TypeSafe выпустила Jev, ИИ-модель, которая принимает решения вместо текста
15 сентября 2026 года стартап TypeSafe AI объявил о запуске Jev, первой модели нового класса «System One Models», пока доступной в раннем доступе. Компания вышла из режима закрытой разработки, где провела два года. Основатель TypeSafe Диогу Алмейда пишет, что четыре года искал ответ на вопрос, почему при всех успехах языковых моделей в диалоге автоматизация реальных бизнес-процессов так и не набрала обороты; ранее, работая в OpenAI, он участвовал в разработке методов, которые легли в основу ChatGPT.
Jev устроен принципиально иначе, чем обычная языковая модель: он не генерирует текст токен за токеном, а получает на входе неструктурированное описание ситуации и выдаёт набор типизированных вероятностных решений параллельно, а не последовательно. TypeSafe описывает это как «вызов функции интеллектом передового уровня». В основе, новая архитектура, отдельный параллельный семплер и новый метод обучения Reinforcement Learning for Calibrated Decisions (RLCD, обучение с подкреплением для калиброванных решений). Поскольку Jev не генерирует свободный текст, а всегда выдаёт ответ по заданной схеме данных, компания утверждает, что у него в принципе не может быть «ошибок типизации», невалидного по формату ответа, и указывает цифру 0%. При этом TypeSafe сама уточняет: эта цифра не измерена эмпирически, а гарантирована самой архитектурой модели, совпадением вывода со схемой, а не статистической проверкой на реальных данных.
По заявлению TypeSafe, на «задачах System One» Jev достигает сопоставимого с существующими языковыми моделями уровня интеллекта, но работает на два порядка (примерно в 100 раз) быстрее и эффективнее; ни названия, ни числового результата конкретного бенчмарка, подтверждающего это, в посте нет. Компания опубликовала 4 собственных «теста на рабочих процессах» (workflow evals): вместо оценки по готовому эталонному ответу модели сравниваются по тому, насколько точно они предсказывают вероятности вдоль заранее заданного в коде вычислительного графа. Эталоном служит среднее вероятностей от двух моделей, GPT-6 Astra и Fable 5.1; TypeSafe прямо признаёт, что это смещает сравнение в пользу моделей OpenAI и Anthropic и, вероятно, занижает относительный результат Jev против моделей DeepSeek. Итоговые цифры на сайте TypeSafe, ускорение в 193,6 раза и удешевление в 444,6 раза, получены именно из этих тестов, и сама компания называет их верхней границей: по её словам, в реальных сценариях выигрыш обычно меньше. Там же TypeSafe пишет, что Jev занимает границу Парето с отрывом почти в два порядка, но не уточняет, по какому именно измерению, скорости, цене или точности, считается этот отрыв.
В посте показаны два демо. Первое, бот для игры Doom, который принимает решения по текстовому описанию игрового состояния (не по картинке) с частотой 10 запросов в секунду; по оценке инженера команды, это обходится примерно в $7 в час. Второе, Wikiracing (переходы по ссылкам от одной статьи Википедии до другой): на каждом шаге может быть от сотен до тысяч ссылок-кандидатов, Jev поддерживает выбор из до 255 вариантов за раз, а для самых больших наборов вариантов использует двухэтапную схему, сначала независимая оценка каждого варианта, затем явный выбор.
Название класса моделей отсылает к книге психолога Даниэля Канемана «Thinking, Fast and Slow» и его делению на быстрое интуитивное «Систему 1» и медленное осознанное «Систему 2». Имя самой модели, Jev, в TypeSafe объясняют в честь экономиста Уильяма Стэнли Джевонса: компания ссылается на исторический пример, когда рост эффективности паровых двигателей не сократил, а увеличил спрос на уголь, и ожидает похожего эффекта от удешевления машинного интеллекта.
Часть вопросов пост оставляет открытыми. Конкретной цены за обращение к API не названо, хотя TypeSafe заявляет о «прозрачном ценообразовании»: компания лишь пишет, что не может доказать отсутствие субсидирования текущих цен, и ожидает их снижения, а не роста. Данных о финансировании, оценке компании, инвесторах или размере команды в посте нет. В разделе FAQ на странице запуска перечислено семь вопросов, но ответ дан только на один, про происхождение названий; на остальные шесть текста ответа нет.
Ключевые факты
- TypeSafe AI (основатель, Диогу Алмейда, ранее работал в OpenAI над методами, которые легли в основу ChatGPT) 15 сентября 2026 года выпустила Jev, первую модель класса «System One Models», в раннем доступе, после двух лет закрытой разработки.
- Jev не генерирует текст, а параллельно выдаёт типизированные вероятностные решения по неструктурированному описанию ситуации; в основе, новая архитектура, параллельный семплер и метод обучения RLCD (Reinforcement Learning for Calibrated Decisions).
- TypeSafe заявляет о сопоставимом с языковыми моделями уровне интеллекта на «задачах System One» при ускорении на два порядка (примерно в 100 раз); названия или числового результата конкретного бенчмарка в подтверждение в посте нет.
- В 4 опубликованных тестах на рабочих процессах показатели на сайте компании, ускорение в 193,6 раза и удешевление в 444,6 раза; эталоном служит среднее GPT-6 Astra и Fable 5.1, что, по признанию TypeSafe, смещает сравнение в пользу OpenAI и Anthropic и занижает результат против DeepSeek.
- Цена за обращение к API, данные о финансировании, оценке и размере команды в посте не раскрыты; из семи вопросов раздела FAQ на странице запуска ответ дан только на один.
Почему это важно
Пост заявляет о новом классе моделей, не для диалога, а для быстрых структурированных решений внутри программ: вместо генерации текста Jev параллельно выдаёт типизированные вероятностные ответы по заданной схеме данных. TypeSafe формулирует это как «вызов функции интеллектом передового уровня»: на входе, неструктурированное состояние, на выходе, типизированное решение. За этим стоит не надстройка над обычной языковой моделью, а отдельная архитектура, свой параллельный семплер и новый метод обучения RLCD. Ключевое отличие в позиционировании: раз ответ Jev обязан совпадать с заданной схемой, TypeSafe утверждает, что у модели в принципе не может быть «ошибок типизации», невалидного по формату вывода, и подаёт это как решение проблемы галлюцинаций в автоматизации.
Кому это важно
В первую очередь, разработчикам, которые встраивают ИИ в производственные пайплайны и агентные системы, где невалидный или галлюцинированный вызов функции ломает всю цепочку, особенно если система работает с ограничением по задержке или решение зарыто на несколько уровней внутри зависимостей. TypeSafe отдельно оговаривает: обычную LLM тоже можно обернуть так, чтобы она выдавала структурированный ответ, но, по словам компании, это медленнее и дороже, чем решение без вероятностей. Во вторую очередь материал важен тем, кто следит за рынком моделей: в своих тестах Jev сравнивается с GPT-6 Astra, Fable 5.1 и, косвенно, с моделями DeepSeek, то есть встаёт в прямое позиционирование против OpenAI и Anthropic, а не заявляет себя нишевым инструментом.
Как это применить
Jev уже сегодня открыт в раннем доступе, TypeSafe снимает разработчиков с листа ожидания. Механика простая: на входе, неструктурированное описание ситуации, на выходе, типизированное вероятностное решение; конкретный пример запроса компания публикует для пользователей с ранним доступом. Важное условие внедрения: в тестах TypeSafe сравнение идёт не на свободных промптах, а на заранее заданном в коде вычислительном графе («рабочем процессе»), то есть, чтобы получить заявленный результат, бизнес-логику нужно явно разложить на дискретные шаги и вероятности, а не просто передать модели произвольный запрос. Цены на обращения к API в посте не названы: TypeSafe говорит о «прозрачном ценообразовании», но сама признаёт, что не может подтвердить отсутствие субсидирования и ожидает снижения цены со временем. Единственная конкретная цифра стоимости в материале, около $7 в час при 10 запросах в секунду, и относится она к демо-боту для Doom, а не к тарифу API в целом.
Можно ли доверять
Все цифры в посте, собственные измерения TypeSafe по собственной методологии, без независимой проверки или стороннего бенчмарка: это анонс от основателя компании, а не рецензируемое исследование. Заявление «сопоставимый с LLM уровень интеллекта» не подкреплено ни названием, ни цифрой конкретного теста. Компания сама перечисляет источники смещения: эталон для тестов на рабочих процессах, среднее GPT-6 Astra и Fable 5.1, что тянет сравнение в пользу OpenAI и Anthropic; содержание этих тестов составляли сотрудники команды по развитию возможностей модели, и TypeSafe признаёт, что смещение всё равно может быть; цифры по частоте галлюцинаций у моделей-конкурентов взяты с OpenRouter, и компания сама называет этот источник «почти наверняка» необъективным, поскольку сложные запросы могут маршрутизироваться к более сильным моделям. Ключевая цифра «0% ошибок типизации» у самого Jev, не эмпирическое измерение, а гарантия формата вывода по конструкции модели. Данных о финансировании, инвесторах, оценке и размере команды TypeSafe не раскрывает, а из семи вопросов раздела FAQ на странице запуска ответ дан только на один. Тон поста, подчёркнуто хайповый, с самоиронией («для смелых заявлений нужны смелые доказательства», эмодзи, каламбуры на тему Doom), что типично для анонса стартапа, но не заменяет независимую проверку.
Риски и подводные камни
Отказ от свободной генерации текста, это и ограничение: по описанию TypeSafe, Jev годится для типизированных, заранее описанных схемой решений, а не для произвольных задач, где нужен связный текст или рассуждение вне жёсткой схемы. Гарантия «0% ошибок типизации», это гарантия того, что ответ формально совпадает со схемой данных, а не гарантия того, что само решение верно по сути; сама TypeSafe называет эту цифру не эмпирической, то есть основанной на конструкции модели, а не на измерении качества решений на реальных данных. Устойчивость цен под вопросом даже по признанию компании: она прямо пишет, что не может доказать отсутствие субсидирования текущих тарифов. Сравнения построены на собственной эталонной модели и тестах, которые придумала и построила сама TypeSafe, методология и её интерпретация полностью в руках компании, публикующей эти цифры в день релиза продукта, ещё вчера остававшегося в закрытой разработке. Наконец, это модель в раннем доступе от стартапа, вышедшего из стелс-режима только сегодня: трек-рекорда в проде, независимых обзоров и данных о стабильности за пределами собственных демо (Doom, Wikiracing) в посте нет.
«Представляйте Jev как вызов функции интеллектом передового уровня: на входе, неструктурированное состояние, на выходе, типизированные вероятностные решения.»
— Диогу Алмейда, основатель TypeSafe