Jev Faoliyat yuritmoqda

Jev — TypeSafe AI tomonidan taqdim etilgan sun’iy intellektga asoslangan strukturaviy qaror qabul qilish modeli. Model suhbatlashmaydi, kod yozmaydi yoki matn yaratmaydi, faqat bitta ishni bajaradi: yuqori chastotali qarorlar qabul qilish, tuzilmagan ma’lumotlarni qabul qilib, bir martalik parallel hisoblash orqali darhol kalibrlangan ehtimollarga ega strukturaviy xulosani chiqarish. Kechikish atigi 70–500 millisekund, kirish narxi 1 million token uchun 0.042 dollar, chiqish bepul, tur xatolari darajasi esa 0%. Model Agent tizimining oldingi refleks yoyi sifatida marshrutlash, tasniflash, xavflarni dastlabki baholash va kontentni filtrlash kabi yuqori chastotali qarorlarni bajaradi, ilg‘or katta modellarni esa murakkab mantiqiy xulosalarga yo‘naltiradi. Natijada dunyo bilimlariga ega superqaror qabul qiluvchi paydo bo‘ladi.

Strukturaviy qaror chiqishi: model faqat oldindan belgilangan turlar ichidagi Choice (tanlov), Score (ball) va Noul (mantiqiy qiymat) natijalarini qaytaradi hamda kalibrlangan ehtimolni qo‘shadi.
Parallel ko‘p yo‘nalishli qarorlar: bitta chaqiruvda bir nechta mustaqil savolga bir vaqtda javob berish mumkin, kechikish savollar soniga mutanosib ravishda oshmaydi.
Ishonchlilik darajasiga asoslangan marshrutlash: kalibrlangan ishonchlilik bo‘yicha avtomatik taqsimlash — yuqori ishonchlilikda to‘g‘ridan-to‘g‘ri bajarish, o‘rta ishonchlilikda katta modelga qayta tekshirtirish, past ishonchlilikda esa operatorga yuborish.
Agent uchun oldindan filtrlash qatlami: marshrutlash, tasniflash, tekshirish va holatni nazorat qilish kabi tez-tez takrorlanadigan kichik qarorlarni bajarib, qimmat katta model chaqiruvlarini 90% dan ortiq qisqartiradi.
Format xatolaridan to‘liq himoya: chiqish oldindan belgilangan Schema doirasida qat’iy cheklanadi, tur xatolari darajasi matematik jihatdan 0% bo‘lib, natijani bevosita kodlar oqimiga joylashtirish mumkin.
Millisekund darajasidagi real vaqt qarorlari: 70–500 millisekundlik javob, bitta qaror narxi taxminan $0.0004 bo‘lib, AI ilk bor o‘yin jarayonini boshqarish, real vaqt kontent filtrlashi va savdo qarorlari kabi kechikishga sezgir sohalarga kirib keladi.

Avtoregressiv生成ni qisqartirib, parallel tanlashga o‘tish: an’anaviy LLM tokenlarni ketma-ket hosil qiladi, chiqish uzaygani sari dekodlash bosqichlari ham ko‘payadi; Jev o‘zining parallel sampler texnologiyasi yordamida bitta oldinga hisoblash jarayonida barcha qaror natijalarini bir vaqtda hosil qiladi va so‘zma-so‘z dekodlashni talab qilmaydi.
Chiqish makonini cheklash: dasturchi Schema’ni oldindan belgilaydi, masalan, refund_risk={low, medium, high}. Model ehtimollarni faqat shu variantlar orasida taqsimlaydi. Erkinlik samaradorlikka almashtiriladi, chiqish har doim tahlil qilinadigan va kod tomonidan bevosita iste’mol qilinadigan bo‘ladi, formatdagi gallyutsinatsiyalar va tur xatolari mexanizm darajasida yo‘q qilinadi.
RLCD o‘qitish usuli: Reinforcement Learning for Calibrated Decisions. RLHF inson xohishlarini, RLVR tekshiriladigan javoblarni optimallashtiradi, RLCD esa «qaror to‘g‘rimi» va «model bildirgan ishonchlilik halolmi» degan mezonlarni optimallashtiradi. Model bir guruh vazifalar uchun 90% ishonch bildirsa, ularning taxminan 90% haqiqatan ham to‘g‘ri bo‘lishi kerak. Bu avtomatik taqsimlashning matematik asosidir.
Ishonchlilik interfeys sifatida: har bir chiqish kalibrlangan ehtimol bilan birga keladi, dasturiy ta’minot esa chegaralar bo‘yicha marshrutlaydi: >0.90 — avtomatik bajarish, 0.7–0.9 — katta modelga qayta tekshirtirish, <0.7 — operatorga yuborish. Shu tariqa noaniqlik tizimga ochiq ko‘rsatiladi.

Early Access uchun ariza: TypeSafe AI rasmiy sayti https://typesafe.ai/ manziliga kiring, waitlist ro‘yxatiga qo‘shiling va tasdiqlangach console.typesafe.ai saytida API key oling.
Playground’da sinab ko‘rish: Console ichidagi Playground’da savollarni sozlang, chiqish Schema’sini belgilang va ehtimollar bilan berilgan qaror natijalarini bevosita ko‘ring.
Schema’ni belgilash: baholanishi kerak bo‘lgan savollar va turlarni JSON orqali oldindan e’lon qiling (Choice/Score/Noul va ularning variantlari). Bu chaqiruvdan oldingi yagona majburiy tayyorgarlikdir.
API’ni chaqirish: https://api.typesafe.ai/v1/systemone manziliga POST so‘rovi yuboring, model ID sifatida jev-latest ni ko‘rsating, tuzilmagan kontentni kiriting va strukturaviy qaror hamda kalibrlangan ehtimolni oling.
Rasmiy SDK’dan foydalanish: Python uchun typesafe-sdk, JS/TS uchun @typesafe-ai/sdk paketini o‘rnating. Ular so‘rovni tuzish va turlarni tekshirishni avtomatik bajaradi.

Juda past kechikish: 70–500 millisekundlik yakuniy javob, ilg‘or katta modellardan 40–200 marta tezroq va AI qarorlarini ilk bor real vaqtli sohalarga olib kiradi.
Juda past narx: kirish 1 million token uchun 0.042 dollar, chiqish bepul, bitta qaror taxminan $0.0004 turadi va GPT’dan eng ko‘pi bilan 444 marta arzon.
Format xatolarining yo‘qligi: chiqish oldindan belgilangan Schema bilan qat’iy cheklangan, tur xatolari darajasi matematik jihatdan 0%.
Kalibrlangan ishonchlilik: har bir qaror halol ehtimol bilan birga keladi (RLCD o‘qitishi), tizim chegaralar bo‘yicha avtomatik taqsimlay oladi. Bu avtomatlashtirishni amaliyotga joriy etishning matematik asosidir.
Parallel ko‘p yo‘nalishli qarorlar: bitta chaqiruvda bir nechta mustaqil savolga bir vaqtda javob beriladi, kechikish savollar soniga mutanosib ravishda oshmaydi.
Umumiy semantik qobiliyatni saqlash: an’anaviy tasniflagichlardan farqli ravishda, yangi vazifalarni nol namunali rejimda bajara oladi va har bir qaror turi uchun qayta o‘qitishni talab qilmaydi.

Loyihaning rasmiy sayti: https://typesafe.ai/blog/introducing-system-one-models-and-jev

Kontentni filtrlash va tavsiyalarni dastlabki saralash: axborot oqimidagi nizoli yoki reklama mazmunini real vaqtda yashirish yoki o‘n minglab yig‘ilgan ma’lumotlar uchun AI asosidagi relevatlik saralashini bajarish, faqat batafsil tekshiruvni qimmat modelga topshirish.
Murojaatlarni marshrutlash va mijozlarga xizmat ko‘rsatishni taqsimlash: bitta xatda bo‘lim, shoshilinchlik darajasi, pulni qaytarish xavfi va operator aralashuvi zarurligini bir vaqtda aniqlash; yuqori ishonchli murojaatlarni avtomatik qayta ishlash.
Xavflarni boshqarish va muvofiqlikni dastlabki tekshirish: tranzaksiyalar, kreditlar va UGC kontentini xavf darajasi bo‘yicha baholash hamda ehtimolni chiqarish; yuqori ishonchli holatlarni avtomatik tasdiqlash, past ishonchli holatlarni operatorga yoki kuchli modelga qayta tekshirtirish uchun yuborish.
Agent ish jarayonining qaror qabul qilish qatlami: vosita tanlash, natijalarni tartiblash, holatni tekshirish va jarayonni tugatish-tugatmaslik kabi tez-tez uchraydigan kichik qarorlarni bajarib, qimmat katta model chaqiruvlarini 90% dan ortiq qisqartirish.