20 альтернатив Jev: модели принятия решений, бросающие вызов TypeSafe в 2026 году

TypeSafe запустила Jev 15 сентября 2026 года. Это модель принятия решений, а не чат-бот. Вы задаёте допустимые ответы, а Jev возвращает метку, оценку или вероятность «да/нет». Примерно за 4 недели было выпущено как минимум 20 альтернатив Jev. Они разработаны Cloudflare, OpenAI, Perplexity, Liquid AI, Strands Labs от AWS и независимыми разработчиками. В этом руководстве каждая из них сравнивается по размеру, лицензии, оборудованию, цене, совместимости с API Jev и опубликованным тестам.

Кратко

• Диапазон размеров: от 287M (GLiNER2.5-multi-Decide) до 35B-A3B (Mapika Decider). Размер Jev не раскрывается.
• Запуск: энкодеры вроде Von и Laya работают на CPU. Адаптеры 4B помещаются на GPU с 24 ГБ памяти или Mac с 32 ГБ.
• Производительность: большинство открытых моделей уступают Jev в сложных рассуждениях. Некоторые сравнимы с ним или превосходят его в узкой классификации.
• Лучшая: Cloudflare Clef набирает 94,20 F1 на BANKING77 против 79,74 у Jev, согласно собственному тестированию Cloudflare.
• Худшая: Von 1.2 набирает 0,422 точности в тестировании Respan против 0,932 у Jev.

Что такое Jev и зачем искать альтернативы?

Jev — первая модель TypeSafe «System One». Вы отправляете состояние, например тикет или строку лога. Также вы отправляете типизированные вопросы: Choice, Score или Noul («да/нет»). Jev оценивает каждый вопрос за один параллельный проход и не генерирует текст.

Документация TypeSafe указывает цену $0.042 за 1 млн входных токенов, вывод бесплатен. Контекст составляет 64 тыс. токенов на запрос. На вход принимается только текст. Веса закрыты, а доступ предоставляется через лист ожидания. Тесты рабочих процессов TypeSafe оценивают согласованность Jev в 67,8%, а время обработки одного случая — в 0,4 с.

Таким образом, остаются 4 проблемы, на которые разработчики регулярно указывают: отсутствие изображений, невозможность самостоятельного развертывания, неизвестный размер и отсутствие дообучения. 20 моделей ниже закрывают некоторые или все из них.

Как следует читать эти результаты тестов?

Большинство приведённых ниже показателей предоставлены самими разработчиками. Наборы тестов различаются: JevBench, Decision Index, typed-decisions и поведенческий тест Respan. Показатели разных наборов нельзя сравнивать напрямую. Единственная сторонняя таблица с несколькими моделями принадлежит Respan, которая продаёт конкурирующую модель.

Размещённые API для принятия решений

1. Cloudflare Clef и Clef-flash

Cloudflare представила Clef 1 октября 2026 года. Clef — это модель 27B на базе Qwen3.8-27B с визуальным энкодером. Clef-flash — модель 9B на базе Qwen3.5-9B. Обе распространяются по лицензии Apache-2.0 на Hugging Face и предоставляются через Workers AI. Они принимают текст, JSON и до 4 изображений на запрос.

Цена Workers AI составляет $0.24 (Clef) и $0.038 (Clef-flash) за 1 млн входных токенов. Cloudflare называет API полностью совместимым с Jev. В собственном тестировании Clef набрала 94,20 F1 на BANKING77 против 79,74 у Jev. Однако Jev превосходит её на GPQA Diamond: 78,3 против 48,0.

2. Liquid AI d1

Семейство d1 от Liquid AI включает размещённые d1 и d1-ultra, а также 2 открытые модели. d1-3B (3,1B) работает на LFM2.5-VL-3B. d1-omni-600M (587M) дополнительно поддерживает аудиоклипы длительностью до 30 с. Открытые веса используют лицензию LFM Open.

В руководстве Liquid вызывается d1 через собственный SDK TypeSafe с другим базовым URL. Liquid сообщает, что d1-3B набирает 48,57 в Decision Index 0.2.1. Также заявлена задержка 8 мс на RTX 4090. Количество параметров и цены размещённых моделей не раскрываются.

3. OpenAI Decisions API

OpenAI выпустила Decisions API в виде публичной бета-версии 6 октября 2026 года. Он работает только на gpt-6-luna. API принимает текст и изображения в формате base64. Типы вопросов: predicate, choice и score.

Цена составляет $0.10 за 1 млн входных токенов, вывод не тарифицируется. Схема принадлежит самой OpenAI, поэтому совместимости с Jev нет. OpenAI заявляет, что ответы примерно в 10 раз быстрее, чем в Responses API. Результаты тестов не опубликованы.

4. Perplexity pplx-decider

pplx-decider-v1-27b от Perplexity — это дообученная модель Qwen3.8-27B под лицензией Apache-2.0. Она обрабатывает текст, JSON и до 8 изображений на вопрос. API позволяет отправлять до 128 вопросов и 255 вариантов в одном запросе.

Текущая цена составляет $0.02 за 1 млн входных токенов для v1.2 (27B). Версия 4B flash-v1.2 стоит $0.01. На панели Perplexity из 11 задач модель набрала 85,71% против 84,51% у Jev. Однако Jev победил на BBH: 94,27 против 82,80.

5. meraGPT Decider 1

meraGPT представила Decider 1 22 сентября 2026 года. Это размещённая модель с закрытыми весами, работающая только с текстом. Она поддерживает до 10 меток Choice и контекст из 4096 токенов. На странице модели указана цена $0.04 за 1 млн входных токенов.

Модель предоставляет /v1/systemone и работает с SDK TypeSafe. В тесте meraGPT typed-decisions она набрала 0,768 против 0,727 у Jev. Независимый обзор отмечает, что её ECE 0,180 уступает показателю Jev 0,144.

6. Respan Span-01

Span-01 — модель оценки поведения, а не универсальная модель принятия решений. Она возвращает вероятности present, absent или not_observable. Цена составляет $0.02 за 1 млн входных токенов. Span-01 Lite бесплатна.

Respan заявляет общий F1 0,843 на собственном Behavior Benchmark. В таблице собственного блога указан более низкий результат — 0,806, тогда как GPT-6 Sol опережает её с результатом 0,885. Размер, базовая модель и лицензия не раскрываются.

7. Standard Thinking Standard One

Standard One выпускается в виде моделей 3B и 8B — обе доступны в открытом виде и через размещённый сервис. Версия 8B — это LoRA на базе Ministral-3-8B под лицензией Apache-2.0. Она обрабатывает текст и изображения, поддерживая контекст из 32 768 токенов. Модель предоставляет /v1/systemone.

Цена размещённой текстовой версии составляет $0.018 (3B) и $0.035 (8B) за 1 млн токенов. На открытом сложном наборе JevBench версия 8B набрала 54,95% против 72,07% у Jev. В реалистичном переносе она лидировала: 90,83% против 86,67%. Оба результата измерены разработчиками.

Альтернативы Jev с открытыми весами для самостоятельного запуска

8. Together AI Tev1-4B-experimental

Together обучила Tev1 как LoRA SFT для Qwen3.5-4B. Обучение обошлось примерно в $17 и заняло 25 минут на 37 840 примерах. Модель выбирает от 2 до 24 вариантов. В карточке модели указано, что лицензия на веса ещё оформляется.

Она отвечает через chat completions, а не через нативную конечную точку Jev. Respan измерила точность 0,901 и ECE 0,031 — лучший показатель ECE в её таблице. Together предупреждает, что её logprobs не являются калиброванной уверенностью.

9. Fastino GLiNER2.5-Decide

GLiNER2.5-Decide от Fastino — это энкодер DeBERTa-v3-large на 340M параметров под лицензией Apache 2.0. Он выполняет принятие решений, извлечение фрагментов и определение отношений за один проход. Также существуют мультиязычная версия на 287M параметров и версия 1B.

В наборе Fastino из 17 доменов в карточке модели указана точность exact match 60,2%. Медианная задержка p50 составляет 167,3 мс на Xeon с 48 vCPU. Совместимости с API Jev нет.

10. Strands Labs Strands Decider 2B

Strands Labs от AWS представила Strands Decider 1 октября 2026 года. Размер модели составляет около 1,9B: Qwen3.5-2B-Base плюс указательная головка. В репозитории опубликованы 246 678 обучающих строк и полная методика. Обучение на одной RTX 3090 занимает около 11 часов.

Модель предоставляет локальную конечную точку /v1/systemone под лицензией Apache-2.0. Контрольная версия v1 набрала 180 из 231 (77,9%) на открытом JevBench. Медианная задержка составляет 115 мс на RTX 3090.

11. Kev (Jared Palmer)

Kev выпускается в версиях 0.8B, 4B, 9B и 27B на базе Qwen3.5 и Qwen3.8. Kev-4B — это LoRA плюс указательная головка под лицензией Apache-2.0. Модель поддерживает 255 вариантов. SDK TypeSafe работает с ней без изменений.

Kev-4B помещается на GPU с 24 ГБ памяти или Mac на Apple Silicon с 32 ГБ. Respan измерила точность 0,833 и частоту смены ответа 0,060. Самостоятельно заявленный результат MMLU-Pro составляет 0,565 против 0,840 у Jev. Порядок вариантов может менять ответы модели.

12. Семейство Mapika Decider

Mapika Decider выпускается в вариантах от 0.8B до 35B-A3B на базе Qwen3.5 и Gemma 4. Модель decider-2b-vision дополнительно поддерживает изображения. Все модели распространяются по лицензии Apache-2.0, поддерживают контекст 32k и /v1/systemone.

На сложном уровне JevBench decider-12b v1 сравнялась с Jev, набрав 0,730. Версия 4B GGUF Q4_K_M занимает 2,7 ГБ и работает на CPU. ECE версии 4B на сложных примерах составляет 0,184, поэтому следует ожидать излишней уверенности.

13. Bespoke Labs Bespoke-Nimble-9B

Bespoke-Nimble-9B — это LoRA размером 165 МиБ на базе Qwen3.5-9B, распространяемая на Hugging Face по лицензии Apache-2.0. В текущей карточке указаны 255 вариантов и 8192 токена. Модель обрабатывает только текст на английском языке.

На отложенном наборе Bespoke из 324 примеров Nimble набрала 90,12% против 93,21% у Jev. Задержка составляет около 106 мс на H100. Модель обучалась всего на 2676 примерах, а её вероятности не откалиброваны.

14. Convai Innovations Laya

Laya — семейство на базе ModernBERT с контрольными точками на 421M параметров для английского языка и 322M для мультиязычной версии. Лицензия — Apache-2.0, поддерживается только текст. Сервер laya-serve предоставляет конечную точку /v1/systemone в формате Jev.

Контрольная точка typed-decisions набрала 0,766 против 0,727 у Jev. На Banking77 она получила 0,425 против 0,870. Respan измерила точность 0,542 и частоту успешных инъекций 0,396. Медианная задержка p50 составляет 32,8 мс на T4.

15. Von (wfzyx)

Von — энкодер ModernBERT-large на 395M параметров с головкой маркеров вариантов. Он оценивает все варианты за один двунаправленный проход. Лицензия — Apache-2.0, контекст составляет 8192 токена.

Репозиторий сообщает о задержке p50 0,096 с на 4 vCPU и 0,023 с на A10G. Respan измерила для Von 1.2 точность 0,422 — самый низкий показатель в её таблице. Калибровка настроена на JevBench и может вводить в заблуждение за пределами этого домена.

16. Open-Jev-9B (Zefan Cai)

Open-Jev выпускается в виде адаптеров 2B, 9B и 27B на базах Qwen3.5. Open-Jev-9B добавляет скалярную головку и помещается на одном GPU с 16 ГБ памяти. Она соответствует форме запроса /v1/systemone, но не заявляет полной совместимости.

На подмножестве JevBench из 231 задачи проект сообщает о результатах 77,49% для 9B и 85,28% для 27B v1.1. Для каждого кандидата установлен лимит в 4096 токенов. Задачи с числами и временными шкалами выполняются слабо.

17. OpenJev на DiffusionGemma (razorback16)

Эта версия OpenJev принимает решения на основе DiffusionGemma 26B-A4B от NVIDIA (активны 4B). Она принимает текст и до 8 изображений. Используется тот же протокол API, поэтому SDK Jev работает без изменений.

Проект сообщает о результате 87,4% на открытом JevBench и задержке p50 30 мс при 49 токенах. Бесплатная размещённая конечная точка предоставляет 100 млн токенов на аккаунт. Для самостоятельного запуска требуется GPU NVIDIA как минимум с 24 ГБ памяти.

18. InnerJev-4B и InnerJev-27B

InnerJev разработана командой из Фуданьского университета, Университета Тунцзи и Королевского колледжа Лондона. Она преобразует рассуждения LLM в принятие решений за один проход. В статье также представлен JEVal: 11 257 примеров из 36 наборов данных.

На JEVal модель InnerJev-27B набрала 79,24% против 78,38% у Jev. Её ECE составил 0,0149 против 0,0532 у Jev. InnerJev-4B набрала 71,92%. Код опубликован на GitHub; лицензия не указана.

19. SemIf

SemIf обрабатывает типизированные решения на базе существующих открытых LLM, при этом по умолчанию используется Qwen3.5-4B. Демонстрация WebGPU запускает квантованные модели в браузере. Код распространяется по лицензии MIT.

На подмножестве TypeSafe из 102 строк SemIf набрала 0,845 сбалансированной точности против опубликованного результата Jev 0,883. На RTX 3090 прямые логиты заняли 1,023 с против 5,332 с для генерации JSON. Совместимой с Jev конечной точки нет.

20. Rizzo Flow

Rizzo Flow от Rizzo AI Academy — это LoRA на базе Spark-X2.5-4B под лицензией Apache-2.0. Модель предоставляет нативную конечную точку /v1/decisions и совместимую с Jev /v1/systemone. Для Choice установлено ограничение в 26 вариантов.

На 400 случаях typed-decisions модель набрала 0,648 против 0,574 у базовой модели. Показатель Jev в карточке набора данных составляет 0,727. По умолчанию модель не откалибрована.

Что показывает единственный сторонний тест с несколькими моделями?

Respan использовала собственный оценщик Span-01 для проверки 11 моделей. Для всех столбцов, кроме точности, меньший показатель лучше.

Модель	Точность	Частота парных изменений	ASR инъекций	ECE
Jev 1.13.0	0.932	0.021	0.063	0.045
Tev1 4B	0.901	0.052	0.042	0.031
Kev 4B	0.833	0.060	0.078	0.070
Decider 2B v10	0.747	0.128	0.208	0.074
Laya	0.542	0.298	0.396	0.092
Von 1.2	0.422	0.242	0.297	0.071

Источник: Respan, 16 октября 2026 года. Tev1 превзошла Jev по устойчивости к инъекциям и калибровке. Jev лидировала по точности и стабильности.

Сравнительная таблица альтернатив Jev

№	Модель	Организация	Размер	Лицензия	Входные данные	API Jev	Цена (за 1 млн входных)	Ключевой результат (источник)
Справочно	Jev 1.13	TypeSafe	Не раскрыт	Закрытая	Текст	Нативная	$0.042	0.932 точности (Respan)
1	Clef / Clef-flash	Cloudflare	27B / 9B	Apache-2.0	Текст, изображения	Да	$0.24 / $0.038	94,20 F1 BANKING77 (разработчик)
2	Семейство d1	Liquid AI	587M–3,1B для открытых; размещённые не раскрыты	LFM Open	Текст, изображения, аудио	Через SDK TypeSafe	Не раскрыта	48,57 Decision Index (разработчик)
3	Decisions API	OpenAI	Не раскрыт	Закрытая	Текст, изображения	Нет	$0.10	Не опубликован
4	pplx-decider	Perplexity	27B / 4B flash	Apache-2.0	Текст, изображения	Нет	$0.02 / $0.01	85,71% против 84,51% у Jev (разработчик)
5	Decider 1	meraGPT	Не раскрыт	Закрытая	Текст	Да	$0.04	0,768 typed-decisions (разработчик)
6	Span-01	Respan	Не раскрыт	Не указана	Текст	Не указано	$0.02 (Lite бесплатно)	0,843 F1 (разработчик)
7	Standard One	Standard Thinking	3B / 8B	Apache-2.0	Текст, изображения	/v1/systemone	$0.018 / $0.035	54,95% JevBench hard (разработчик)
8	Tev1-4B-experimental	Together AI	4B	Оформляется	Текст	Нет	$0.042 (OpenRouter)	0,901 точности (Respan)
9	GLiNER2.5-Decide	Fastino	340M	Apache 2.0	Текст	Нет	Не раскрыта	60,2% exact match (разработчик)
10	Strands Decider	Strands Labs (AWS)	~1,9B	Apache-2.0	Текст	/v1/systemone	Бесплатно, локально	77,9% JevBench public (проект)
11	Kev-4B	Jared Palmer	0,8B–27B	Apache-2.0	Текст	Да	Бесплатно, локально	0,833 точности (Respan)
12	Семейство Decider	Mapika	0,8B–35B-A3B	Apache-2.0	Текст, изображения (2B)	Да	Бесплатно, локально	0,730 JevBench hard, 12B (проект)
13	Bespoke-Nimble-9B	Bespoke Labs	9B	Apache-2.0	Текст	Не указано	Бесплатно, локально	90,12% против 93,21% у Jev (разработчик)
14	Laya	Convai Innovations	322M / 421M	Apache-2.0	Текст	Да	Бесплатно, локально	0,542 точности (Respan)
15	Von	wfzyx	395M	Apache-2.0	Текст	Не указано	Бесплатно, локально	0,422 точности (Respan)
16	Open-Jev-9B	Zefan Cai	2B–27B	Apache-2.0	Текст	Только форма запроса	Бесплатно, локально	77,49% на подмножестве JevBench (проект)
17	OpenJev (DiffusionGemma)	razorback16	26B-A4B	Apache-2.0 (код)	Текст, изображения	Да	Бесплатный уровень, 100 млн токенов	87,4% JevBench public (проект)
18	InnerJev	Академическая команда	4B / 27B	Не указана	Текст	Не указано	Бесплатно, локально	79,24% против 78,38% у Jev на JEVal (авторы)
19	SemIf	TheoLeeCJ	0,6B–4B (базовые LLM)	MIT (код)	Текст	Нет	Бесплатно, локально	0,845 против 0,883 у Jev (автор)
20	Rizzo Flow	Rizzo AI Academy	4B / 1,7B	Apache-2.0	Текст	Да	Бесплатно, локально	0,648 typed-decisions (автор)

Какую альтернативу Jev выбрать?

• Нужны изображения: Clef, pplx-decider, Standard One или OpenJev на DiffusionGemma.
• Нужна прямая замена Jev: Clef, Kev, Decider, meraGPT или Laya предоставляют /v1/systemone.
• Нужен CPU или периферийное устройство: Von, Laya, GLiNER2.5-Decide или d1-omni-600M от Liquid.
• Нужно обучить собственную модель: Strands Decider и Tev1 от Together публикуют полные методики.
• Нужен самый дешёвый размещённый вызов: flash-v1.2 от Perplexity по цене $0.01 за 1 млн входных токенов.

Что бы вы ни выбрали, сначала протестируйте модель на собственных размеченных данных. Модели принятия решений могут вернуть корректный по форме ответ, который при этом окажется неверным.

Основные выводы

• В течение примерно 4 недель после запуска Jev было выпущено 20 альтернатив.
• Clef, pplx-decider и Standard One добавляют поддержку изображений, которой нет у Jev.
• Flash-v1.2 от Perplexity дешевле Jev: $0.01 за 1 млн входных токенов.
• В тестировании Respan Jev по-прежнему лидирует по точности с результатом 0,932.
• Почти все показатели получены в тестах самих разработчиков, поэтому проверяйте модели на собственных данных.