Модель Jev: новый класс ИИ для классификации
Ключевые тезисы
- Jev — это не языковая модель, а модель-классификатор от TypeSafe AI.
- Она не ведёт диалог, не пишет код и не рассуждает. Её задача — анализировать текст по заранее заданным критериям.
- Работает в десятки раз быстрее и дешевле, чем модели вроде GPT или Claude, для задач, которые укладываются в её формат.
- Ключ к эффективности — чётко сформулированная задача с конкретными критериями.
Что такое Jev и как она работает
- Создатель: Диого Алмейда (ранее работал над следованием инструкциям в OpenAI, что легло в основу ChatGPT).
- Принцип работы: Модель принимает текст и список вопросов/критериев для анализа. Она прогоняет текст через себя один раз и выдает все ответы параллельно, а не последовательно.
- Типы ответов (и только они):
- Выбор из списка вариантов (до 255 вариантов).
- Оценка по шкале (например, от 1 до 5).
- Да/Нет.
- К каждому ответу прикладывается показатель уверенности модели.
Сравнение с GPT/Claude
- GPT/Claude: Генерируют ответ токен за токеном, "размышляя" над каждым следующим шагом.
- Jev: Не рассуждает, не имеет промежуточных шагов. Анализирует и выдаёт результат сразу в заданном формате. Это её архитектурная особенность, а не недоработка.
- Стоимость: На момент тестов в OpenRouter — $0.04 за 1 млн входных токенов, выходные токены бесплатно.
Практические тесты и юзкейсы
Как получить доступ: Через лист ожидания на TypeSafe AI или быстрее — через сервис OpenRouter (агрегатор нейросетей с API).
Протестированные кейсы:
- Фильтрация комментариев на YouTube (273 комментария, 4 критерия).
- Результат: Jev справился за ~6 сек. и менее чем на 1 рубль. Результаты на ~70% совпали с Claude. Расхождение там, где критерии были сформулированы размыто.
- Анализ входящей почты.
- Результат: При чётком ТЗ Jev работает на уровне больших моделей. При нечётком — даёт буквальный, часто неверный ответ.
- Фильтрация заявок на фриланс-бирже (Kwork).
- Результат: Jev обработал 42 заявки за 2 сек. По конкретным критериям (наличие стека, деталей) результаты совпали с Claude. По субъективной оценке (адекватность бюджета) — есть расхождения.
Примеры юзкейсов от сообщества:
- Автономное вождение: Модель каждые 200 мс анализирует состояние среды и выбирает действие (держать полосу, тормозить и т.д.).
- Игры (Doom, Pac-Man, StarCraft): Код предоставляет состояние игры, Jev выбирает ход.
- Автоматизация работы в браузере: Выбор действий и элементов из готового списка (например, бронирование билета).
- Фильтрация ленты новостей: Расширение в реальном времени помечает статьи (полезные, реклама, AI-генерация). Jev делает это мгновенно и за копейки по сравнению с Claude.
Выводы
- Jev — не конкурент GPT или Claude, а инструмент для другого класса задач.
- Идеально подходит для чётких задач классификации, фильтрации, сортировки и проверки, где можно заранее определить критерии.
- Не подходит для задач, требующих рассуждений, генерации текста или сложных умозаключений.
- Оптимальная стратегия: Использовать связку большой языковой модели (для сложных решений) и Jev (для быстрой, дешёвой классификации и фильтрации). Это позволяет drastically снизить расход токенов и затраты.