемы. Но правильность самого решения этим не гарантируется — выбрать неверный вариант из списка Jev может ровно так же, как любая другая модель.
И здесь наша главная мысль. Самое ценное в Jev — не скорость и не цена, хотя вокруг них построена вся коммуникация вендора. Ценно то, что решение становится измеримым объектом: у него есть вероятность и уверенность, а значит, качество работы агента можно посчитать, а не оценить на глаз. Узкое место ровно там же: чтобы калибровка приносила пользу, нужна своя размеченная выборка — иначе вы получаете красивое число уверенности, которое не с чем сверить. Без этой работы Jev превращается просто в дешёвый классификатор, и тогда честнее сравнивать его не с GPT, а с локальным энкодером на своём сервере.
Чем Jev отличается от ChatGPT и Claude? ChatGPT и Claude порождают текст, Jev возвращает типизированное решение и вероятность. Это разные задачи: одна модель отвечает, вторая выбирает.
Jev — это ИИ-агент или компонент внутри агента? Компонент. Агента вы по-прежнему собираете на обычной модели, а Jev вставляете в точки выбора ветки.
Можно ли работать с Jev из России и как оплатить? Напрямую — нет, российская карта в TypeSafe не проходит. Через российский шлюз (Polza.AI и аналоги) — да, с оплатой в рублях.
Сколько стоит один запрос? Считаются только входные токены — 0,042 доллара за миллион. Выходные вендор не тарифицирует. Через реселлера добавляется его наценка.
Какой максимальный объём данных в одном запросе? 32 000 токенов на состояние и вопросы вместе. Длинные документы придётся резать или предварительно сжимать.
Превратите интерес к теме в новую профессию
Оставьте заявку — поможем выбрать программу и расскажем об условиях обучения
Оставить заявку
Задать вопрос
Задать вопрос