Бывший разработчик ChatGPT представил новый класс моделей System One Models, которые не генерируют текст
Бывший разработчик ChatGPT представил новый класс моделей System One Models, которые не генерируют текст
Диего Алмейда, соавтор RLHF, представил модель Jev от TypeSafe AI — новый класс ИИ, который не генерирует текст, а выдает структурированные данные, работая в десятки раз быстрее обычных LLM.
Бывший разработчик ChatGPT Диего Алмейда — соавтор RLHF и один из авторов статьи про InstructGPT (именно эта техника легла в основу ChatGPT в 2022 году) — представил новый класс моделей под названием System One Models.
В 2024 году Алмейда основал компанию TypeSafe AI. Два года команда работала в режиме стелс, и только что официально представила свою первую модель — Jev.
Суть подхода
Идея в том, что для огромного количества задач текст вообще не нужен. Если модель должна определить категорию запроса, оценить риск или выбрать следующий шаг агента, обычная LLM все равно генерирует ответ токен за токеном, после чего его еще нужно распарсить.
Jev вместо этого сразу возвращает структурированный ответ и вероятность каждого варианта. Например, не пишет текстом, куда отправить запрос пользователя, а сразу возвращает нужную категорию.
Производительность и цена
За счет отказа от генерации текста Jev работает в 20–200 раз быстрее обычных LLM на таких задачах (70–500 мс).
Цена тоже необычная:
- $0.042 за 1М входных токенов.
- Выходные токены — бесплатно (так как модель не генерирует текст, а выдает структурированные данные).
Модель Jev сейчас доступна в раннем доступе (early access).
Почему это важно
АналитикаЭто важно, так как отказ от генерации текста для задач классификации резко снижает задержку и стоимость инфраструктуры, делая ИИ-агентов значительно эффективнее.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Шесть плагинов для DeepSeek Harness, которые экономят токены и упорядочивают контекст
Обзор шести плагинов для DeepSeek Harness: от бесплатного доступа к моделям и управления памятью до маршрутизации запросов и контроля контекста.
Разработчик Ghostty придумал забавный способ троллить пользователей ИИ-агентов
В файле AGENTS.md терминала Ghostty появилась инструкция, заставляющая ИИ-агентов добавлять в Pull Request файл с оскорбительным описанием пользователя.
Claude Code Projects: как один ИИ координирует команду автономных агентов
Глубокий разбор Claude Code Projects: архитектура Coordinator и Threads, параллельные ветки, общая память MEMORY.md и управление облачными агентами.