جيف يرفض كتابة كلمة واحدة: ما الذي يفعله نموذج القرار لدى TypeSafe AI، وما لم يتحقق منه أحد حتى الآن

Jev هو أول نموذج من TypeSafe AI يُرجَّح أن يصادفه القارئ عبر جدول تكاليف بدلًا من صندوق محادثة، لأنه لا يوجد صندوق محادثة. أُطلق في 15 سبتمبر 2026 بواسطة ديوغو ألميدا — أحد المؤلفين المشاركين في ورقة InstructGPT، العمل الذي جعل ChatGPT يتصرف كمساعد — أما Jev فلا يولّد نصًا على الإطلاق. فهو يأخذ قطعة من الحالة (رسالة بريد إلكتروني، سطر سجل، تذكرة دعم، كتلة JSON من إحداثيات لعبة) بالإضافة إلى قائمة أسئلة ذات أنواع محددة، ويعيد إجابات ذات أنواع محددة: اختيار من مجموعة قدّمتها، أو درجة على مقياس تقييم، أو احتمال نعم/لا، يحمل كل منها قيمة ثقة خاصة به. لا نثر، ولا كود، ولا شرح. عرض TypeSafe الترويجي هو أن هذا التركيز الضيق هو المنتج، لأنه يمنح سرعة وسعرًا لا يضاهيهما نموذج توليدي — أسرع بـ20 إلى 200 مرة وأرخص بـ40 إلى 400 مرة من "النماذج اللغوية الكبيرة المماثلة" في مواد الإطلاق الخاصة بالشركة نفسها، بسعر 0.042 دولار لكل مليون رمز إدخال مع احتساب الإخراج بسعر صفر.

أكثر رقم مفيد نُشر في أول 48 ساعة ليس واحدًا منها. إنه يأتي من Every، الذي شغّل رئيس التقييمات فيها Jev على 27 مقالًا منشورًا لـ Every بالإضافة إلى 10 نظائر بأسلوب الذكاء الاصطناعي، طارحًا 21 سؤالًا على جميع الوثائق الـ37 دفعة واحدة: 777 حكمًا في أقل من 0.7 ثانية، مقابل نحو ربع سنت. اختبار ثانٍ، أجراه الرئيس التنفيذي لـ Every، وضع 12 مقطعًا صناعيًا — ستة نظيفة، وستة بها عيوب مزروعة عمدًا — أمام أربعة فحوصات كتابة. عاد Jev بوسيط 0.35 ثانية لكل مقطع مقابل 8.83 ثانية لـ Claude Fable 5.1 عند الجهد العالي: أسرع بنحو 25 مرة بتكلفة تقارب 1/580. اكتشف ستة من العيوب السبعة المزروعة. اكتشف Claude Fable 5.1 السبعة جميعًا. كان حكم Every هو "جيد لكن ليس مثاليًا"، وهذا هو القراءة الصادقة في سطر واحد لـ Jev من الاختبار المستقل الوحيد الذي نشره أي شخص حتى الآن — ادعاءات السرعة والتكلفة تصمد عند التلامس مع طرف ثالث، وادعاء الدقة يقع بدرجة أدنى من الطليعة، والعينة صغيرة بما يكفي بحيث لا ينبغي لأي شخص استخلاص استنتاج إنتاجي منها.

ملاحظة حول نوع الأدلة التي يتعامل معها هذا المقال، لأن المستويات متباعدة على نحو غير معتاد بالنسبة لنموذج جديد إلى هذا الحد. Jev حقيقي وقابل للاستدعاء: هناك نقطة نهاية موثّقة، وPython SDK، واسم مستعار للنموذج، وسعر منشور. الإطلاق معلَن من المورّد، وليس مسرّبًا، ولا أحد يخمّن ما إذا كان موجودًا. لكن كل ادعاء أداء تتصدّره TypeSafe هو ادعاء خاص بـ TypeSafe نفسها، والبنية غير منشورة، والأوزان لم تصدر، ولوحة قياس الأداء الكامنة خلف عنوان 20-200x هي مجموعة من تقييمات سير العمل الداخلية وليست لوحة صدارة عامة. وقد اختبره طرف خارجي واحد. يحافظ هذا المقال على فصل أرقام المورّد، والأرقام المستقلة، والأسئلة المفتوحة بشكل واضح، بدلًا من حساب متوسط لها للوصول إلى إجماع غير موجود.

ما الذي أصدرته TypeSafe فعلياً

Jev هو أول ما تسميه TypeSafe نماذج System One — اسم مستعار من النصف السريع والحدسي من الإدراك لدى دانيال كانيمان، على عكس النمط التأملي الأبطأ الذي تحاكيه روبوتات المحادثة. والتباين الذي يعقده TypeSafe هو مع النمط القياسي المتمثل في إجبار مُولِّد نص على إنتاج مخرجات منظمة ثم إعادة تحليل ذلك النص إلى شيء يمكن للكود الوثوق به. يتخطى Jev النص بالكامل. توثيق TypeSafe نفسه يقرر المسألة بصراحة: "النماذج اللغوية الكبيرة (LLMs) مصممة لإنتاج نص ليقرأه البشر. وعندما تحتاج إلى نموذج لاتخاذ حكم سيستهلكه الكود لديك، فإن ذلك يخلق عدم تطابق."

سطح الإخراج مكوّن من ثلاث بدائيات، ولا يوجد شيء آخر. كل سؤال تطرحه يجب أن يكون واحدًا منها:

• الاختيار — اختر خيارًا واحدًا من قائمة تقدّمها، مع إرجاع الخيار المحدَّد إضافةً إلى احتمال لكل مرشّح ودرجة ثقة. تُقيَّد الخيارات بحدّ أقصى قدره 255 لكل حقل؛ وما يتجاوز ذلك توثّق TypeSafe نمطًا من مرحلتين يقوم على تقييم المرشّحين كلٍّ على حدة ثم الاختيار.

• التقييم — ضع الحالة على سلّم تقييم مرتّب، مع إرجاع المستوى، واحتمال لكل مستوى، ودرجة ثقة. ومثال ذلك في التوثيق هو خطر فقدان العملاء على مقياس من 0 إلى 1.

• Noul — لفظ منحوت من «no» و«null» — ادعاء واحد بنعم/لا، يُرجع الاحتمال المُعاير لكونه صحيحًا.

الخاصية المثيرة للاهتمام ليست أي عنصر أولي بمفرده، بل كيفية تركيبها معًا. يمكن خلط الثلاثة جميعًا في استدعاء API واحد، ويُقيَّم كل سؤال على التوازي مقابل قراءة مشتركة واحدة للحالة نفسها. تقول وثائق TypeSafe إن إضافة أسئلة "بالكاد تغيّر زمن الاستجابة"، ويؤكد الاختبار المستقل ذلك عمليًا — فقد وقع 21 سؤالًا موزعة على 37 مستندًا ضمن نفس الـ0.7 ثانية. وهذا ما يجعل سعر كل تقييم ينهار: أنت لا تدفع مقابل توليد أطول، بل تدفع مقابل تمريرة واحدة.

النطاق العملي، كما هو موثّق وكما أفاد به المستخدمون الأوائل: ميزانية طلب تبلغ نحو 32,000 رمز، توصف في وثائق TypeSafe بأنها حوالي 150,000 حرف إنجليزي؛ لا إدخال للصور أو الصوت عند الإطلاق؛ وشكل الطلب والاستجابة لا يتبع اصطلاح OpenAI chat-completions، لذا يتطلب استدعاؤه عميلاً مخصصاً بدلاً من تبديل عنوان URL الأساسي. الوصول عبارة عن قائمة انتظار للوصول المبكر بالإضافة إلى ساحة لعب في المتصفح، مع code>jev-latest/code> كاسم مستعار للنموذج.

RLCD يعني معايرًا، وليس مفضّلًا.

تدرّب TypeSafe نظام Jev بوساطة طريقة تسميها RLCD — التعلم المعزّز للقرارات المعايَرة، وفقًا لوثائق الشركة نفسها. الاختصار جديد بما يكفي إلى حد أن التغطية المبكرة قدّمته بصيغ توسيع غير متسقة، لذا يجدر تحديد ما يسمّيه فعليًا، لأن هذا التمييز هو الادعاء البحثي بأكمله.

RLHF يُحسّن من أجل مخرجات يفضّلها البشر. RLVR يُحسّن من أجل الصحة القابلة للتحقق، من النوع الذي تنجح فيه حالات الاختبار. RLCD يُحسّن من أجل المعايرة: النموذج الذي يقول إنه واثق بنسبة 70% ينبغي أن يكون مصيبًا في نحو 70% من المرات. هذا هدف مختلف عن أن يكون مصيبًا، وهو السبب في أن كل إجابة Jev تأتي مرفقة بتوزيع احتمالي بدلًا من مجرد إجابة. نمط الفشل المقصود هو نموذج يعرف متى لا يعرف، بحيث يستطيع كودك أن يقرر ما يفعله حيال ذلك.

ما يعود عليك به ذلك في الممارسة العملية هو سطح تحكّم. النمط الموثّق هو ثلاث نطاقات ثقة — التصرّف تلقائيًا في الأعلى، والإبلاغ أو التأكيد في الوسط، والتحويل إلى إنسان في الأسفل — مع بقاء العتبات في شفرتك البرمجية لا في النموذج. وما إذا كانت هذه النطاقات صادقة هو سؤال تجريبي يتعلق ببياناتك، وهو سؤال تخبرك TypeSafe صراحةً بأن تجيب عليه بنفسك، إذ تشير إلى أن عتبات الثقة خاصة بكل حالة استخدام وينبغي اختبارها مقابل أمثلتك الموسومة الخاصة. ذلك التوجيه هو أهم جملة في التوثيق، وهو السبب في وجود القسم التالي.

الأرقام، مرتبة حسب من أنتجها.

هنا حيث تفقد معظم تغطية Jev صرامتها، لذا يجدر بنا أن نكون صريحين بشأن المصدر. إليك ما يأتي من المورّد، وما جاء من مختبِر مستقل، وما هو مجهول ببساطة.

• مُبلَّغ عنها من المورّد، وغير مُعاد إنتاجها — ادعاءات السرعة والتكلفة الرئيسية. زمن استجابة من طرف إلى طرف يتراوح بين 70-500 مللي ثانية مقابل 3-329 ثانية لاستدعاءات نماذج LLM الرائدة؛ أسرع بمقدار 20-200 مرة وأرخص بمقدار 40-400 مرة؛ نتيجة سير عمل واحدة في أفضل حالة مُعلَن عنها بأنها أسرع بمقدار 193.6 مرة وأرخص بمقدار 444.6 مرة. تقرّ TypeSafe بأن هذه أرقام أفضل الحالات وليست أرقامًا معمّمة.

• مُبلَّغ به من المورّد، وقابل للتحقق في قائمة الأسعار — $0.042 لكل مليون رمز إدخال، أي $42 لكل مليار، مع إخراج مجاني. سبب مجانية الإخراج ميكانيكي لا ترويجي: لا يوجد فك ترميز انحداري ذاتي لقياسه، لذا لا توجد رموز إخراج لاحتُسابها. وللمقارنة، تضع مواد الإطلاق نفسها تسعير الإدخال النموذجي للطرازات الحدودية عند $0.20 إلى $10 لكل مليون، مع أن الإخراج غالبًا نحو خمسة أمثال سعر الإدخال.

• مُبلَّغ من المورّد، من معيار داخلي — لوحة معلومات سير عمل TypeSafe الخاصة، 711 حالة عبر أربع مهام، مع إجابات مرجعية مستمدة من متوسط حكم GPT-6 Astra وClaude Fable 5.1 بدلًا من الحقيقة المرجعية. على تلك اللوحة، يسجل Jev 67.8% مقابل 74.1% لأفضل جهة مقارنة. موزّعة: الحوادث الأمنية 61.7% مقابل 66.2% لـ Opus 5؛ قابلية رصد تتبعات الوكلاء 71.6% مقابل 76.6%؛ معالجة الفواتير 61.8% مقابل 79.1%؛ خدمة العملاء 76.0% مقابل 78.3%. يفوز Jev في عمودي التكلفة وزمن الاستجابة في ذلك المخطط ويخسر في عمود الدقة. وتشير اللوحة نفسها إلى احتمال تحيّز أداة التقييم، وقد قالت TypeSafe إنها تخطّت عن قصد لوحات الصدارة العامة لصالح تقييمات تُجرى لمرة واحدة ومرتبطة بتحديثات المنتج.

• قياس مستقل، عيّنة صغيرة — اختبارات Every الموصوفة أعلاه: 777 حكمًا في أقل من 0.7 ثانية مقابل نحو ربع سنت؛ 1,709 حكمًا عبر 11 تجربة مقابل أقل من سنت إجمالًا؛ أسرع بنحو 25 ضعفًا وبكلفة تعادل 1/580 من تكلفة Claude Fable 5.1 في مهمة تصنيف من 12 مقطعًا، مع تفويت أحد سبعة عيوب مزروعة التقطها المقارن. كان استنتاج Every نفسه أنه سيرغب في إجراء فحص دقة أكثر شمولًا بكثير قبل وضعه في الإنتاج.

• غير معروف — البنية المعمارية. لا ورقة بحثية عند الإطلاق، ولا عدد المعلمات، ولا إفصاح عن حوسبة التدريب، ولا أوزان. قالت TypeSafe إن التفاصيل تُبقى طي الكتمان في الوقت الراهن، مع احتمال صدور ورقة بحثية لاحقًا.

النمط عبر تلك الطبقات متسق، وهو ليس النمط الذي يوحي به العنوان الرئيسي 200x. كل رقم مستقل ورقم صادر عن مورّد يتفقان على أن Jev أرخص بشكل هائل وأسرع بشكل هائل. لا يوجد أي رقم في أي مكان، بما في ذلك أرقام TypeSafe نفسها، يُظهر أنه أكثر دقة من النماذج الرائدة التي يُسعَّر في مواجهتها. وعلى لوحة تحكم المورّد نفسه، يقع عند مستوى نموذج جيد من الطبقة الوسطى. المقارنة التي تصمد ليست «بنفس ذكاء نموذج رائد مقابل جزء واحد من مئة من السعر» — بل «قريب من حكم نموذج من الطبقة الوسطى بجزء ضئيل من السنت لكل استدعاء، وسريع بما يكفي ليعمل في كل دور على حدة».

ماذا تعني "انعدام الهلوسة" وماذا لا تعني

تتضمن مواد إطلاق TypeSafe رسمًا بيانيًا يُظهر معدل خطأ بنسبة 0% في استدعاء الأدوات لدى Jev مقابل معدل غير صفري لدى النماذج المقارنة، كما تنتقل عبارة "مقاوم للهلوسة" مع النموذج. وكلاهما صحيح، وكلاهما أضيق مما يوحي به ظاهرهما.

الضمان بنيوي. كل إجابة ممكنة تُعدَّد قبل تشغيل النموذج — أنت زوّدت قائمة الخيارات، أو معيار التقييم، أو ادعاء صح/خطأ — لذا لا توجد مساحة يمكن فيها إخراج قيمة خارج النوع المُعلَن. استدعاء أداة مشوّه ليس شيئًا يستطيع Jev إنتاجه. هذه خاصية هندسية حقيقية، ولمن أمضى أسبوعًا في كتابة منطق إعادة المحاولة حول إخفاقات تحليل JSON، فإنها تستحق مالًا حقيقيًا.

إنه ليس ادعاءً بأنه صحيح. يمكن أن تكون الإجابة الصالحة وفق المخطط خاطئة مع ذلك: يستطيع جيف أن يوجّه شكوى فوترة إلى قائمة الانتظار التقنية بثقة، وسيكون الناتج سليم الصياغة تمامًا بينما يكون عديم الفائدة. وقد قال ألميدا ذلك بنفسه، معترفًا بأنه من الممكن أن يكون مخطئًا بثقة. والطريقة المفيدة للإمساك بالحقيقتين معًا هي أن جيف يزيل فئة الخطأ الناشئة عن تنسيق الناتج، ولا يفعل شيئًا على الإطلاق حيال الفئة الناشئة عن الحكم. مما يعني أن مسألة الدقة هي مسألة معايرة تمامًا، والمعايرة هي بالضبط الشيء الذي عليك قياسه بنفسك.

كيفية اختبار ادعاء المعايرة على بياناتك الخاصة

المعايرة هي إحدى الخصائص القليلة للنموذج التي يمكنك التحقق منها بشكل صحيح باستخدام بضع مئات من الأمثلة وبدون بنية تحتية للتعلم الآلي، وهي الاختبار الوحيد الذي يهم قبل أن يلمس Jev مسار الإنتاج. الإجراء قصير.

خذ بضع مئات من الحالات التي لديك بالفعل تصنيفات لها. اسأل جيف السؤال المهم — قرار التوجيه، درجة المخاطر، فحص العيوب — وصنّف الإجابات حسب درجة الثقة التي أبلغ عنها. ثم تحقق مما إذا كانت فئة الثقة 0.9 صحيحة حوالي 90% من الوقت، وفئة 0.7 حوالي 70%، وهكذا. النموذج المعاير جيدًا يرسم خطًا قطريًا. النموذج الواثق فقط يجمع كل شيء فوق 0.9 ويكون صحيحًا 70% من الوقت، وهذا هو الشكل الذي يكسر خط الأنابيب الآلي بهدوء.

يخبرك الاختبار نفسه بالعتبات التي ينبغي استخدامها. إذا كانت فئة 0.9 دقيقة فعلًا بنسبة 90% على بياناتك، فيمكنك أتمتتها. وإذا كان نطاقك الأوسط غير واضح، فأنت توجّهه إلى إنسان أو تسلّمه إلى نموذج توليدي وتدع المسار المكلف يتعامل مع الغموض. هذا التقسيم — نموذج رخيص على الأغلبية الواثقة، ونموذج مكلف على البقية غير المؤكدة — هو البنية الفعلية التي يدافع عنها Jev، وهو السبب في أن النموذج يُفهم على أفضل وجه كمكوّن لا كبديل.

كم تبلغ تكلفته، موضّحة خطوة بخطوة

التسعير بسيط بما يكفي ليكون منطقيًا، وهو أمر نادر. المدخلات هي 0.042 دولار لكل مليون رمز. المخرجات مجانية. عند حد الطلبات الموثّق الذي يبلغ نحو 150,000 حرف، تكلّف مكالمة واحدة بالأقصى حجمًا أقل بكثير من سنت واحد.

يعطي رقمان مُبلَّغ عنهما فكرة عن النطاق. شغّل مستخدم مبكّر نحو 5,000 طلب مقابل دولارين تقريبًا. أما عرض Doom — حيث وجّه Jev روبوتًا باستخدام وصف نصي لحالة اللعبة بدلًا من وحدات البكسل الخام — فقد عمل بنحو 10 استدعاءات في الثانية مقابل نحو 7 دولارات في الساعة. وبلغت أحكام Every الـ777 عبر 37 مستندًا نحو ربع سنت، وهو الرقم الذي يجعل حالة الاستخدام المثيرة للاهتمام واضحة: وبهذا السعر، يتوقف فحص كل دور فردي في حلقة الوكيل عن كونه قرارًا متعلقًا بالتكلفة، ويصبح الوضع الافتراضي.

تلك هي الحجة الحقيقية لصالح Jev. فتمريرة تحقق لكل دور — هل تعارض استدعاء الأداة هذا الاستدعاء السابق، وهل يتوافق هذا الناتج مع النية المعلنة للمستخدم، وهل ينبغي أن يثير إشارة تحذير — كانت ممكنة تقنياً دائماً مع نموذج رائد، وعبثية اقتصادياً على النطاق. عند 0.042 دولار لكل مليون توكن مع عدم وجود رسوم على المخرجات، تصبح التمريرة نفسها ميسورة التكلفة في كل دور. القيمة هنا ليست في أن Jev يفكر أفضل من نموذج رائد، لأنه لا يفعل ذلك. القيمة هي أنه يفكر بتكلفة زهيدة وبسرعة كافية ليُستشار باستمرار.

يجدر القول بوضوح، لأنه السؤال التالي البديهي: لا يقدّم OrcaRouter خدمة Jev. نموذج TypeSafe قائم على الوصول المبكر، وقائمة الانتظار، وله شكل طلب خاص به، لذلك أي شخص يختبره يمر عبر TypeSafe مباشرة. أما الموضع الذي تتلاءم فيه طبقة التوجيه فعلًا، فهو النصف الآخر من سير العمل. النمط الذي صُمم من أجله Jev هو نموذجان، لا نموذج واحد — يتخذ Jev القرار المُنمّط، ويتولى نموذج توليدي الجزء الذي يحتاج إلى نثر أو كود أو شرح. هذا النصف التوليدي هو الجزء الذي يغطيه OrcaRouter: 197 نموذجًا عبر 15 مزوّدًا خلف مفتاح واحد متوافق مع OpenAI، بسعر قائمة المزوّد مُمرَّرًا بهامش ربح 0%، بحيث يصل انخفاض سعر المزوّد إلى طرفنا في اليوم نفسه الذي يُطرح فيه. يمكن اختبار نصفَي سير عمل على شكل Jev دون عقد ثانٍ، وعندما يكون مكوّن القرار غير مُثبت، فإن مسار التبديل الاحتياطي هو ما يمنع نتيجة معايرة سيئة من أن تصبح حادثة إنتاج.

حيث لا يتناسب Jev

يذكر المزوّد هذه القيود بوضوح غير معتاد، ما يجعل كتابة هذا القسم بصدق أمرًا سهلًا. لا يستطيع Jev توليد نص حر. ولا يستطيع كتابة التعليمات البرمجية. ولا يستطيع إجراء محادثة. وليس لديه واجهة دردشة، ولا إدخال صور، وميزانية سياق تبلغ نحو 32,000 رمز (توكن) — أي أقل بمرتبة قدرها عن النماذج ذات السياق الطويل التي يُقارَن بها من حيث السعر. حقول الاختيار محدودة بـ 255 خيارًا. وخاصية "عدم الهلوسة"، كما ورد أعلاه، تتعلق بصيغة المخرجات لا بالحقيقة.

الشبكة مناسبة في نطاق ضيق إلى حد ما. الجيد: التصنيف والتوجيه بكميات ضخمة، وعمليات ضبط الحماية والتحقق، والقرارات الحرجة من حيث زمن الاستجابة، وتقييم مجموعات كبيرة من المستندات على التوازي، وفي أي موضع تكون الإجابة الصحيحة فيه خيارًا حقيقيًا، أو رقمًا على مقياس، أو قيمة منطقية. السيئ: التوليد المفتوح من أي نوع، والاستدلال بسياق طويل، والحوار متعدد الأدوار، أو أي مهمة تكون إجابتها الصحيحة جملة. إذا كانت مشكلتك لا تختزل إلى سؤال محدّد النوع، فإن Jev ليس طريقة أرخص لحلها — بل ليس طريقة لحلها على الإطلاق.

هناك أيضاً نقد منصف للتأطير يجدر بالمضي به قدماً. إن وصف Jev بأنه نموذج حدودي يستعير مصداقية لم يكسبها النموذج: فهو لا يستطيع البرمجة، أو الدردشة، أو كتابة جملة، وتعتمد مخططات المقارنة على النماذج الحدودية كخط أساس، بينما يروي عمود الدقة قصة مختلفة. أما الادعاء الأكثر وجاهة، وهو ما تدعمه الأدلة فعلاً، فهو أن TypeSafe قد دفعت حدود السرعة والتكلفة في القرارات المهيكلة إلى مسافة بعيدة. وهذا في حد ذاته إنجاز جوهري. لكنه أمر مختلف عن بناء نموذج يضاهي GPT-6 Astra أو Claude Fable 5.1.

ما الذي قد يغيّر هذه الصورة؟

ثلاثة أشياء، بترتيب تقريبي حسب مدى أهميتها.

• ورقة معمارية منشورة أو أوزان مفتوحة. كل ما يتعلق بكيفية تحقيق Jev لسرعته هو حالياً صندوق أسود، والادعاء بأن التقييم المتوازي هو الآلية — والتشبيه الذي يقدمه Almeida هو استبدال الحساب المتسلسل بالطريقة التي استبدلت بها المحوّلات الشبكات المتكررة — هو تأكيد وليس نتيجة مُبرهَنة. وإلى أن يُنشر التصميم، فالسرعة حقيقة والتفسير تسويق.

• تقييم ثانٍ مستقل بعيّنة أكبر. اختبارات Every هي أقوى الأدلة المتاحة، وهي تغطي 12 مقطعًا في مسألة الدقة الحاسمة. تشغيل مستقل إضافي، على بضع مئات من الحالات الموسومة، سيحسم ما إذا كان إغفال عيب واحد من كل سبعة مجرد ضوضاء أم معدل الخطأ الحقيقي.

• تدقيق معايرة على مدخلات واقعية وفوضوية. كل ما نُشر حتى الآن يستخدم أُطر اختبار نظيفة. السؤال المفتوح بالنسبة إلى نموذجٍ تستند قيمة عرضه بالكامل إلى درجات ثقة موثوقة هو ما الذي تفعله تلك الدرجات في الحالات الغامضة حقًا — تلك التي يتردد فيها حتى المراجع البشري. وهذا هو الرقم الذي يحدد ما إذا كان من الآمن أتمتة القرارات بالاستناد إلى Jev، ولم ينشره أحد.

حتى ذلك الحين، فإن الموقف المعقول هو أن يكون محددًا لا عامًا. Jev نموذج حقيقي، مطروح فعليًا، ورخيص بشكل غير معتاد، وله ميزة بنيوية أصيلة في موثوقية المخرجات، وملف دقة يقع حول الفئة المتوسطة، وادعاء معايرة معقول، ويوصي به مورده نفسه صراحةً للاختبار الذاتي، ومُصادَق عليه استقلاليًا على عينة صغيرة فقط. إذا كانت سير عملك تتضمن خطوة تختزل إلى سؤال مطبوع يُطرح بتكرار كافٍ بحيث يصبح استخدام نموذج متقدم إهدارًا، فهذه إحدى أرخص الطرق لطرحه — وقيمة الثقة التي يعيدها هي الجزء الذي يجب اختباره قبل أن تثق به، لا السرعة.