AI / termék
Jev modell használata döntésekhez - Villámgyors és szuperolcsó
A TypeSafe Jev nem chatbot: állapotot kér, tipizált döntést ad. Mire jó, 10 termékötlet, és hol próbálhatod ki.
Matija Šošić rövid TL;DR videója a Jevről került a könyvjelzőink közé. A forrás Diogo Almeida (@CompleteSkeptic) bejelentése: a TypeSafe AI első „System One” modellje. Nem chatbot. Szándékosan nem ír szöveget.
Bedobod a helyzetet (ticket, napló, dokumentum, játékállapot). Felteszel előre megadott kérdéseket. Visszakapsz választípust, amit a kódod azonnal használhat: választás, pontszám vagy igen/nem valószínűség. A cég szerint tipikusan 70-500 ms. Olcsó a bejelentett áron.
Mi az a Jev - hétköznapi nyelven
A Jev a TypeSafe első nyilvános System One modellje (2026. szeptember 15., early access). A név Kahneman „gyors gondolkodás” (System 1) metaforájára és Jevons paradoxonára utal: ha olcsóbb a döntési intelligencia, több helyen fogod használni.
Három kimeneti építőkocka van:
- Choice - melyik előre megadott opció illik (max. 255 lehetőség)
- Score - hol áll egy rendezett skálán
- Noul - mennyire igaz egy állítás (0-1 valószínűség)
Egy kérésben több ilyen kérdés mehet párhuzamosan, ugyanarra az állapotra. A cég állítása: a kimenet típusa garantált. Nem „hallucinál” egy negyedik opciót vagy egy esszét oda, ahol választ vársz. Ez nem egyenlő a helyes döntéssel. Csak a forma érvényes. Rosszul is válaszolhat - versbe nem kezd helyette.
Ami kimarad: magyarázó szöveg, kódírás, nyílt végű terv. Erre továbbra is LLM kell. A Jev az „okos if” réteg: osztályoz, irányít, pontoz, szűr.
Miben más, mint egy LLM
A sebesség- és költségarányok a TypeSafe saját workflow-evaljaiból és a launch posztból származnak; saját terheléseden mérd újra. Early access - nem SLA.
| Klasszikus LLM | Jev (System One) | |
|---|---|---|
| Erősség | Szöveg, kód, magyarázat | Gyors, tipizált döntés |
| Kimenet | Tokenek / szöveg | Choice / Score / Noul |
| Sebesség (bejelentés) | Másodpercek-percek | ≈ 70-500 ms |
| Ár (bejelentés) | Input + drágább output | $0,042 / millió input token; output nem számlázott |
| Automatizálás | Emberi felügyelet gyakori | Kódba ágyazható döntési lépés |
Hol jön be a gyakorlatban
Akkor erős, ha sok ismétlődő, „homályos nyelvű” döntésed van, de a válaszok zártak: melyik sorba kerüljön, mennyire sürgős, kell-e ember, átmegy-e a policy-n.
- Support ticket: részleg + sürgősség + refund-kérés egy hívásban
- Moderáció / policy: átesik-e a szabályon, mielőtt kimegy
- LLM-kimenet ellenőrzése: jailbreak, ellentmondás, hiányzó citáció
- Nagy mennyiségű dokumentum: releváns / nem releváns, majd csak a bizonytalan megy emberhez
- Valós idejű UX: ahol 3 másodperc LLM-várakozás már „lassú app”
10 termékötlet - amit Jev-szerű modell tesz praktikusabbá (vagy egyáltalán lehetővé)
Ezek koncepciók, nem élő TechTabor-funkciók. A „csak ezzel megy” sorok ott állnak, ahol a döntésnek folyamatosan, olcsón, tipizáltan kell futnia a kódban - nem chatben.
- 1. Shadow-routing support: minden ticketre Jev dönt; élőben még ember, amíg a kalibráció stimmel.
- 2. „Bizonytalanság-kapu” refundnál: automatikus csak magas confidence + alacsony összeg; egyébként review.
- 3. Valós idejű tartalom-moderátor streamhez / chathoz - ahol az LLM-latency üti a UX-et.
- 4. Agent-trace őr: minden tool-hívás előtt Noul: „ez kockázatos / irreversible?”
- 5. Wikiverseny / navigációs játék AI: több száz link közül Choice - LLM-nek lassú és drága.
- 6. Játékbot struktúrált állapotra (mint a Doom-demo ötlete): 10 döntés/mp a loopban.
- 7. Email / lead triázs: spam / sales / support / ignore - majd csak a közepes confidence megy LLM-hez.
- 8. Dokumentum-vs-forrás ellenőrző: „ellentmond-e a szerződésnek?” jogi / compliance előszűrés.
- 9. Személyes adat-triázs: szenzor + bank + chat keverékből „kell ember?” vs „ignoráld”.
- 10. LLM-as-judge helyettesítő: írásminőség / policy checklist sok tételen, fillérekért.
Gyakorlati rész: hol és hogyan éred el
Hozzáférés: early access. A TypeSafe oldalon várólista (typesafe.ai), kulcs a konzolban (console.typesafe.ai), ha beengedtek. Alternatíva: Vercel AI Gateway-en is megjelent a Jev (AI SDK evaluate API). Nyilvános self-host / súlyok a launchkor nem voltak.
API: POST https://api.typesafe.ai/v1/systemone - Authorization: Bearer kulcs. Alapmodell-alias: jev-latest (érdemes verziót pinelni, pl. jev-1.13.0, ha küszöböket hangolsz).
SDK: Python (pip install typesafe-sdk), TypeScript/JS (@typesafe-ai/sdk). Környezeti változó: TYPESAFE_API_KEY.
- State: szöveg vagy struktúrált objektum (ticket, napló, dokumentumrészlet).
- Questions: Choice / Score / Noul - egy kérdés = egy fókusz.
- Kódod dönti el a küszöböt: pl. confidence < 0,7 → human_review.
- Kérési keret (launch doc): ≈ 32k token / kérés; Choice max. 255 opció.
Minimál curl-példa (a hivatalos / közösségi útmutatók alakja):
curl -X POST https://api.typesafe.ai/v1/systemone -H "Authorization: Bearer $TYPESAFE_API_KEY" -H "Content-Type: application/json" -d '{"state":"Kétszer vonták le a díjat.","model":"jev-latest","questions":{"category":{"type":"choice","instructions":"Miről szól?","criteria":{"billing":"Fizetés","technical":"Bug","other":"Egyéb"}}}}'
Amit ne csinálj
- Ne várd, hogy magyarázatot vagy blogposztot írjon - nem erre való.
- Ne bízz meg döntést pénzről / jogról / biztonságról emberi kapu nélkül, csak mert „nem hallucinál”.
- Ne hagyd nyitva a Choice-készletet: ha lehet „egyik sem”, legyen other / needs_review.
- Ne tedd élesbe kalibráció nélkül: előbb shadow mód történelmi címkéken.
Rövid összegzés
A Jev nem „okosabb ChatGPT”. Más szerződés: gyors, tipizált döntés a kódodnak, szöveggenerálás nélkül. Ismétlődő osztályozásra, ahol az LLM drága vagy lassú, ez a réteg érdekes. Magyarázathoz, kreatív szöveghez, nyílt tervhez marad az LLM. Early access: próbáld ki, mérd a saját adataidon, és tartsd meg az emberi kaput a drága hibáknál.