Jev: model AI, który nic nie pisze. Co to jest i jak działa

Jev to model AI, który zamiast pisać, wybiera. Dajesz mu tekst i pytanie z gotowymi odpowiedziami. Jev zaznacza jedną z nich i mówi, na ile jest pewny. Nic więcej.

Tak to wygląda na jednym mailu od klienta:

Po co taki model? Bo część pracy, którą dajemy dziś AI, to właśnie takie wybory:

• reklamacja czy pytanie o fakturę?
• pilne czy może poczekać?
• klient czy spam?

Do nich używamy dziś ChatGPT albo Claude'a. One przy każdej odpowiedzi piszą całe zdania, więc działają wolniej i drożej, a z ich tekstu trzeba jeszcze wyłuskać ten jeden wybór. Jev robi tylko wybór.

Jev – co to jest

Jev to model AI firmy TypeSafe AI, który zamiast tekstu zwraca decyzję. Dostaje dane i pytanie z listą dozwolonych odpowiedzi. Oddaje jedną z nich razem z liczbą, która mówi, na ile jest pewny. Wynik czyta program, nie człowiek. Jev służy do klasyfikowania, kierowania spraw i sprawdzania, szybciej i taniej niż duże modele językowe.

Najprościej: duży model językowy (LLM), czyli ChatGPT, Claude czy Gemini, pisze wypracowanie. Jev rozwiązuje test wielokrotnego wyboru i przy każdej odpowiedzi dopisuje, na ile jest jej pewny.

Za modelem stoi firma z San Francisco. Jeden z jej założycieli, Diogo Almeida, spędził około czterech lat w OpenAI, gdzie pracował między innymi nad ChatGPT i GPT-4. Razem z premierą Jeva firma ogłosiła 40 mln dolarów finansowania w rundzie prowadzonej przez fundusz DCVC.

Jak działa Jev: jeden mail, trzy pytania

Do jednego tekstu możesz zadać trzy rodzaje pytań:

• Wybór (w dokumentacji: choice). „Który dział ma się tym zająć?” Opcje opisujesz słowami, do 255 w jednym pytaniu.
• Skala (score). „Jak bardzo klient jest zdenerwowany?” Od 2 do 10 poziomów, na przykład spokojny, zdenerwowany, wściekły.
• Tak albo nie (noul). „Czy ta wiadomość jest pilna?”

Tak odpowiada Jev na mail o wypłatach (liczby z przykładów w dokumentacji):

W pierwszym wierszu są dwie liczby. 0,88 to szansa, że chodzi akurat o płatności. 0,81 to pewność całej odpowiedzi. Gdy ustawiasz automatyzacji zasadę „działaj sama tylko wtedy, gdy jesteś pewna”, patrzysz na tę drugą.

Po prawej liczby z dokumentacji TypeSafe. Odpowiedź po lewej to ilustracja typowego zachowania dużego modelu, nie zapis konkretnej rozmowy.

Producent reklamuje Jeva hasłem, że „nie halucynuje”. Prawda jest węższa: Jev nie wymyśli działu spoza Twojej listy, ale wybrać z niej zły dział nadal może. To mniejszy błąd niż klasyczna halucynacja, ale nadal błąd.

Co w Jevie jest nowe

Modele, które przypisują tekst do kategorii, istnieją od lat. Duże modele też potrafią dziś odpowiedzieć wyłącznie z podanej listy. Nowe jest połączenie trzech rzeczy:

1. Brak pisania. Duży model składa odpowiedź słowo po słowie, a Ty płacisz i czekasz za każde słowo. Jev od razu liczy szanse dla Twoich opcji i oddaje wszystkie odpowiedzi w jednym przebiegu.
2. Pewność przy każdej odpowiedzi. Założenie producenta: „higher confidence means higher accuracy”. Jeśli Jev mówi „90%”, ma mieć rację mniej więcej w dziewięciu przypadkach na dziesięć. Duże modele tego nie dają w standardzie: pewnym tonem podają i dobre, i złe odpowiedzi.
3. Cena i szybkość.

Przykładowe zapytanie z dokumentacji, czyli mail i pytanie, to około 300 tokenów. Milion takich decyzji kosztuje więc około 13 dolarów. Milion maili przypisanych do działów w cenie pizzy.

Dwa zastrzeżenia. Sam producent pisze o cenniku: „We can't prove it isn't subsidized”, czyli nie wie, czy ta cena się utrzyma. A hasło z jego strony, „193,6 razy szybciej i 444,6 razy taniej”, pochodzi z testów jego własnego zespołu i według TypeSafe to górna granica realnych zysków. Pierwsi klienci mówią o mniejszych, ale nadal dużych różnicach. Inżynier z Vercel, który zastąpił Jevem model OpenAI przy sprawdzaniu bezpieczeństwa poleceń, dostawał wyniki od 5 do 18 razy szybciej. W Bryo AI przy klasyfikacji maili Gemini był nieco dokładniejszy, ale od 10 do 20 razy droższy.

Gdzie Jev ma sens (i gdzie nie)

Zasada: Jev pasuje tam, gdzie z tekstu ma wyjść decyzja, a nie kolejny tekst.

• Skrzynka firmowa. Każdy mail dostaje dział, priorytet i flagę „pilne”, zanim ktokolwiek go otworzy.
• Zwroty i reklamacje. Czy prośba klienta mieści się w regulaminie? Tak, nie, do sprawdzenia.
• Przesiewanie. Komentarze pod postami, zgłoszenia z formularza, streszczenia publikacji naukowych.
• Strażnik agenta. Zanim agent AI wykona polecenie, Jev odpowiada na pytanie „czy to bezpieczne?”. Tak używa go Vercel.
• Rozdzielacz modeli. Czy to zadanie wymaga drogiego modelu, czy wystarczy tańszy?
• Automatyzacje w n8n, Make czy Zapierze. Jev ma własny interfejs, więc nie podepniesz go jak zwykłego modelu czatu. Wystarczy jednak zwykłe zapytanie HTTP i prosty warunek: pewność co najmniej 0,7, to sprawa idzie dalej sama, a jeśli mniej, trafia do człowieka.

Jedna rada na start: zawsze dodaj opcję „inne”. Jev musi wybrać coś z Twojej listy. Jeśli klient napisze o czymś, czego nie przewidziałeś, model wskaże najbliższą opcję, nawet złą.

Czego Jev nie zrobi: nie napisze odpowiedzi do klienta, streszczenia, kodu ani oferty. Nie sprawdzi niczego w internecie. Nie naprawi złych danych: nieaktualny mail da Ci błędną, za to porządnie sformatowaną odpowiedź. Dlatego Jev nie zastępuje ChatGPT ani Claude'a. Stoi przed nimi: szybko decyduje, a duży model wchodzi tylko tam, gdzie trzeba coś napisać.

Najciekawsza liczba w Jevie to nie cena

W jednym z naszych agentów, który obsługuje leady, jest prosta reguła: jeśli pewność spada poniżej 0,7 albo kwota przekracza 10 tysięcy, sprawa trafia do kolejki do zatwierdzenia przez człowieka. AI przygotowuje, człowiek zatwierdza tam, gdzie błąd kosztuje.

Taki próg jest tyle wart, ile liczba, na której go opierasz. Jev obiecuje, że ta liczba przychodzi przy każdej odpowiedzi. Automatyzacja, która wie, kiedy nie wie, obsłuży sama większość spraw i odda Ci resztę. Automatyzacja, która tego nie wie, obsłuży sama wszystko i nie powie Ci, które sprawy zepsuła.

Warunek: ta pewność musi być prawdziwa. I tu są haczyki.

Haczyki: co pokazują pierwsze niezależne testy

1. Jev lubi małe pytania. W teście opisanym przez serwis XenoSpectrum Jev i Claude Haiku 4.5 oceniały maile pod kątem phishingu. Na jedno ogólne pytanie „czy to phishing?” Jev trafił w 62,6% przypadków, Haiku w 81,3%. Potem autor testu zadał pięć małych pytań (np. „czy mail ma podejrzany link?”) i połączył odpowiedzi. Najlepsze pojedyncze małe pytanie dało Jevowi 89,4%, a połączenie pięciu 95,0%. Haiku z tymi samymi pytaniami miał 94,2% i 93,2%. Przy kilku pytaniach naraz Jev był około 27 razy tańszy i około 5 razy szybszy.

Są jednak trzy „ale”. Pytania ułożono po przejrzeniu tego konkretnego zbioru maili. Różnica między 95,0 a 93,2 mieści się w granicach przypadku. A zwykła, dwulinijkowa reguła bez żadnego AI dała 91,8%. Wniosek: pytaj Jeva o małe, konkretne rzeczy, nie o wielkie oceny.

2. Pewność trzeba sprawdzić na swoich danych. Alex Molas: „A model can be calibrated on TypeSafe's data and still be miscalibrated on yours.” Na danych producenta 0,9 może znaczyć 90%, a na Twoich mailach już nie. Sprawdzisz to na kilkuset własnych przykładach z dobrą odpowiedzią.

3. Polski to niewiadoma. Według dokumentacji TypeSafe głównym językiem jest angielski, a inne języki działają „but not equally well”. Z nazwy dokumentacja wymienia poza angielskim tylko pisma azjatyckie (chiński, japoński, koreański).

4. Długość tekstu. Na jedno zapytanie mieści się kilkadziesiąt tysięcy tokenów (źródła podają 32 000 albo 64 000). Mail zmieści się bez problemu, gruba umowa niekoniecznie.

5. Dostęp i dane. Jev jest na razie dostępny przez listę oczekujących. Mnie jeszcze nie udało się dostać, więc ten tekst opiera się na dokumentacji i cudzych testach. Usługa działa na zachodnim wybrzeżu USA, a dokumentacja nie wspomina o regionie w Unii Europejskiej. Zanim wyślesz do Jeva dane klientów, sprawdź podstawę prawną (RODO).

Dokąd to zmierza

Nazwa pochodzi od Williama Stanleya Jevonsa, angielskiego ekonomisty. W 1865 roku zauważył, że gdy maszyny parowe zaczęły zużywać mniej węgla, zużycie węgla w Anglii wzrosło. Tańsza praca maszyny sprawiła, że opłacało się stawiać ją wszędzie.

Teza producenta jest taka sama: tańsze decyzje AI to dużo więcej decyzji AI. Przy każdym mailu, każdym wierszu w arkuszu, każdym kroku agenta. Dla mnie ważniejsza jest druga połowa: każda taka decyzja potrzebuje kogoś, kto ułożył pytanie, opisał opcje i ustawił próg. Im tańsze decyzje AI, tym bardziej potrzebni są ludzie, którzy rozumieją proces.

Trzy sygnały, że to nie jednorazowa ciekawostka:

• Modele, które myślą, i modele, które decydują. TypeSafe nazywa Jeva „modelem Systemu 1”, od książki Daniela Kahnemana „Pułapki myślenia”. System 2 to wolne rozumowanie, jak w modelach rozumujących. System 1 to szybka decyzja. Andrej Karpathy, jeden z najbardziej znanych badaczy AI, napisał, że Jev pokazał „latent demand […] that was under-invested into because of a race to higher intelligence”. Czyli ukryty popyt, który branża przegapiła w wyścigu po coraz mądrzejsze modele.
• Nowa półka w katalogach. Kilka dni po premierze Jev był w Cloudflare Workers AI i w LiteLLM. Serwis AI/ML API umieścił go w osobnej kategorii „Decision Models”. Na razie stoi na niej sam.
• Kolejne wersje. TypeSafe zapowiada następne modele, także dla innych rodzajów danych niż tekst.

FAQ

Czy Jev zastąpi ChatGPT albo Claude'a?

Nie. Jev nie pisze tekstu. Zastępuje duży model tylko tam, gdzie z tekstu ma wyjść wybór, ocena na skali albo odpowiedź tak lub nie.

Ile kosztuje Jev?

Według cennika z września 2026 roku 0,042 dolara za milion tokenów wejścia, odpowiedzi są darmowe. Milion decyzji o objętości krótkiego maila to około 13 dolarów. Producent sam przyznaje, że nie wie, czy ta cena się utrzyma.

Jak dostać dostęp do Jeva?

Przez listę oczekujących na stronie TypeSafe AI. Jev jest też w katalogu Cloudflare Workers AI oraz w LiteLLM i AI/ML API.

Czy Jev halucynuje?

Nie wymyśli odpowiedzi spoza Twojej listy, ale może wybrać z niej złą. Dlatego podaje pewność, a Ty ustawiasz próg, poniżej którego decyzję sprawdza człowiek.

Czym Jev różni się od zwykłego klasyfikatora?

Klasyczny klasyfikator, na przykład model BERT, trzeba wytrenować na Twoich oznaczonych przykładach, dla z góry ustalonych kategorii. W Jevie kategorie opisujesz zwykłymi słowami w każdym zapytaniu. Zmiana kategorii to zmiana jednego zdania, a nie nowy trening.

Czy Jev rozumie po polsku?

Jeszcze nie wiadomo. Głównym językiem jest angielski, inne języki według dokumentacji działają gorzej. Przed wdrożeniem sprawdź go na kilkuset własnych mailach.

Na koniec

Wypisz kroki w swoich automatyzacjach, w których AI tylko wybiera z listy. Przy każdym odłóż kilkaset prawdziwych przykładów z dobrą odpowiedzią. Gdy Jev albo jego konkurenci będą dostępni bez kolejki, będziesz mieć gotowy test na własnych danych.

AI przestaje być jednym rozmówcą od wszystkiego. Rozdziela się na modele, które piszą, i modele, które decydują.