Du er sikkert vant til å tenke på kunstig intelligens som den chatboten som skriver dikt for deg eller oppsummerer e-poster, men det finnes en ny trend som fullstendig omgår ord. TypeSafe AI har lansert Jev , et verktøy som bryter med standarden fordi det ikke skriver en eneste setning; oppdraget er å levere tekniske og sannsynlighetsbaserte avgjørelser som ethvert dataprogram kan behandle umiddelbart uten problemer.
Tenk deg at du har et system som håndterer tusenvis av forespørsler, og du trenger ikke AI for å forklare hvorfor en sak haster; du trenger bare at den sier «haster: ja». Jev posisjonerer seg nettopp der, i gapet mellom rigid kode og trege språkmodeller, og tilbyr det de kaller System One-modeller , inspirert av Daniel Kahnemans psykologi om rask, intuitiv tenkning.
Hva er egentlig Jev AI?
I motsetning til giganter som GPT eller Claude, som frigjør tokens én etter én for å bygge et avsnitt, fungerer Jev som et smart funksjonskall . Du sender den en tilstand (som kan være JSON, tekst eller en liste) og et sett med forhåndsdefinerte spørsmål, og modellen returnerer strukturerte verdier. Dette betyr at det ikke er noen typefeil eller formateringsproblemer, siden svaret er bundet til alternativene du tidligere har valgt.
Arkitekturen bak denne modellen bruker en spesifikk treningsmetode kalt Reinforcement Learning for Calibrated Decisions (RLCD) . Målet her er ikke at AI-en skal være sympatisk eller overbevisende, men snarere at sannsynlighetene skal være ærlige og kalibrerte. Hvis Jev sier at han er 90 % sikker på et svar, bør det tallet gjenspeile den faktiske nøyaktigheten – noe som er avgjørende når du vil at programvaren skal handle autonomt uten at et menneske må gjennomgå hvert trinn.
De tre grunnleggende verktøyene: primitivene
For å holde ting enkelt og effektivt, er Jevs API basert på tre typer spørsmål som gjør at det kan dekke nesten alle klassifiseringsbehov:
- Valg: Den lar deg velge ett alternativ fra en gruppe på opptil 255 muligheter. Den gir deg ikke bare det vinnende alternativet, men også et sannsynlighetskart over alle alternativene og en konfidenspoengsum. Den inkluderer et "annet"-alternativ for å forhindre at modellen tvinger frem et feil svar.
- Poengsum: Evaluer noe på en gradert skala (fra 2 til 10 nivåer). Det interessante er at den returnerer desimalverdier (som 1.4), som lar deg fange opp... nyanser mellom kategorier som et heltall ville ignorere.
- Noul (boolsk evaluering): Det er den forenklede versjonen av ja eller nei, som returnerer en sannsynlighet mellom 0 og 1.
Den kraftigste funksjonen er at Jev kan svare på alle disse spørsmålene i ett enkelt, parallelt trinn . Hvis du trenger å vite meldingskategorien, kundens sinnenivå og om de ber om refusjon, gir Jev deg alle tre svarene samtidig, så det å legge til flere spørsmål påvirker knapt responstiden.
Ytelse, kostnader og den lille skriften
Når man ser på tallene, kan TypeSafe AI skryte av en forbløffende hastighet, med latenser fra 70 til 500 millisekunder . Sammenlignet med LLM-er i frontlinjen, som kan ta sekunder å utarbeide et svar, er Jev absurd rask. Dessuten er prisen en viktig fordel: det koster bare 0,042 dollar per million input-tokens , og output er helt gratis, ettersom de ikke genererer ny tekst.
Disse tallene bør imidlertid tas med en klype salt. Mange av referansetestene ble utført av TypeSafe-teamet selv, noe som kan føre til noe skjevhet. Likevel er løftet om null skjemafeil håndgripelig: det er matematisk umulig for Jev å returnere et format du ikke har definert, noe som eliminerer behovet for komplekse valideringer i koden.
Hvor skinner Jev AI, og hvor svikter den?
Jev er konge når du må ta repeterende, massive beslutninger på ustrukturerte data. Den er ideell for ruting av leads , innholdsmoderering, teknisk support-prioritering eller til og med å lage beskyttelsesmekanismer for å overvåke resultatet av andre, større AI-modeller. Den er også veldig nyttig i nettnavigasjon, der den kan bestemme hvilket element som skal klikkes på på en side uten å trenge en skjermbeskrivelse.
Men ikke prøv å bruke det til alt. Jev er ikke egnet til chatting, programmering eller forklaring av resonnement. Det har klare begrensninger med matematikk og tegntelling, og det håndterer ikke datoer eller heksadesimale verdier godt. Videre mangler det verdenskunnskap; det vet bare hva du skriver inn i spørrestatusen. Hvis du trenger kompleks resonnement eller kreativ generering, bør du holde deg til en System 2-modell som Claude eller GPT.
Integrering i utviklingsøkosystemet
For programmerere er integreringen ganske enkel. Offisielle SDK-er finnes for JavaScript, TypeScript og Python , og selv om det ikke finnes en for PHP, er en enkel POST-forespørsel alt som trengs. Videre er Jev allerede tilgjengelig i Vercels AI Gateway, noe som forenkler nøkkelhåndtering og fakturering betraktelig hvis du allerede bruker det miljøet.
Et veldig smart mønster for bruk av Jev er å lage en beslutningskaskade . Først filtrerer og klassifiserer Jev forespørselen billig og raskt; deretter håndterer deterministisk kode de enklere tilfellene, og bare i tilfeller der Jev indikerer lav tillit, eskaleres forespørselen til en dyr resonnementsmodell eller en menneskelig operatør. Dette optimaliserer budsjettet og reduserer den totale systemforsinkelsen.
Dette verktøyet omdefinerer forholdet mellom AI og programvare ved å gjøre intelligens til en infrastrukturkomponent snarere enn en samtalepartner. Ved å eliminere tekstgenerering og fokusere på probabilistisk kalibrering, gjør Jev det mulig for maskiner å ta raske og pålitelige beslutninger til ubetydelige kostnader, noe som åpner døren for automatiseringer som tidligere var uoverkommelig dyre eller trege.