Екс-розробник ChatGPT представив новий клас моделей, що не генерують текст
Екс-розробник ChatGPT представив новий клас моделей, що не генерують текст
Діого Алмейда, співавтор RLHF, представив модель Jev від TypeSafe AI — новий клас ШІ, який не генерує текст, а видає структуровані дані, працюючи в десятки разів швидше за звичайні LLM.
Екс-розробник ChatGPT Діого Алмейда, співавтор RLHF та один із авторів статті про InstructGPT (техніка, що лягла в основу ChatGPT у 2022 році), представив новий клас моделей під назвою System One Models.
У 2024 році Алмейда заснував компанію TypeSafe AI. Два роки команда працювала в режимі стелс, і щойно офіційно анонсувала свою першу модель — Jev.
Суть підходу
Ідея полягає в тому, що для величезної кількості задач текст взагалі не потрібен. Якщо модель має визначити категорію запиту, оцінити ризик або обрати наступний крок агента, звичайна LLM все одно генерує відповідь токен за токеном, після чого її ще потрібно розпарсити.
Модель Jev натомість одразу повертає структуровану відповідь та ймовірність кожного варіанту. Наприклад, вона не пише текстом, куди надіслати запит користувача, а одразу повертає потрібну категорію у зручному для машини форматі.
Продуктивність та ціна
Завдяки відмові від генерації тексту Jev працює в 20–200 разів швидше за звичайні LLM на подібних задачах (час виконання 70–500 мс).
Цінова політика також незвична:
- $0.042 за 1 мільйон вхідних токенів.
- Вихідні токени — безкоштовно (оскільки модель не генерує текст, а видає структуровані дані).
Модель Jev зараз доступна у ранньому доступі (early access).
Чому це важливо
АналітикаЦе важливо, оскільки відмова від генерації тексту для класифікаційних задач різко знижує затримку та вартість інфраструктури, роблячи ШІ-агентів значно ефективнішими.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
Jev та System One AI: повний практичний гайд по моделі рішень від TypeSafe
Глибокий інженерний розбір флагманської моделі Jev: архітектура System One проти LLM, примітиви Choice/Score/Noul, паралелізм запитів, математика впевненості, відео-кейси, код та огляд локальних open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Розробник Ghostty додав жартівливу інструкцію для ШІ-агентів у репозиторіях
У файлі AGENTS.md термінала Ghostty з’явилася інструкція, яка змушує ШІ-агентів додавати до Pull Request образливу замітку про користувача.
Шість плагінів для DeepSeek Harness, які скорочують витрату токенів і наводять порядок у контексті
Огляд шести плагінів для DeepSeek Harness: безкоштовний доступ до моделей, керування пам’яттю, маршрутизація запитів і контроль контексту.
Claude Code Projects: як один ШІ координує команду автономних агентів
Глибокий аналіз Claude Code Projects: архітектура Coordinator та Threads, паралельні гілки, спільна пам'ять MEMORY.md та управління хмарними агентами.