Сан-франциська лабораторія TypeSafe AI 15 вересня 2026 року випустила Jev — класифікаторну модель, яка приймає контекст, набір питань і фіксовані варіанти відповідей, а повертає один вибір, оцінку або «так/ні» з імовірністю. За перші 24 години 13% платних команд на AI Gateway від Vercel уже використали її, а попит, за повідомленням TechCrunch, тимчасово вивів сервіс з ладу. Для українських продуктових команд це не чергова обгортка над чат-моделлю, а зміна економіки ухвалення рішень в інтерфейсі.
За формою Jev — це класифікатор: вхід, один із наперед визначених ярликів, зазвичай з імовірностями. Френк Розенблатт описав таку модель ще 1958 року як перцептрон. Пізніше Мехран Сахамі, Сьюзен Дюме, Девід Гекерман і Ерік Хорвіц опублікували в Microsoft Research байєсівський фільтр спаму, який оцінював кожен лист проти порогу. Той самий патерн схвалює кредитні операції та обирає рекламу, яку ви бачите. Якщо ви колись проводили карткове сортування, ви вже знайомі з цією формою: закрите сортування дає учасникам фіксовані категорії, відкрите — дозволяє їх вигадувати. Для цього чат-модель виконує відкрите сортування, а Jev — закрите.
TypeSafe навчила цю форму на синтетичних даних у масштабі фронтир-моделі. У своєму релізі компанія порівнює результат із чат-моделями, а не з донавченим відкритим класифікатором, тож ця прогалина залишається невиміряною. Засновник Діого Алмейда допомагав будувати методи слідування інструкціям, що стоять за ChatGPT, в OpenAI і пішов звідти, бо надлюдський чат давав дуже мало автоматизації: софт не споживає прозу. Релізний пост стискає пропозицію до одного рядка — «функціональний виклик фронтир-інтелекту: неструктурований стан на вході, типізовані ймовірнісні рішення на виході». Новизна в тому, що тут судження фронтир-моделі поєднується з цінником спам-фільтра.
Один виклик Jev влаштований просто. На вхід подаються стан у вигляді контенту — тікет підтримки, форма в процесі заповнення, виклик інструмента, який хоче зробити агент, — набір питань і набір фіксованих варіантів. На виході — названий вибір, оцінка за шкалою, яку ви визначаєте, або Noul, власна назва TypeSafe для «так/ні», що повертає впевненість у «так» за шкалою від нуля до одиниці. Документація дозволяє десятки питань на запит, які обробляються одним паралельним проходом, а не токен за токеном. Саме звідси швидкість: 70–500 мілісекунд від початку до кінця за власними вимірами TypeSafe на Західному узбережжі.
Кожна відповідь несе два числа: імовірність для кожного варіанта та оцінку впевненості для питання. Noul, що повертає 0,08, не вагається — він вважає, що відповідь «ні». Choice, який розподіляє 0,4, 0,35 і 0,25 між трьома варіантами, повідомляє, що стан не вирішує питання. Це ставить Jev ближче до детермінованого кінця шкали, ніж чат-моделі, і для софту це найкраща новина у ймовірнісному світі. Відповіді залишаються ймовірностями, але форма виходу фіксована наперед, помилка типу неможлива, і TypeSafe каже, що схожі стани повертають схожі відповіді. Контрол, який поводиться однаково двічі, — те, на чому дизайнер може будувати; розмова, яка дрейфує, — ні.
Другий випадок б'є по дизайну. Jev не може галюцинувати, бо обирає лише з наданих вами варіантів, але може обрати неправильно — і повідомляє, наскільки був упевнений. Армін Ронахер, технічний директор Earendil, сказав TechCrunch, що модель «делегує проблему галюцинацій трохи користувачу». Цей користувач має вирішити, чи 50% — це підкидання монети, яке варто ігнорувати, а 95% — результат, на який можна діяти. Jev переносить це рішення з моделі на людину, яка встановлює поріг. Цією людиною має бути дизайнер, а поріг належить до специфікації поруч зі станами помилок.
Економіка тут не менш важлива за якість. TypeSafe вказує ціну Jev у 0,042 долара за мільйон вхідних токенів, вихід безкоштовний, тобто 42 долари за мільярд. У порівняльній таблиці фронтир-чат-моделі коштують від 0,20 до 10 доларів за мільйон на вході, а вихід — приблизно вп'ятеро дорожче. За останньою ціною це робить Jev у 250 разів дешевшим за Claude Fable 5.1. Для українських команд, які зважують юніт-економіку AI-фіч, це означає, що класифікація на кожному кроці користувача перестає бути розкішшю. Замість текстового поля, куди користувач мусить щось вписати, з'являється контрол, який сам пропонує, підказує або питає. Поріг упевненості стає дизайнерським рішенням, яке можна закласти в бриф і протестувати.