Диого Алмейда (в X — @CompleteSkeptic), называющий себя соизобретателем ChatGPT, представил Jev — модель своей новой AI-лаборатории TypeSafe, которую он два года разрабатывал в стелс-режиме. По его словам, это «новый тип frontier-модели», обученный новым методом RLCD и оптимизированный под принятие решений, а не под генерацию текста: на 20–200 раз быстрее и на 40–400 раз дешевле сопоставимых LLM, причём аутпут-токены бесплатны. Алмейда называет такой подход «кратчайшим путём к экономической революции на базе ИИ» — важно учитывать, что все эти цифры пока его собственные заявления, независимых проверок в источниках нет.
Механику объясняет издание Every: Jev принимает вопросы на обычном английском — в том числе расплывчатые и субъективные — и возвращает вероятности для ответов «да/нет» или любых заданных пользователем категорий, которые код может использовать напрямую. Авторы сравнивают модель с «умным if-then»: на вопрос «звучит ли этот клиент зло?» Jev отвечает 0,9 — то есть оценочные 90% вероятности «да». Если задать категории вроде «раздражён», «оскорблён», «в бешенстве», «в ярости», модель может выдать 60% «furious» против 10% «enraged». Такой ответ программа использует напрямую: при 0,9 — эскалирует обращение менеджеру, при 0,1 — деприоритизирует. Обычный же чат-бот ответил бы цветистым текстом («Вы абсолютно правы, клиент действительно звучит зло…») — и уронил бы программу, ожидающую число от 0 до 1, а не эссе.
Every ставит запуск в контекст: не всякой языковой модели суждено быть чат-ботом — компаниям нужны быстрые, дешёвые и надёжные AI-воркфлоу для фоновых процессов вроде маршрутизации обращений в поддержку, сверки счетов с заказами и классификации транзакций как потенциального мошенничества. Автор издания добавляет, что раньше решал такие задачи через DSPy — Python-фреймворк, который заставляет LLM следовать инструкциям по формату аутпута, — а Jev делает эту работу нативно, что и объясняет заявленные скорость и дешевизну.
В промо-материалах TypeSafe Jev показан с ценой около нуля за инпут и бесплатным аутпутом — kimmonismus приводит точную цифру: $0,042 за миллион инпут-токенов. Для сравнения на том же слайде актуальные модели оценены от $0,2 до $10 за миллион инпут-токенов и от $1,2 до $50 за аутпут: GPT-6 Astra и Claude Fable 5.1 — $10/$50, Claude Opus 5 — $5/$25, Claude Haiku 4.5 — $1/$5, самый дешёвый GPT-5.6 Luna — $0,2/$1,2.
На втором слайде «Intelligence / Cost» Jev (отмечен как категория Workflow) показан с интеллектом около 68–70% — то есть в диапазоне остальных моделей — но кратно левее по шкале стоимости, где кучкуются модели OpenAI, Anthropic и Fireworks.
Реакции разделились. NickADobos встретил запуск с энтузиазмом: «Стохастический попугай — вне игры, умные if-стейтменты — в игре», «движок мышления, а не движок текста»; по его мнению, «произвольные предсказания» концептуально ближе к реальным мозгам, чем LLM. Он также отсылает читателей к спрятанному в треде демо с DOOM:
kimmonismus настроен скептичнее: «Звучит почти слишком хорошо, чтобы быть правдой». Заметим, что видимая часть материала Every обрывается как раз перед оценкой того, насколько хорошо Jev справляется с задачами, — так что вопрос реального качества модели на наглядных примерах в доступных источниках остаётся открытым.
Источники
- NickADobos — тред о запуске Jev с DOOM-демо (X)
- NickADobos — повторный пост о Jev со скриншотом Every (X)
- kimmonismus — «Sounds almost too good to be true»: заметка о Jev, Диого Алмейде, RLCD и ценах (X)
Материал Every.to и слайды TypeSafe приводятся по скриншотам, опубликованным в указанных постах; отдельных ссылок на них в исходных материалах нет.