Що таке Jev і чому його називають «моментом інтернету» для ШІ

Опубліковано

Що таке Jev і чому його називають «моментом інтернету» для ШІ

Розсортувати 500 листів за кілька секунд і 3,5 цента, класифікувати 1018 наукових статей за 8 центів, ухвалити 2700 рішень для вітрини українського маркетплейсу за півтора цента. Такі результати користувачі показують із Jev, новою моделлю стартапу TypeSafe AI.

Jev — перша модель нового класу System One, представлена 15 вересня 2026 року. Вона не пише абзаци тексту, як ChatGPT. Ви даєте їй дані й запитання з готовими варіантами, а вона за частки секунди повертає рішення: «так» чи «ні», один варіант зі списку або оцінку за вашою шкалою, і показує, наскільки впевнена. Мільйон токенів на вході коштує $0,042, тобто близько 4 центів, а за відповідь плата не береться. За оцінкою TypeSafe, на завданнях такого типу Jev у 20–200 разів швидший і в 40–400 разів дешевший за звичайні мовні моделі.

Модель нового типу: рішення замість тексту

За кілька років ми звикли, що ШІ — це чат. Ставиш запитання, отримуєш довгу відповідь, платиш за кожне слово й перевіряєш, чи модель нічого не вигадала. Для творчих завдань так і має бути. Але значна частина роботи ШІ в програмах — це не тексти, а рішення: куди передати заявку, чи порушує коментар правила, який крок агент зробить далі.

Jev створений саме для таких рішень. Модель не може відповісти поза варіантами, які ви задали, тому програма завжди отримує відповідь у потрібному форматі. Автор одного з найпопулярніших розборів у X описує цей підхід формулою: мовна модель створює роботу, Jev вирішує, що робити далі, а код виконує рішення.

Завдяки цьому стають доступними завдання, які раніше здавалися дорогими й довгими. Перевірити десятки тисяч описів товарів, розсортувати десятки тисяч коментарів, оцінити кожен крок ШІ-агента: з великими мовними моделями це коштувало суттєвих грошей і годин очікування, з Jev — центи й хвилини.

Мовні моделі (ChatGPT, Gemini та інші) Jev
Що повертає Текст Рішення в заданому форматі: так/ні, варіант, бал
Швидкість Від кількох секунд до хвилин 70–500 мс (за даними TypeSafe)
Ціна $0,20–10 за мільйон вхідних токенів, плюс оплата за відповідь $0,042 за мільйон вхідних токенів, відповідь безкоштовна
Пише тексти й код Так Ні
Показує впевненість Зазвичай ні Так, імовірність для кожного варіанта

Токен — це шматочок слова. Мовні моделі рахують текст і гроші саме в токенах.

Три типи запитань

  1. «Так чи ні». Наприклад: «Чи є в цьому листі скарга?» Модель поверне ймовірність, скажімо, 0,92, тобто «майже напевно так».
  2. Вибір зі списку. Наприклад: «До якого відділу передати заявку: продажі, підтримка чи бухгалтерія?» Варіантів може бути до 255, і для кожного модель покаже ймовірність.
  3. Оцінка за шкалою. Ви словами описуєте від 2 до 10 рівнів (від «текст не відповідає запиту» до «повністю закриває запит»), а Jev ставить бал.

За один запит можна поставити багато запитань про ті самі дані, і модель відповість на всі одночасно.

Звідки взявся хайп

TypeSafe вийшла з «режиму невидимки» з $40 млн інвестицій і відразу показала робочу модель та документацію. Засновник компанії, Діогу Алмейда (Diogo Almeida), раніше працював в OpenAI над дослідженнями, які допомогли створити ChatGPT. У власних тестах TypeSafe модель Jev на окремих завданнях була до 193 разів швидшою і до 444 разів дешевшою за мовні моделі.

За кілька днів у X з'явилися десятки гайдів і розборів, а автори кількох вірусних постів назвали Jev «моментом інтернету» для ШІ. На GitHub почали викладати відкриті проєкти на його основі: браузерних агентів, стиснення контексту, автоматизацію комп'ютера. Спочатку доступ давали через список очікування, потім відкрили для всіх, а 22 вересня TypeSafe тимчасово зупинила реєстрацію: попит виявився більшим, ніж компанія очікувала.

Що вже зробили з Jev

Цими кейсами користувачі поділилися в X за перший тиждень. Цифри наводимо так, як їх опублікували автори.

  • Пошта. Riley Brown показав, як Jev сортує 500 листів: на це пішло кілька секунд і 3,5 цента. Кожен лист можна одразу віднести до дії: відповісти, дослідити, почекати чи переглянути.
  • Наукові статті. Hassan (@nutlope) класифікував 1018 статей про ШІ за 24 темами. Уся робота коштувала $0,08, а на одну статтю в середньому пішло 256 мілісекунд. Короткий зміст кожної статті готувала інша модель, а Jev обирав тему.
  • Браузерний агент. Команда Browser Use зробила відкритого агента, у якому Jev на кожному кроці обирає наступну дію та потрібний елемент сторінки. Авіаквитки агент знайшов за 7 секунд і $0,0039.
  • Економія токенів у Claude. Алекс Волков показав плагін для Claude, який за допомогою Jev переглядає всі виклики інструментів і прибирає зайві. За його словами, за секунду сесія зменшилася приблизно з мільйона токенів до 86 тисяч. Інший популярний пост пропонує на тій самій ідеї миттєве стиснення контексту: Jev оцінює кожен виклик і відкидає непотрібні, замість того щоб просити модель переказати все заново.
  • Вибір моделі під завдання. LangChain описав схему, де Jev читає запит і вирішує, яка модель його виконає: прості завдання йдуть дешевій моделі, складні — потужній.
  • Маркетингові агенти. Сервіс Okara перевів на Jev шість своїх агентів: SEO-аудит сайту, перевірку, кого цитують ChatGPT і Claude, підбір ключових слів і статей, пошук обговорень на Reddit, пости для LinkedIn і X. За даними Okara, агенти стали працювати в 30 разів швидше без втрати якості.

Кейс TraficBank: вітрина, яка не порожніє

TraficBank — український маркетплейс із доставкою Новою поштою. У каталозі близько 108 тисяч товарів, у наявності приблизно 26 тисяч, і ця цифра змінюється щодня. Полиці головної сторінки команда спершу підбирала вручну, конкретними товарами, але за два з половиною тижні більшість цих товарів закінчилася в постачальника: дві полиці спорожніли, ще три лишилися напівпорожніми. Власник поставив умову: вітрина має лишатися повною й доречною, навіть якщо її місяць ніхто не чіпає.

Команда поділила роботу так: код збирає факти (наявність, ціни, попит, квоти на бренди), Jev відповідає на запитання, на які код відповісти не може, а власник ставить завдання й ухвалює рішення. Про кожен товар Jev отримував два запитання: чи це головний товар для теми полиці, а не аксесуар, і чи цікавий він широкій аудиторії за типом і ціною. Обігрівач за 1718 гривень набрав 0,96 і 0,89 та пішов на полицю. Батарейка 9V отримала 0,04 як «головний товар», квадрокоптер за 155 тисяч гривень — 0,05 як «масовий», і на головну жоден із них не потрапив.

Так само команда оцінила теми полиць (першими стали «Тепло вдома» й енергонезалежність), 483 категорії, щоб знайти сезонні, і 201 розділ каталогу. Навіть вибір архітектури вітрини звірили з Jev: гібрид із правил і нічної оцінки отримав 0,99 проти 0,01 і 0,00 в інших варіантів.

Що це дало команді:

  • За два дні команда отримала близько 2700 рішень «підходить / не підходить» через 70 запитів.
  • Ці 70 запитів коштували близько $0,015, тобто півтора цента.
  • За оцінкою команди, вручну лише ці рішення зайняли б 11–15 годин зосередженої роботи мерчендайзера.
  • Щоночі Jev оцінює нові товари для полиць, а полиці збираються з актуальної наявності. Перший нічний прогін: 635 товарів і 1270 рішень за 41 секунду.

Головна економія в іншому. Щоденний перерахунок уручну ніхто б не робив, а без нього ручна добірка вичерпалася за два з половиною тижні. Головне вирішували люди: власник поставив умову, обирав між варіантами й приймав SEO-тексти. Jev узяв на себе тисячі дрібних рішень, і щоденний перерахунок став можливим.

Як Jev прискорює ШІ-агентів

ШІ-агенти на кшталт Claude Code чи Codex за одне завдання роблять десятки викликів інструментів, і на кожному кроці велика модель витрачає токени, щоб вирішити, що робити далі. Багато з цих рішень не потребують тексту: «чи вистачає даних?», «який інструмент наступний?», «чи готова чернетка?». Jev може взяти їх на себе й за частку секунди повернути готову оцінку кроку, а велика модель лишається для того, що вміє найкраще: досліджувати, планувати й писати.

Друга сильна ідея — радитися з Jev. Основна модель пропонує десяток ідей, а Jev за один запит оцінює кожну за вашими критеріями й показує, наскільки впевнений. Виходить друга думка, яка коштує частки цента.

Так само можна перевіряти й тексти. Для цієї статті ми дали Jev шість варіантів заголовка й список перевірених фактів, і модель оцінила кожен варіант на перебільшення. Заголовок «Jev змінює все: нова ШІ-модель, яка робить ChatGPT непотрібним» отримав 98% імовірності перебільшення, а заголовок цієї статті «Що таке Jev і чому його називають „моментом інтернету“ для ШІ» — 20%.

Та сама схема працює й для технічних рішень. Команда одного контентного проєкту обирала, як вести блог на тисячі статей: файли разом із кодом сайту, готова CMS чи власна адмінка. Jev отримав опис проєкту, технічні обмеження платформи й три варіанти, а потім відповів на п'ять запитань:

  • Найкращий варіант: статті у файлах разом із кодом, з імовірністю 99%. Готова CMS отримала 1%, власна адмінка — 0%.
  • Чи сповільниться сайт від тисяч статей: ні, імовірність лише 6%.
  • Чи потрібна CMS, тільки якщо статті публікують не розробники: радше так, 73%.
  • Чи впреться проєкт у технічні ліміти платформи: 39%, тобто ризик помірний.
  • Наскільки зайвою буде власна адмінка: максимальна оцінка за шкалою — багато роботи й майже ніякої користі.

Увесь запит забрав 1102 токени, тобто приблизно $0,00005.

Де Jev корисний для маркетингу, SEO та інтернет-магазинів

Jev найкраще працює там, де рішень багато, вони схожі між собою, а варіанти відповіді відомі заздалегідь:

  • Каталог товарів. Перевірити десятки тисяч описів на відповідність характеристикам, знайти однакові товари від різних постачальників. У документації TypeSafe є приклад, де Jev зіставляє 450 пар товарів із каталогу.
  • Коментарі та відгуки. Розсортувати за темою й настроєм, знайти скарги, прибрати спам.
  • Заявки. Потенційний клієнт, спам чи запит у підтримку, і в який відділ його передати.
  • Реклама й тексти. Чи немає в оголошенні заборонених обіцянок, наприклад гарантованого доходу.
  • SEO. Наскільки сторінка відповідає пошуковому запиту, які з сотні ідей для статей найбільше підходять під тему сайту.
  • Персоналізація. Яку сторінку, товар чи пропозицію показати конкретному відвідувачу.
  • Контроль іншого ШІ. Чи справді цитата в тексті, який написала мовна модель, є в джерелі.

Порахуймо приблизно. Якщо на один коментар разом із запитанням припадає 300 токенів, 10 тисяч коментарів — це 3 мільйони токенів, тобто близько 13 центів.

А якщо вам просто потрібна швидка відповідь «так чи ні» без програмування, для розваги спробуйте наш інструмент для вибору між двома варіантами або Шар бажань 8.

Що варто знати перед стартом

Jev доповнює мовні моделі, а не замінює їх. Щоб отримати від нього максимум, врахуйте, що каже про модель сама TypeSafe:

  • Jev не пише тексти, код і не пояснює рішень. Для цього поруч потрібна мовна модель.
  • Арифметику, підрахунки й порівняння дат краще залишити звичайному коду.
  • Умови варто описувати чітко: модель розуміє запитання буквально.
  • Точність вища, коли в даних немає зайвого тексту, що не стосується рішення.
  • Модель не вигадає відповідь поза вашими варіантами, але може обрати не той варіант. Для важливих рішень дивіться на впевненість і передавайте сумнівні випадки людині або потужнішій моделі.

Як спробувати Jev

  1. Зареєструйтеся в консолі TypeSafe: console.typesafe.ai. Якщо реєстрацію ще не відновили, запишіться в список очікування.
  2. Отримайте API-ключ: це пароль, за яким ваша програма звертається до моделі.
  3. Надішліть перший запит. Розробникам доступні бібліотеки для Python і JavaScript або звичайний HTTP-запит:
curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "Допоможіть! Виплати не приходять уже три дні.",
    "questions": {
      "urgent": { "type": "noul", "instructions": "Чи це терміновий запит?" }
    }
  }'

У відповідь прийде щось на кшталт "noul": 0.95, тобто «майже напевно терміновий».

Якщо ви працюєте з Claude Code чи Codex, TypeSafe пропонує для них готовий модуль: агент сам розбереться, де у вашому проєкті Jev може взяти рішення на себе.

Часті запитання про Jev

Що таке Jev?

Jev — ШІ-модель компанії TypeSafe AI, перша модель класу System One. Вона не генерує текст, а за частку секунди відповідає на запитання з готовими варіантами й показує, наскільки впевнена у відповіді.

Скільки коштує Jev?

$0,042 за мільйон токенів вхідних даних, тобто близько 4 центів. Відповідь моделі безкоштовна.

Чим Jev відрізняється від ChatGPT?

ChatGPT пише тексти й веде діалог. Jev ухвалює рішення в заданому форматі, тому він значно швидший і дешевший на завданнях сортування, оцінки й вибору. Найкраще вони працюють разом.

Для чого використовують Jev?

Для сортування листів, заявок і коментарів, модерації, добору товарів для вітрини інтернет-магазину, перевірки текстів, вибору моделі під завдання, керування браузерними агентами та економії токенів у ШІ-агентах на кшталт Claude Code.

Як отримати доступ до Jev?

Через консоль console.typesafe.ai. 22 вересня 2026 року TypeSafe тимчасово зупинила нові реєстрації через високий попит, тому доступ може з'явитися не одразу.

Джерела