20 альтернатив Jev: моделі ухвалення рішень, що кидають виклик TypeSafe у 2026 році

TypeSafe запустила Jev 15 вересня 2026 року. Це модель для ухвалення рішень, а не чат-бот. Ви визначаєте дозволені відповіді, а Jev повертає мітку, оцінку або ймовірність «так/ні». Приблизно за 4 тижні було випущено щонайменше 20 альтернатив Jev. Вони походять від Cloudflare, OpenAI, Perplexity, Liquid AI, AWS Strands Labs і незалежних розробників. У цьому огляді кожну з них порівняно за розміром, ліцензією, апаратним забезпеченням, ціною, сумісністю з API Jev і опублікованими бенчмарками.

Коротко

• Діапазон розмірів: від 287M (GLiNER2.5-multi-Decide) до 35B-A3B (Mapika Decider). Розмір Jev не розкривається.
• Запускаються на: енкодери на кшталт Von і Laya працюють на CPU. Адаптери 4B поміщаються на GPU з 24 ГБ або Mac із 32 ГБ.
• Продуктивність: більшість відкритих моделей поступаються Jev у складному міркуванні. Деякі дорівнюють йому або перевершують його у вузькій класифікації.
• Найкраща: Cloudflare Clef набирає 94.20 F1 на BANKING77 проти 79.74 у Jev, згідно із власним запуском Cloudflare.
• Найгірша: Von 1.2 набирає 0.422 точності у запуску Respan проти 0.932 у Jev.

Що таке Jev і навіщо шукати альтернативи?

Jev — перша модель TypeSafe «System One». Ви надсилаєте стан, наприклад тікет або рядок журналу. Також ви надсилаєте типізовані запитання: Choice, Score або Noul (так/ні). Jev оцінює кожне запитання за один паралельний прохід і не генерує текст.

Документація TypeSafe вказує ціну $0.042 за 1 млн вхідних токенів, а вихідні дані безкоштовні. Контекст становить 64 тис. токенів на запит. Вхідні дані — лише текст. Ваги закриті, а доступ надається через список очікування. Оцінювання робочих процесів TypeSafe визначає для Jev 67.8% узгодженості та 0.4 с на випадок.

Це залишає 4 прогалини, на які постійно вказують розробники: відсутність зображень, самостійного розгортання, опублікованого розміру та тонкого налаштування. Наведені нижче 20 моделей закривають деякі або всі з них.

Як читати ці бенчмарки?

Більшість наведених нижче показників є даними самих розробників. Набори тестів відрізняються: JevBench, Decision Index, typed-decisions і поведінковий бенчмарк Respan. Показники з різних наборів не можна порівнювати. Єдина стороння таблиця з кількома моделями походить від Respan, яка продає конкуруючу модель.

Хостовані API для ухвалення рішень

1. Cloudflare Clef і Clef-flash

Cloudflare представила Clef 1 жовтня 2026 року. Clef — це модель 27B на базі Qwen3.8-27B із візуальним енкодером. Clef-flash — модель 9B на базі Qwen3.5-9B. Обидві доступні за ліцензією Apache-2.0 на Hugging Face і обслуговуються через Workers AI. Вони приймають текст, JSON і до 4 зображень на запит.

Ціна Workers AI становить $0.24 (Clef) і $0.038 (Clef-flash) за 1 млн вхідних токенів. Cloudflare називає API повністю сумісним із Jev. У власному запуску Clef набрала 94.20 F1 на BANKING77 проти 79.74 у Jev. Jev усе ще перемагає на GPQA Diamond: 78.3 проти 48.0.

2. Liquid AI d1

Сімейство d1 від Liquid AI містить хостовані d1 і d1-ultra, а також 2 відкриті моделі. d1-3B (3.1B) працює на LFM2.5-VL-3B. d1-omni-600M (587M) додатково підтримує аудіокліпи тривалістю до 30 с. Відкриті ваги використовують LFM Open License.

Посібник Liquid викликає d1 через власний SDK TypeSafe з іншою базовою URL-адресою. Liquid повідомляє, що d1-3B набрала 48.57 у Decision Index 0.2.1. Також заявлено затримку 8 мс на RTX 4090. Кількість параметрів хостованих моделей і платні тарифи не розкриваються.

3. OpenAI Decisions API

OpenAI випустила Decisions API у публічній бета-версії 6 жовтня 2026 року. Він працює лише на gpt-6-luna. API приймає текст і зображення у форматі base64. Типи запитань: predicate, choice і score.

Ціна становить $0.10 за 1 млн вхідних токенів, вихідні дані не оплачуються. Схема є власною схемою OpenAI, тому сумісності з Jev немає. OpenAI заявляє про приблизно в 10 разів швидші відповіді, ніж у Responses API. Бенчмарки не опубліковані.

4. Perplexity pplx-decider

pplx-decider-v1-27b від Perplexity — це донавчена модель Qwen3.8-27B за ліцензією Apache-2.0. Вона читає текст, JSON і до 8 зображень на запитання. API дає змогу надсилати до 128 запитань і 255 варіантів на запит.

Поточна ціна становить $0.02 за 1 млн вхідних токенів для v1.2 (27B). 4B flash-v1.2 коштує $0.01. На панелі Perplexity із 11 завдань модель набрала 85.71% проти 84.51% у Jev. Jev усе ж переміг на BBH: 94.27 проти 82.80.

5. meraGPT Decider 1

meraGPT представила Decider 1 22 вересня 2026 року. Це хостована модель із закритими вагами, що працює лише з текстом. Вона підтримує до 10 міток Choice і контекст на 4 096 токенів. На сторінці моделі вказано ціну $0.04 за 1 млн вхідних токенів.

Модель відкриває /v1/systemone і працює з SDK TypeSafe. У запуску meraGPT на typed-decisions вона набрала 0.768 проти 0.727 у Jev. Незалежний огляд зазначає, що її ECE 0.180 поступається показнику Jev 0.144.

6. Respan Span-01

Span-01 — це модель оцінювання поведінки, а не універсальна модель ухвалення рішень. Вона повертає ймовірності present, absent або not_observable. Ціна становить $0.02 за 1 млн вхідних токенів. Span-01 Lite безкоштовна.

Respan заявляє про загальний F1 0.843 на своєму Behavior Benchmark. У таблиці власного блогу наведено нижчий показник 0.806, тоді як GPT-6 Sol випереджає її з результатом 0.885. Розмір, базова модель і ліцензія не розкриваються.

7. Standard Thinking Standard One

Standard One доступна як моделі 3B і 8B — обидві відкриті та хостовані. 8B — це LoRA на Ministral-3-8B за ліцензією Apache-2.0. Вона читає текст і зображення, контекст становить 32 768 токенів. Модель обслуговує /v1/systemone.

Ціна хостованого тексту становить $0.018 (3B) і $0.035 (8B) за 1 млн токенів. На JevBench public hard модель 8B набрала 54.95% проти 72.07% у Jev. Вона випередила Jev у realistic transfer: 90.83% проти 86.67%. Обидва запуски виміряні видавцем.

Відкриті альтернативи Jev, які можна розгорнути самостійно

8. Together AI Tev1-4B-experimental

Together навчила Tev1 як LoRA SFT для Qwen3.5-4B. Навчання коштувало близько $17 і тривало 25 хвилин на 37 840 прикладах. Модель обирає з 2–24 варіантів. У картці моделі зазначено, що ліцензію ваг ще остаточно не визначено.

Вона відповідає через chat completions, а не через власну кінцеву точку Jev. Respan виміряла точність 0.901 і ECE 0.031 — найкращий ECE у її таблиці. Together попереджає, що logprobs не є каліброваною впевненістю.

9. Fastino GLiNER2.5-Decide

GLiNER2.5-Decide від Fastino — це енкодер DeBERTa-v3-large на 340M параметрів за ліцензією Apache 2.0. Він обробляє рішення, вилучення фрагментів і зв’язки за один прохід. Також існують мультимовні версії на 1B і 287M.

На наборі Fastino із 17 доменів у картці моделі вказано 60.2% точного збігу. Затримка p50 становить 167.3 мс на Xeon із 48 vCPU. Модель не сумісна з API Jev.

10. Strands Labs Strands Decider 2B

AWS Strands Labs представила Strands Decider 1 жовтня 2026 року. Це приблизно 1.9B: Qwen3.5-2B-Base плюс pointer head. У репозиторії опубліковано 246 678 навчальних рядків і повний рецепт. На одній RTX 3090 модель навчається приблизно 11 годин.

Вона обслуговує локальну кінцеву точку /v1/systemone за ліцензією Apache-2.0. Контрольна версія v1 набрала 180 із 231 (77.9%) на JevBench public. Медіанна затримка становить 115 мс на RTX 3090.

11. Kev (Jared Palmer)

Kev доступна у версіях 0.8B, 4B, 9B і 27B на базі Qwen3.5 та Qwen3.8. Kev-4B — це LoRA плюс pointer head за ліцензією Apache-2.0. Модель підтримує 255 варіантів. SDK TypeSafe працює з нею без змін.

Kev-4B поміщається на GPU з 24 ГБ або Mac із Apple Silicon і 32 ГБ. Respan виміряла точність 0.833 і коефіцієнт flip 0.060. Самозаявлений результат MMLU-Pro становить 0.565 проти 0.840 у Jev. Порядок варіантів може змінювати відповіді.

12. Сімейство Mapika Decider

Decider від Mapika доступна у версіях від 0.8B до 35B-A3B на базі Qwen3.5 і Gemma 4. Модель decider-2b-vision додатково підтримує зображення. Усе поширюється за ліцензією Apache-2.0, із контекстом 32k і /v1/systemone.

На жорсткому рівні JevBench public версія decider-12b v1 зрівнялася з Jev із результатом 0.730. 4B GGUF Q4_K_M займає 2.7 ГБ і працює на CPU. ECE версії 4B на складних завданнях становить 0.184, тож очікуйте надмірної впевненості.

13. Bespoke Labs Bespoke-Nimble-9B

Bespoke-Nimble-9B — це LoRA розміром 165 MiB на базі Qwen3.5-9B, Apache-2.0 на Hugging Face. Поточна картка містить 255 варіантів і 8 192 токени. Модель читає лише англомовний текст.

На відкладеному наборі Bespoke із 324 прикладів Nimble набрала 90.12% проти 93.21% у Jev. Затримка становить близько 106 мс на H100. Модель навчали лише на 2 676 прикладах, а її ймовірності не калібровані.

14. Convai Innovations Laya

Laya — це сімейство на базі ModernBERT із контрольними версіями 421M для англійської та 322M для мультимовної підтримки. Ліцензія — Apache-2.0, модель працює лише з текстом. Сервер laya-serve відкриває кінцеву точку /v1/systemone, побудовану за формою Jev.

Контрольна версія typed-decisions набрала 0.766 проти 0.727 у Jev. На Banking77 вона набрала 0.425 проти 0.870. Respan виміряла точність 0.542 і коефіцієнт успішних ін’єкцій 0.396. Затримка p50 становить 32.8 мс на T4.

15. Von (wfzyx)

Von — це енкодер ModernBERT-large на 395M параметрів із головою маркерів варіантів. Він оцінює всі варіанти за один двонапрямлений прохід. Ліцензія — Apache-2.0, контекст становить 8 192 токени.

Репозиторій повідомляє про p50 0.096 с на 4 vCPU і 0.023 с на A10G. Respan виміряла для Von 1.2 точність 0.422 — найнижчу у своїй таблиці. Калібрування налаштоване на JevBench і може вводити в оману поза межами домену.

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

Open-Jev доступна як адаптери 2B, 9B і 27B на базі Qwen3.5. Open-Jev-9B додає скалярну голову і поміщається на одному GPU з 16 ГБ. Модель відповідає формі запитів /v1/systemone, але не заявляє повної сумісності.

На підмножині JevBench із 231 завдання проєкт повідомляє про 77.49% для 9B і 85.28% для 27B v1.1. Кожен кандидат обмежений 4 096 токенами. Завдання на числа й часові шкали виконуються слабко.

17. OpenJev на DiffusionGemma (razorback16)

Ця версія OpenJev отримує рішення від DiffusionGemma 26B-A4B від NVIDIA (4B активних параметрів). Вона приймає текст і до 8 зображень. Використовується той самий дротовий API, тому SDK Jev працюють без змін.

Проєкт повідомляє про 87.4% на JevBench public і p50 30 мс на 49 токенів. Безкоштовна хостована кінцева точка надає 100 млн токенів на обліковий запис. Для самостійного розгортання потрібен NVIDIA GPU щонайменше з 24 ГБ.

18. InnerJev-4B і InnerJev-27B

InnerJev створила команда з Фуданьського університету, університету Тунцзі та King’s College London. Вона дистилює міркування LLM в одноетапне ухвалення рішень. У статті також представлено JEVal: 11 257 екземплярів із 36 наборів даних.

На JEVal InnerJev-27B набрала 79.24% проти 78.38% у Jev. Її ECE становив 0.0149 проти 0.0532 у Jev. InnerJev-4B набрала 71.92%. Код доступний на GitHub; ліцензію не вказано.

19. SemIf

SemIf читає типізовані рішення від наявних відкритих LLM, причому Qwen3.5-4B використовується за замовчуванням. Демонстрація WebGPU запускає квантизовані моделі в браузері. Код поширюється за ліцензією MIT.

На підмножині TypeSafe зі 102 рядків SemIf набрала 0.845 збалансованої точності проти опублікованих 0.883 у Jev. На RTX 3090 прямі логіти оброблялися за 1.023 с проти 5.332 с для генерації JSON. Сумісної з Jev кінцевої точки немає.

20. Rizzo Flow

Rizzo Flow від Rizzo AI Academy — це LoRA на Spark-X2.5-4B за ліцензією Apache-2.0. Вона обслуговує власну /v1/decisions і сумісну з Jev /v1/systemone. Choice обмежено 26 варіантами.

На 400 випадках typed-decisions модель набрала 0.648 проти 0.574 у базової моделі. Показник Jev у картці набору даних становить 0.727. За замовчуванням модель не калібрована.

Що показує єдиний сторонній запуск із кількома моделями?

Respan використала власного суддю Span-01 для оцінювання 11 моделей. Для всіх стовпців, крім точності, менше значення є кращим.

Модель	Точність	Коефіцієнт парних перестановок	ASR ін’єкцій	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

Джерело: Respan, 16 жовтня 2026 року. Tev1 випередила Jev у стійкості до ін’єкцій і калібруванні. Jev лідирував за точністю та стабільністю.

Порівняльна таблиця альтернатив Jev

#	Модель	Організація	Розмір	Ліцензія	Вхідні дані	API Jev	Ціна (за 1 млн вхідних)	Ключовий результат (джерело)
Ref	Jev 1.13	TypeSafe	Не розкривається	Закрита	Текст	Власний	$0.042	0.932 точності (Respan)
1	Clef / Clef-flash	Cloudflare	27B / 9B	Apache-2.0	Текст, зображення	Так	$0.24 / $0.038	94.20 F1 BANKING77 (постачальник)
2	Сімейство d1	Liquid AI	587M–3.1B відкриті; хостовані не розкриваються	LFM Open	Текст, зображення, аудіо	Через SDK TypeSafe	Не розкривається	48.57 Decision Index (постачальник)
3	Decisions API	OpenAI	Не розкривається	Закрита	Текст, зображення	Ні	$0.10	Не опубліковано
4	pplx-decider	Perplexity	27B / 4B flash	Apache-2.0	Текст, зображення	Ні	$0.02 / $0.01	85.71% проти 84.51% у Jev (постачальник)
5	Decider 1	meraGPT	Не розкривається	Закрита	Текст	Так	$0.04	0.768 typed-decisions (постачальник)
6	Span-01	Respan	Не розкривається	Не вказано	Текст	Не вказано	$0.02 (Lite безкоштовна)	0.843 F1 (постачальник)
7	Standard One	Standard Thinking	3B / 8B	Apache-2.0	Текст, зображення	/v1/systemone	$0.018 / $0.035	54.95% JevBench hard (постачальник)
8	Tev1-4B-experimental	Together AI	4B	У процесі остаточного визначення	Текст	Ні	$0.042 (OpenRouter)	0.901 точності (Respan)
9	GLiNER2.5-Decide	Fastino	340M	Apache 2.0	Текст	Ні	Не розкривається	60.2% точного збігу (постачальник)
10	Strands Decider	Strands Labs (AWS)	~1.9B	Apache-2.0	Текст	/v1/systemone	Безкоштовна, локальна	77.9% JevBench public (проєкт)
11	Kev-4B	Jared Palmer	0.8B–27B	Apache-2.0	Текст	Так	Безкоштовна, локальна	0.833 точності (Respan)
12	Сімейство Decider	Mapika	0.8B–35B-A3B	Apache-2.0	Текст, зображення (2B)	Так	Безкоштовна, локальна	0.730 JevBench hard, 12B (проєкт)
13	Bespoke-Nimble-9B	Bespoke Labs	9B	Apache-2.0	Текст	Не вказано	Безкоштовна, локальна	90.12% проти 93.21% у Jev (постачальник)
14	Laya	Convai Innovations	322M / 421M	Apache-2.0	Текст	Так	Безкоштовна, локальна	0.542 точності (Respan)
15	Von	wfzyx	395M	Apache-2.0	Текст	Не вказано	Безкоштовна, локальна	0.422 точності (Respan)
16	Open-Jev-9B	Zefan Cai	2B–27B	Apache-2.0	Текст	Лише форма запиту	Безкоштовна, локальна	77.49% підмножини JevBench (проєкт)
17	OpenJev (DiffusionGemma)	razorback16	26B-A4B	Apache-2.0 (код)	Текст, зображення	Так	Безкоштовний рівень, 100 млн токенів	87.4% JevBench public (проєкт)
18	InnerJev	Академічна команда	4B / 27B	Не вказано	Текст	Не вказано	Безкоштовна, локальна	79.24% проти 78.38% у Jev на JEVal (автори)
19	SemIf	TheoLeeCJ	0.6B–4B (базові LLM)	MIT (код)	Текст	Ні	Безкоштовна, локальна	0.845 проти 0.883 у Jev (автор)
20	Rizzo Flow	Rizzo AI Academy	4B / 1.7B	Apache-2.0	Текст	Так	Безкоштовна, локальна	0.648 typed-decisions (автор)

Яку альтернативу Jev обрати?

• Потрібні зображення: Clef, pplx-decider, Standard One або OpenJev на DiffusionGemma.
• Потрібна заміна Jev без змін: Clef, Kev, Decider, meraGPT або Laya відкривають /v1/systemone.
• Потрібен CPU або периферійний пристрій: Von, Laya, GLiNER2.5-Decide або d1-omni-600M від Liquid.
• Потрібно навчити власну модель: Strands Decider і Tev1 від Together публікують повні рецепти.
• Потрібен найдешевший хостований виклик: flash-v1.2 від Perplexity за $0.01 за 1 млн вхідних токенів.

Що б ви не обрали, спочатку протестуйте модель на власних маркованих даних. Моделі для ухвалення рішень можуть повертати коректну за формою відповідь, яка все одно буде неправильною.

Ключові висновки

• 20 альтернатив Jev було випущено приблизно протягом 4 тижнів після запуску Jev.
• Clef, pplx-decider і Standard One додають підтримку зображень, якої бракує Jev.
• flash-v1.2 від Perplexity дешевша за Jev: $0.01 за 1 млн вхідних токенів.
• У запуску Respan Jev усе ще лідирує за точністю з показником 0.932.
• Майже кожен показник отримано в тестах самого постачальника, тому оцінюйте моделі на власних даних.