Jev повертає типізовані ймовірності для рішень AI-агентів
TypeSafe AI представила Jev — свою першу модель System One для структурованих рішень у робочих процесах AI-агентів. На відміну від розмовних моделей, Jev не генерує текст, не пише код і не створює стислих викладів. Модель отримує неструктурований стан у вигляді тексту або JSON разом із набором типізованих запитань, а повертає рішення, ймовірності та показники впевненості.
Jev має три примітиви. Choice обирає один варіант і надає ймовірність для кожного, Score оцінює стан за впорядкованою шкалою, а Noul визначає ймовірність істинності твердження. Усі запитання обробляються паралельно в одному запиті. За даними TypeSafe, модель навчають за допомогою Reinforcement Learning for Calibrated Decisions, щоб вища впевненість відповідала вищій точності. Choice підтримує до 255 варіантів.
У статті розглянуто 20 застосувань, зокрема маршрутизацію моделей, контроль викликів інструментів, повторне ранжування, перевірку релевантності та виявлення prompt injection. У власних оцінюваннях робочих процесів TypeSafe заявляє перевагу до 193,6 раза за швидкістю та до 444,6 раза за вартістю; еталонами слугували GPT-6 Astra і Fable 5.1. Вхід коштує $0.042 за мільйон токенів, а вихід безкоштовний.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.