Сентябрьский релиз, который мы считаем самым интересным за последние месяцы: команда TypeSafe во главе с Диого Алмейдой (бывший исследователь OpenAI, соавтор InstructGPT) выпустила JEV — первую публичную «модель System One». Идея простая и оттого красивая: не каждая задача требует от нейросети генерации текста. Огромная часть продакшн-задач — это вообще не про текст, а про решения.
Table Of Contents
Что такое модель System One
Канеман разделил мышление на быстрое интуитивное (System 1) и медленное рассудочное (System 2). TypeSafe применили эту оптику к LLM:
| System 2 (обычная LLM) | System 1 (JEV) | |
|---|---|---|
| Что делает | Генерирует текст, рассуждает | Возвращает типизированное решение |
| Ответ | Абзац, из которого ещё надо извлечь смысл | Выбор из вариантов, оценка, да/нет — с калиброванной уверенностью |
| Скорость | Секунды—минуты | 70–500 мс |
| Галлюцинации | Возможно | Строку не генерирует — «наговорить» нечего |
| Цена | Дорого | На порядки дешевле: ~$0.042 за миллион входных токенов, выходные — бесплатны |
Вы передаёте контекст и список вопросов с допустимыми ответами, а JEV параллельно возвращает выбранные варианты и распределения вероятностей. Никакой последовательной генерации текста — потому и быстро, и дёшево, и стабильно: одинаковый вход даёт одинаковый выход, чего от LLM в проде не дождёшься.
Уверенность модели калибрована специальным обучением: когда JEV говорит «85%», это осмысленная цифра, с которой можно строить автоматизацию. Это, правда, пока не идеально — независимые проверки показывают, что калибровку и устойчивость к промпт-инъекциям ещё доводить и доводить. Но направление задано точно.
Где это применимо уже сейчас
Ровно там, где сегодня молотком по орехам гоняют миллиардные LLM:
- Классификация обращений: интент, срочность, продукт — по тексту обращения за доли секунды;
- Маршрутизация: «в какой департамент/на какую линию передать» — классическая боль любой поддержки;
- Guardrails для агентов: быстрая проверка команд на безопасность перед выполнением (Vercel отрапортовали ускорение такой проверки в 5–18 раз после переезда с LLM);
- Скоринг и фильтры: лиды, отзывы, приоритизация задач;
- Облегчение агентных конвейеров: «стоит ли агенту углубляться» — дешёвое решение на каждом шагу вместо дорогого рассуждения.
Наш ближайший кандидат — маршрутизация обращений в пуле поддержки (рассказывали о нём здесь): определить тип и критичность обращения — это чистая работа System 1.
Почему для нас это ещё и про персональные данные
Обычный ответ «возьмите LLM и классифицируйте промптом» разбивается о реальность работы с персональными данными: текст обращения с ПДн надо либо гонять в облачную LLM (со всеми вопросами к передаче данных), либо тратить время на обфускацию, которая часто абсурдна и дороже самой классификации.
А маленькая decision-модель, которая работает локально и не генерирует текст, закрывает вопрос: данные не покидают контур, задержки нет, цена копеечная. Для российского рынка, где приватность и локальность — не причуда, а требование, это делает тему не «красивой игрушкой», а немедленной практикой.
Опенсорс догоняет за недели
Самое приятное: закрытую и хостируемую JEV уже догоняют открытые реализации. Первые клоны появились в течение суток после анонса, за два дня их насчитали полдюжины, сейчас список awesome-jev отслеживает больше десятка проектов. Два самых заметных:
- PoorJev — open-source, локальный, совместим с JEV API на уровне запросов; упор именно на доказуемую калибровку уверенности. Именно то, что нужно для ПДн-контура;
- Laya (Convai Innovations) — открытые веса на Hugging Face, работа локально, поддержка 100+ языков, выдаёт решения в заданном формате с вероятностями.
Академические работы не отстают: уже вышли исследования о встраивании decision-моделей в автономные системы (адъюдикация находок, калибровка серьёзности, обрезка агентов). Зрелость категории — ранняя, но темп развития измеряется неделями, а не годами.
Наш вердикт: идея — огонь
Скажем прямо: мы считаем этот подход огненным. Он бьёт точно в самый дорогой и самый небезопасный сегмент продакшн-использования LLM — рутинные решения по текстам, часто с персональными данными.
Что дальше у нас:
- ждём доводки опенсорса — калибровка и устойчивость должны созреть до прод-уровня; темп у сообщества правильный;
- начинаем готовить рельсы в продуктах — маршрутизация обращений, фильтры входящих заявок, быстрые guardrails в наших агентных конвейерах. Места, куда decision-модель встанет как родная, у нас уже намечены.
LLM никуда не денутся — но их роль сдвигается туда, где нужно рассуждать и писать. А рутина решений уходит быстрым специализированным моделям.
Итог
- JEV (TypeSafe, сентябрь 2026) — первая «модель System One»: решения вместо текста, 70–500 мс, калиброванная уверенность, копеечная цена;
- Применения уже понятны: классификация, маршрутизация, guardrails, фильтры — везде, где сегодня жгут токены LLM на «да/нет»;
- Для ПДн-задач локальная decision-модель — идеальная форма: данные не покидают контур;
- Опенсурс догоняет: PoorJev, Laya и дюжина клонов — ждём доводки и готовим рельсы у себя в продуктах.