Jev modeli nedir?

Jev modeli, TypeSafe AI'ın ilk System One Model ürünüdür: yazılımın doğrudan tüketebileceği dar ve yapılandırılmış yargılar üretmek için tasarlanmış bir AI modelidir. Jev bir paragraf yazmak yerine metin veya JSON biçiminde bir state alır, bir ya da daha fazla tipli soruyu değerlendirir ve seçimler, puanlar, olasılıklar ile güven değerleri döndürür.

Bu yapı Jev'i sınıflandırma, yönlendirme, sıralama, doğrulama ve guardrail görevleri için ilgi çekici kılar. Ancak onu sohbet modelinin, kodlama modelinin, hesap makinesinin veya deterministik iş kuralının yerine geçirmez.

Jev modeline hızlı bakış

Resmî yazım Jev şeklindedir; J-E-V olarak açılan bir kısaltma değildir. TypeSafe, modele ekonomist William Stanley Jevons'ın adını verdiğini söylüyor. “System One” etiketi Daniel Kahneman'ın Thinking, Fast and Slow kitabında tanımladığı hızlı ve sezgisel Sistem 1'e dayanır.

Jev gerçekte ne yapar?

Jev'i olasılıksal bir anlamsal fonksiyon olarak düşünebilirsiniz:

yapılandırılmamış veya yapılandırılmış durum
  + önceden tanımlı sorular ve yanıt alanları
  -> tipli kararlar ve olasılık dağılımları

Sıradan bir LLM, diziyi sürdürüp string üretmek üzere optimize edilir. JSON mode kullanıldığında bile uygulama üretken bir modelden yanıt oluşturmasını ister. Jev serbest biçimli üretimden vazgeçer. Çağıran taraf önce mümkün çıktı biçimini tanımlar; model de her soruyu aynı duruma göre değerlendirir.

TypeSafe eğitim yöntemini Reinforcement Learning for Calibrated Decisions (RLCD) olarak tanımlıyor. Amaç yalnızca bir yanıt seçmek değil, tahmin grupları boyunca güveni doğrulukla örtüşen olasılıklar üretmektir. Calibration istatistikseldir: 0.8 olasılık, benzer vakalarda yaklaşık %80 doğruluğa karşılık gelmelidir. Tek bir yanıtın doğru olduğunu garanti etmez.

Choice, Score ve Noul

Jev üç soru türü sunar. Bunlar üretim sonrasında eklenen biçimlendirme seçenekleri değil, API'ın temelidir.

Bir Choice en fazla 255 seçenek içerebilir. Score, açıklanmış 2 ile 10 düzey kabul eder. Noul ayrı bir güven alanına sahip değildir; 0 ile 1 arasındaki değer zaten “evet” olasılığıdır.

Tek istekteki birden fazla soru aynı state üzerinde bağımsız ve paralel değerlendirilir. Bir workflow birden fazla sinyale ihtiyaç duyduğunda kullanışlıdır; ancak bir yanıt diğerini otomatik olarak koşullamaz. B sorusu A sorusuna bağlıysa kodunuz bu bağı açıkça kurmalıdır.

Jev API istek örneği

Bu kısaltılmış örnek TypeSafe'in belgelediği istek biçimini izler. Bir destek mesajı tek çağrıda yönlendirme, memnuniyetsizlik ve aciliyet açısından değerlendirilir.

curl https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "My payouts have failed for three days and I am losing sales. Please help now.",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing": "Payments, invoices, or refunds",
          "technical": "Bugs, outages, or integrations",
          "sales": "Pricing, upgrades, or new accounts"
        }
      },
      "frustration": {
        "type": "score",
        "instructions": "How frustrated is the customer?",
        "criteria": ["Calm", "Frustrated", "Very angry"]
      },
      "is_urgent": {
        "type": "noul",
        "instructions": "Does this message convey urgency?"
      }
    }
  }'

Yanıt aynı soru ID'lerini korur. department, izin verilen üç string'den birini ve üçünün de dağılımını döndürür. frustration, verilen düzeyler arasındaki olasılık ağırlıklı konum olduğu için kesirli olabilir. is_urgent yalnızca “evet” olasılığını döndürür.

Kesin değerler girdiye, criteria'ya ve model sürümüne göre değişir. Harekete geçmek için hangi olasılığın yeterince yüksek olduğuna model değil, kodunuz karar verir.

Jev, LLM ve sınıflandırıcı karşılaştırması

Jev yararlı bir orta noktada durur; fakat farklar önemlidir.

Jev'e “yalnızca sınıflandırıcı” demek istek anındaki esnekliğini gözden kaçırır. “Daha hızlı LLM” demek ise açıklama, e-posta veya kod yazamadığını ve verilen seçeneklerin dışında yeni yanıt üretemediğini görmezden gelir.

JSON mode da aynı sözleşme değildir. JSON mode üretilen metnin sözdizimini sınırlar. Jev yanıt alanının kendisini sınırlar ve kararda kullanılan tam dağılımı döndürür. Bu ancak sorun sınırlandırılmış sorularla ifade edilebiliyorsa değerlidir.

Fiyat, context ve throughput

TypeSafe şu anda Jev 1.13 için milyon girdi token'ı başına $0.042, yani milyar başına $42 listeliyor. Çıktı “ölçülemeyecek kadar ucuz” olduğu için ücretsiz; yine de yanıtlar çıktı token kullanımını bildiriyor.

Bunlar fatura ölçümü değil, aritmetik örneklerdir. Retry, ön işleme, cascade içindeki başka model, depolama, mühendislik işi ve gelecekteki fiyat değişikliklerini içermez.

Context sözleşmesinde aynı anda iki sınır vardır: tüm state ve sorular 64K token içine, state ile en uzun tek soru ise 32K içine sığmalıdır. Daha fazla context otomatik olarak daha iyi değildir. TypeSafe'in kendi jaggedness rehberi de ilgisiz ayrıntıların doğruluğu düşürdüğünü söyler.

Yayımlanan saniyede 250,000 token ve dakikada 1,200 istek değerleri hesap limitidir; tek istek için hız vaadi değildir. TypeSafe bunların early access boyunca dinamik biçimde değiştiğini açıkça belirtiyor.

Hız iddiası ne kadar güçlü?

TypeSafe uçtan uca 70–500 ms yanıt süresi bildiriyor ve Jev'in “System One biçimli” sorgularda benzer zekâ düzeyindeki frontier modellerden 40–200 kat hızlı olabileceğini söylüyor. Lansman materyali ayrıca Jev'in 193.6 kat hızlı ve 444.6 kat ucuz olduğu bir workflow değerlendirmesini öne çıkarıyor.

Bu sayılar tarafsız benchmark değil, sağlayıcı sonuçlarıdır. TypeSafe önemli bazı sınırlamaları açıklıyor:

1. Yayımlanan gecikme denemeleri genellikle hizmetin de bulunduğu ABD Batı Yakası'ndaki çalışan laptop'larından başlatıldı.
2. Workflow görevlerini TypeSafe'in model-capabilities ekibi hazırladı; seçim yanlılığı olabilir.
3. Referans yanıt GPT-6 Astra ile Fable 5.1 ortalamasını kullandı; bu aileleri kayırabilir.
4. Rakip LLM çağrıları OpenRouter ve TypeSafe'in yapılandırılmış wrapper'ı üzerinden yapıldı.
5. TypeSafe 193.6x ve 444.6x sonuçlarını beklenen gerçek dünya kazanımlarının üst ucu olarak tanımlıyor.

Doğru sonuç daha dardır: Jev'in kısıtlı çıktısı ve paralel değerlendirmesi, sınırlandırılmış kararlar için çok düşük gecikme ve maliyete inandırıcı bir yol açar. Her görevde 40–200 kat hızlı olduğunu, genel zekâda frontier LLM ile eşit olduğunu veya üretim ve çok adımlı akıl yürütmede daha iyi olduğunu kanıtlamaz.

“Sıfır halüsinasyon” kesin tanım ister

TypeSafe Jev'in halüsinasyon üretemediğini söylüyor. Savunulabilir kısım schema güvenliğidir: bir Choice yanıtı dördüncü seçenek uyduramaz ve kod sayı beklerken hizmet düzyazı döndürmemelidir. TypeSafe bu çıktı eşleşmesinin deneysel sıfır hata oranıyla değil, tasarım gereği garanti edildiğini belirtiyor.

Ancak tipi doğru bir yanıt anlamsal olarak yanlış olabilir. TypeSafe'in Jev 1.13 belgeleri şu hataları listeler:

• ifadeyi fazla kelimesi kelimesine okuyup örtük niyeti kaçırma;
• güvenilmez sayma, aritmetik, tarih ve sayısal hassasiyet;
• çok sıçramalı dolaylı akıl yürütme;
• ilgisiz ayrıntılar içeren uzun state;
• adversarial içerik veya prompt injection;
• çelişkili instructions ve criteria;
• ayrı sorulmuş sorular arasında sezgisel özdeşliklere uymayan olasılıklar;
• metin üretimi gerektiren her görev.

Bu nedenle pratik iddia şema dışı üretimin sıfır olmasıdır, karar hatasının sıfır olması değil. Üretim kodu yine değerlendirme verisine, ihtiyatlı eşiklere, deterministik doğrulamaya ve escalation yoluna ihtiyaç duyar.

Jev nerede iyi çalışır?

Üç koşul birlikte sağlandığında Jev güçlü bir adaydır: yanıt alanı sınırlıdır, yargı matematiksel değil anlamsaldır ve sonucu başka bir yazılım parçası tüketir.

Yazma, özetleme, kod üretme, açık uçlu çıkarım, kesin aritmetik, tarih karşılaştırma veya uzun nedensel akıl yürütme için iyi bir varsayılan değildir. Kesin mantık için normal kod, çıktının yaratılması gerektiğinde üretken ya da reasoning modeli kullanın.

Üretim kontrol listesi

1. Deterministik işi kodda tutun. Tarihleri ayrıştırın, öğeleri sayın, parayı hesaplayın ve izinleri model olmadan uygulayın.
2. Atomik sorular sorun. “Bu isteği onaylamalı mıyız?” sorusunu kararın bağlı olduğu bağımsız gerçeklere ayırın.
3. Her sınırı tanımlayın. Choice kapsamlı değilse other veya none ekleyin; Score düzeylerini somut yazın.
4. Kendi dağılımınızda test edin. Temel eğitim dili İngilizcedir; TypeSafe, CJK yazıları dahil diğer dillerin eşit performans göstermediğini söylüyor.
5. Yalnız tahminleri değil, eylemleri kalibre edin. Geri alınabilir UI yönlendirmesiyle yüksek etkili otomasyon aynı güven eşiğini kullanmamalıdır.
6. Ayarlama sonrası sürümü sabitleyin. jev-latest değişebilir. Yanıttaki sürümlü ID'yi kaydedin ve eşikleri bilinçli taşıyın.
7. Belirsizliği escalate edin. Belirsiz vakaları zorla karara bağlamak yerine bir insana veya daha yavaş reasoning modeline yönlendirin.
8. Kabul edilen görev maliyetini ölçün. Yalnız token fiyatını değil retry, yanlış karar, insan incelemesi ve sonraki LLM çağrılarını da katın.

Jev OmniaKey üzerinden kullanılabiliyor mu?

Doğrulama tarihinde hayır. OmniaKey'in güncel kataloğunda veya kod tabanında Jev route'u bulamadık. Bu yazıdaki endpoint ve fiyatlar TypeSafe'in doğrudan API'ına aittir ve bu rehberin yayımlanması bir OmniaKey entegrasyonunu duyurmaz.

Gerçek gateway erişimi için canlı OmniaKey model kataloğunu kontrol edin. Açık uçlu kodlama ve Agent işleri için kodlama Agent modeli rehberi, stack'in başka bir katmanındaki üretken modelleri ele alır.

Son değerlendirme

Jev'i evrensel bir LLM alternatifi değil, anlamsal kararlar için yeni bir interface olarak anlamak en doğrusudur. Temel fikir basittir: bulanık yargıyı modele bırakın, çıktıyı programın anladığı bir tipe zorlayın, belirsizliği görünür kılın, bileşimi ve kesin mantığı kodda tutun.

Güncel API kâğıt üzerinde olağan dışı ucuzdur ve mimari düşük gecikme için tasarlanmıştır. Model aynı zamanda early access durumunda, text-only, İngilizcede en güçlü ve matematik, tarihler, dolaylılık, ilgisiz context ile adversarial girdilerde belgelenmiş zayıflıklara sahiptir. Eş koşullu bağımsız testler çıkana kadar hız ve zekâ karşılaştırmalarını sağlayıcı kanıtı olarak değerlendirin.

Sık sorulan sorular

Jev bir LLM mi?

TypeSafe, Jev'i LLM yerine System One Model olarak adlandırıyor. Doğal dil durumunu anlar ancak serbest metin üretmez. İncelenen kaynaklar, alttaki ağın geleneksel dil modeline ne kadar benzediğini bağımsız belirlemek için yeterli mimari ayrıntı sunmuyor.

Jev GPT veya Claude'un yerini alabilir mi?

Hayır. Jev yazamaz, açıklayamaz, kodlayamaz veya açık uçlu üretim yapamaz. İstekleri yönlendirerek, çıktıları kontrol ederek, kanıtı puanlayarak ya da daha yavaş bir modelin ne zaman çalışacağına karar vererek üretken modeli tamamlayabilir.

Choice, Score ve Noul ne anlama gelir?

Choice kapalı kümeden seçim yapar ve tüm seçeneklerin olasılığını döndürür. Score, state'i açıklanmış 2–10 düzeye yerleştirir. Noul, evet/hayır ifadesinin doğru olma olasılığını verir.

Jev gerçekten sıfır halüsinasyona mı sahip?

Bildirilmiş yanıt tipinin dışında değer üretemez; bu da önemli bir parsing ve schema hata sınıfını ortadan kaldırır. Yine de yanlış geçerli seçeneği seçebilir veya yanıltıcı olasılık verebilir. Tip güvenliği anlamsal doğruluk değildir.

Jev API ne kadar?

TypeSafe Jev 1.13 için milyon girdi token'ı başına $0.042 listeliyor; çıktı şu anda ücretsiz. Doğrudan fiyatlar ve rate limits early access boyunca değişebilir.

Jev görsel veya Türkçe destekliyor mu?

Yalnızca metin destekler. String, JSON nesnesi ve dizilerin sonunda metin bulunmalıdır. Türkçe ve diğer diller kabul edilir; ancak TypeSafe şu anda İngilizcenin en güçlü dil olduğunu belirtiyor ve İngilizce dışı yükleri kendi verinizle test etmenizi istiyor.

Birincil kaynaklar

• TypeSafe: Introducing System One Models & Jev (İngilizce)
• TypeSafe belgeleri: Introduction (İngilizce)
• TypeSafe belgeleri: System One (İngilizce)
• TypeSafe belgeleri: Models and pricing (İngilizce)
• TypeSafe belgeleri: HTTP API reference (İngilizce)
• TypeSafe belgeleri: Confidence (İngilizce)
• TypeSafe belgeleri: Jev 1.13 jaggedness (İngilizce)

Kanıtlar 19 Eylül 2026'da kontrol edildi. Jev early access boyunca hızla değişiyor; üretimde kullanmadan önce sürümlü model ID'sini, fiyatı, sınırları, dil davranışını ve veri koşullarını yeniden kontrol edin.