Jev - «убийца ChatGPT» или просто очень быстрый классификатор? Разбираемся без лишнего хайпа

В последнее время вокруг новой модели Jev появилось много разговоров. Заголовки пестрят:

Но мне кажется, что Jev обсуждают не совсем правильно. Если убрать весь этот маркетинговый шум, то первое впечатление такое: Jev не умеет делать то, для чего мы обычно используем ChatGPT.

Сама компания TypeSafe, которая разработала Jev, позиционирует ее как «decision model» – модель для принятия структурированных решений, а не как очередную чат-модель.

Так что же происходит? И почему такая, казалось бы, узкая задача вызывает столько внимания?

Упрощенно, современную большую языковую модель можно представить так:

Мы отправляем запрос:

И получаем ответ:

Это очень универсально. Но для программы такой ответ не всегда удобен. Программе не нужен красивый абзац. Ей иногда нужно всего лишь:

Именно здесь появляется Jev. Её базовая идея:

Например сообщение:

Причём приложение само определяет, какие варианты ответа существуют. Jev не должна писать человеку ответ. Она должна сказать программе, что делать дальше.

Представим AI-агента. Пользователь пишет ему сообщение. Агенту необходимо решить:

Сегодня всё это очень легко решить одной большой LLM. Получается примерно так:

Работает.

Но есть нюанс. Мы заставляем большую генеративную модель генерировать текст там, где от неё на самом деле требовалось: «Да или нет?»
Или: «Выбери один вариант из пяти».
Или: «Оцени от 1 до 10».

То есть получается довольно странная ситуация. У нас есть огромная модель, способная написать программу, разобраться в математике и вести сложный диалог. А мы спрашиваем её:
«Это спам? Да или нет?»

И вот здесь мне кажется, что гораздо правильнее говорить не о конкуренции Jev и ChatGPT, а об архитектуре AI-систем. Например:

То есть Jev и LLM вполне могут работать вместе. Jev решает:

LLM решает:

И это уже гораздо интереснее, чем просто «новая модель против ChatGPT».

Конечно. И это, пожалуй, самая важная часть всей истории. Классификация текста не появилась вместе с Jev. Задолго до современных LLM существовали:

Можно было взять BERT, дообучить его на датасете обращений клиентов и получить:

И такая система прекрасно работает. Поэтому говорить:

Даже сама экосистема вокруг LLM давно использует классификационные модели для routing, moderation, ranking и других задач.

Вот здесь становится интереснее. Jev пытается сделать не просто:

То есть разработчик может задавать вопросы прямо при использовании модели. Например:
Вопрос №1: К какому отделу относится сообщение?
A - Billing
B - Technical
C - Sales
D - Other

А потом:
Вопрос №2: Насколько запрос срочный?
1 - низкая
2 - обычная
3 - высокая
4 - критическая

И ещё:
Вопрос №3: Нужно ли передать запрос человеку?
Да / Нет

Всё это можно получить из одного и того же контекста. По описанию TypeSafe, Jev поддерживает три основных типа решений:

Choice - выбрать вариант.
Score - оценить по шкале.
Noul - бинарное решение с вероятностью.

Причём несколько вопросов могут задаваться относительно одного состояния. И это уже не совсем привычная схема:

одна модель → один classifier → одна задача

Получается скорее:

То есть один decision engine может выступать как универсальный слой небольших решений внутри приложения.

Вот тут начинается настоящая причина, почему Jev привлекла столько внимания. По данным TypeSafe, стоимость входных токенов Jev составляет $0.042 за миллион токенов, а структурированный output не тарифицируется как обычные выходные токены.

Компания также заявляет задержку порядка десятков-сотен миллисекунд и примерно на два порядка более высокую эффективность по сравнению с существующими LLM на задачах, для которых предназначена Jev.

Это именно заявления производителя, поэтому воспринимать их как универсальный benchmark всех возможных задач я бы не стал. Но сама экономическая идея вполне понятна.

Представим систему, которая должна принимать: 10 000 000 решений в месяц. Если каждое решение отправлять в большую генеративную модель, расходы могут довольно быстро стать заметными.

А если 90% этих решений выглядят как: A или B? Да или нет? 1, 2, 3 или 4? Нужно ли вызвать tool? Нужно ли отправить человеку? то специализированный decision model действительно выглядит логично.

Мы долго пытались сделать AI более умным. Теперь появляется другой вопрос:

Допустим, у нас есть модель, которая умеет решить задачу за $1. Если ту же задачу можно решать за $0.001, возникает совершенно другая экономика. Именно поэтому название Jev связано с идеей, похожей на парадокс Джевонса: когда ресурс становится значительно дешевле, его начинают использовать гораздо больше.

Потому что возникает очевидный вопрос: «Хорошо. Jev дёшево классифицирует. А чем она лучше обычного классификатора?» И это уже гораздо более сложный вопрос.

Если задача фиксированная: Это spam или не spam? то почему бы просто не обучить небольшой специализированный classifier?

Он может быть:

И здесь Jev не получает автоматическую победу просто потому, что она новая.

Поэтому вопрос: «Кто победит?» на самом деле поставлен неправильно. В реальной системе они могут занимать совершенно разные уровни.

Это особенно интересно, потому что Jev появилась буквально недавно.

В исследовании Delip Rao и Chris Callison-Burch, опубликованном 24 сентября 2026 года, Jev сравнивали с тремя LLM-судьями на девяти наборах критериев. Авторы обнаружили, что по большинству парных сравнений различия в точности статистически не были значимыми, а при этом LLM-судьи в их эксперименте обходились примерно в 29-325 раз дороже и работали примерно в 30-220 раз дольше.

При этом Jev и LLM иногда совершали похожие ошибки, поэтому исследователи отдельно отмечают, что просто поставить Jev перед LLM и автоматически эскалировать всё неуверенное не означает получить огромный прирост качества. Это очень важный результат.

Потому что он переводит разговор из: «Jev убивает LLM» в гораздо более интересный: «На каких конкретно decision-задачах настолько дешёвый специализированный judge уже достаточно хорош?»

И вот это уже научный и инженерный вопрос.

В другой работе исследователи сравнивали Jev-as-a-Judge с 16 генеративными и reward-model judges. На некоторых задачах Jev оказалась близка к более мощному LLM judge при значительно меньшей стоимости. Но при задачах, требующих проверки вывода или обнаружения тщательно сформулированного неправильного ответа, разрыв увеличивался.

Авторы также исследовали схему:

И получили довольно интересный результат: такая каскадная архитектура может сохранить большую часть качества более дорогого judge при существенном снижении стоимости. И вот это, на мой взгляд, гораздо более перспективная идея, чем «Jev вместо ChatGPT».

Представим условный production pipeline:

Это уже очень похоже на обычную оптимизацию backend-систем. Мы ведь не запускаем самый дорогой сервер для каждой операции. Мы сначала проверяем:

Если да - используем простой путь. Если нет - идём к более мощному.

Например, у AI-агента есть 20 инструментов:

Большой LLM может каждый раз самостоятельно рассуждать, какой инструмент использовать.

Но можно сделать:

Или:

Или:

То есть Jev может стать своего рода AI-роутером.

ChatGPT и Jev решают разные классы задач. Сравнивать их напрямую примерно как:
Photoshop vs база данных
или:
компилятор vs API gateway

Оба относятся к IT. Оба могут быть частью одной системы. Но они решают разные задачи.

LLM нужна, когда требуется: «Сделай что-нибудь».
Jev нужна, когда требуется: «Выбери, что делать».

Это очень разные вещи.

TypeSafe называет Jev System One Model. Название отсылает к популярному разделению из книги Даниэля Канемана «Thinking, Fast and Slow»:

Jev в этой аналогии должен быть простым, быстрым слоем для принятия решений. А большая языковая модель может выполнять более сложные рассуждения. Концептуально это выглядит так:

Не то, что кто-то «создал новый классификатор». Классификаторы существуют давно. И не то, что Jev может выбрать: A B C D

Это тоже давно не новая идея.

Интересно другое. Мы начинаем выделять принятие решений в AI в отдельный тип вычисления. Раньше мы в основном думали: «Какую языковую модель использовать?»

Теперь архитектура может выглядеть примерно так:

На первый взгляд это парадоксально. Если Jev забирает часть задач у GPT, Claude и Gemini, кажется, что это конкуренция. Но может получиться наоборот. Если Jev дешёво выполняет простые решения, то дорогую LLM можно вызывать только там, где она действительно нужна.

Получается:

Главная опасность любых decision-моделей - ошибка классификации всё равно остаётся ошибкой. То, что Jev не генерирует галлюцинирующий абзац, ещё не означает, что она правильно выбрала категорию. Можно получить идеально валидный JSON:

и при этом ошибиться. Формат ответа гарантирован. Правильность решения - нет. Это очень важное различие.

Поэтому фраза TypeSafe о том, что Jev «не может галлюцинировать», правильнее понимать как ограничение пространства ответа: модель не может внезапно выдать произвольный текст или значение вне заданной схемы. Но она вполне может неправильно выбрать допустимый вариант. Именно поэтому вероятности и calibration здесь важнее, чем просто красивый structured output.

Потенциал у идеи действительно есть. Но сейчас мы говорим о модели, которая появилась буквально в сентябре 2026 года. Ещё слишком рано делать вывод, что появился новый фундаментальный класс моделей, который вытеснит LLM. Гораздо разумнее смотреть на неё как на эксперимент с интересной гипотезой:

Если бы я следил за развитием этой технологии, я бы в первую очередь сравнивал Jev не с GPT. А вот с этим:

Вот здесь будет настоящий "баттл". Потому что вопрос уже не:

Вопрос:

Если ответ окажется устойчиво положительным на большом количестве реальных задач, тогда у Jev действительно может появиться очень большое практическое значение.

Мне кажется, что фраза «Jev - убийца ChatGPT» описывает эту историю хуже, чем: «AI наконец начинает разделять генерацию и принятие решений»

LLM - это машина, которая умеет генерировать.
Jev - машина, которая пытается быстро выбирать.
Классические ML-модели давно умели выбирать.

Но Jev пытается сделать это в более универсальном формате, без отдельного классификатора под каждую задачу, с вероятностями, несколькими вопросами за один запрос и очень низкой стоимостью. Поэтому я бы не рассматривал Jev как замену ChatGPT. Скорее, это интересный слой между ИИ и обычным программным кодом, который стоит недорого.

Если эта идея "выстрелит", то самое интересное произойдет не потому, что люди перестанут пользоваться большими языковыми моделями. А потому, что большие модели будут запускаться гораздо реже, только когда их интеллект действительно нужен. Тогда Jev может стать не "убийцей ChatGPT", а чем-то более простым и, возможно, полезным: универсальным ИИ-инструментом для решения множества мелких задач, которые мы по привычке доверяем сейчас огромным языковым моделям.