بطاقة عنوان تحمل النص «Jev: نموذج يرفض الكتابة» مع عنوان فرعي «نموذج القرار من TypeSafe AI يعيد إجابات مُنمَّطة بدلًا من النص»، وثلاث بطاقات مُعنونة للوحدات الأساسية Choice و Score و Noul، وكتلة إحصائية تُظهر 777 حكمًا في أقل من 0.7 ثانية بتكلفة 0.042 دولار لكل مليون رمز إدخال.
Guides & Insights

يرفض Jev كتابة كلمة واحدة: ما الذي يفعله نموذج القرار لدى TypeSafe AI، وما الذي اكتشفته عمليات التدقيق منذ ذلك الحين

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

Jev 1.13 (typesafe/jev-1.13) هو أول نموذج من TypeSafe AI يُرجّح أن يصادفه القارئ عبر جدول تكلفة بدلًا من مربع محادثة، لأنه لا يوجد مربع محادثة. أطلقه في 15 سبتمبر 2026 Diogo Almeida — أحد المشاركين في تأليف ورقة InstructGPT، العمل الذي جعل ChatGPT يتصرف كمساعد — ولا يولّد Jev نصًا على الإطلاق. إنه يأخذ قطعة من الحالة (بريد إلكتروني، سطر سجل، تذكرة دعم، كتلة JSON من إحداثيات لعبة) بالإضافة إلى قائمة أسئلة محددة النوع، ويعيد إجابات محددة النوع: اختيارًا من مجموعة قدّمتها، أو درجة وفق معيار تقييم، أو احتمال نعم/لا، وكل منها يحمل قيمة ثقته الخاصة. لا نثر، لا كود، لا شرح. تقول TypeSafe في عرضها الترويجي إن هذا الضيق هو المنتج، لأنه يمنح سرعة وسعرًا لا يمكن لنموذج توليدي مجاراتهما — أسرع 20 إلى 200 مرة وأرخص 40 إلى 400 مرة من «النماذج اللغوية الكبيرة المماثلة» وفق مواد الإطلاق الخاصة بالشركة نفسها، بسعر 0.042 دولار لكل مليون رمز إدخال مع احتساب الإخراج بصفر. إنه متاح عمومًا منذ 21 سبتمبر 2026، عندما أزالت TypeSafe قائمة الانتظار وبدأت تمنح الحسابات الجديدة رصيدًا بقيمة 5 دولارات — وهو التحويل الذي أجراه البائع نفسه، ويعادل نحو 120 مليون رمز إدخال بالسعر المعلن. النموذج أقدم من الخبر الوارد في هذا المقال. أضافت OrcaRouter النموذج typesafe/jev-1.13 إلى كتالوجها في 24 سبتمبر 2026، وهي الآن توجّهه بالمفتاح نفسه الذي تستخدمه النماذج التوليدية التي صُمم ليجاورها، وهذا هو التغيير الجدير بمعرفته اليوم. الأمر الثاني الذي يجب أن تضعه هذه الصفحة في الحسبان الآن ليس من TypeSafe: إنه RSI-Jev، مشروع مفتوح من طرف ثالث يبني نماذج قرار System One بنمط Jev، وإصداره الحالي هو 4B RSI-Jev v6.0-VL، بتاريخ 6 أكتوبر 2026. إنه ينسخ تنسيق الإرسال الخاص بـ Jev عن قصد، ويذكر سطر ترخيصه بوضوح أنه غير منتسب إلى TypeSafe AI — فهو ليس Jev التابع لـ TypeSafe، ولا أوزان TypeSafe، ولا النموذج نفسه باسم أقصر. القسم الأخير من هذا المقال هو مكانه الصحيح، لأنه الإجابة الأكثر حدة المتاحة عن سؤال: ما مقدار ما في موقع Jev من خندق تنافسي؟

الرقم الأكثر فائدة الذي نُشر في أول 48 ساعة ليس واحداً من تلك الأرقام. إنه يأتي من Every، حيث شغّل رئيس التقييمات فيها Jev على 27 مقالاً منشوراً من Every إضافة إلى 10 مقالات نظيرة مصاغة بأسلوب الذكاء الاصطناعي، بطرح 21 سؤالاً على جميع المستندات الـ37 دفعة واحدة: 777 حكماً في أقل من 0.7 ثانية، بتكلفة نحو ربع سنت. اختبار ثانٍ، أجراه الرئيس التنفيذي لـ Every، عرض 12 مقطعاً تركيبياً — ستة سليمة، وستة مزروعة فيها عيوب عمداً — على أربعة فحوص كتابة. عاد Jev بوسيط 0.35 ثانية لكل مقطع مقابل 8.83 ثانية لـ Claude Fable 5.1 عند الجهد المرتفع: أسرع بنحو 25 مرة وبتكلفة تعادل نحو 1/580. التقط ستة من العيوب السبعة المزروعة. أما Claude Fable 5.1 فالتقط السبعة كلها. كان حكم Every "جيد لكن ليس مثالياً"، وهذه هي القراءة الصادقة في سطر واحد لـ Jev من أول اختبار مستقل يُنشر — إذ تصمد ادعاءات السرعة والتكلفة عند الاحتكاك بطرف ثالث، ويقع ادعاء الدقة بمرتبة أدنى من الطليعة، والعينة صغيرة بما يكفي بحيث ما كان ينبغي لأحد أن يستخلص منها استنتاجاً إنتاجياً — وهي فجوة سدّتها تقييمات لاحقة جزئياً، في كلا الاتجاهين.

ملاحظة حول نوع الأدلة التي يتعامل معها هذا المقال، لأن المستويات تغيّرت بسرعة بالنسبة لنموذج بهذا الجِدّة. إن Jev حقيقي وقابل للاستدعاء: فهناك نقطة نهاية موثّقة، وPython SDK، واسم مستعار للنموذج، وسعر منشور. الإطلاق معلن من المورّد، وليس مسرّبًا، ولا أحد يخمّن ما إذا كان موجودًا. لكن كل ادعاء أداء تتصدّر به TypeSafe هو ادعاء خاص بـ TypeSafe، والبنية غير منشورة، والأوزان لم تصدر، ولوحة قيادة المعايير الكامنة خلف العنوان الرئيسي 20-200x هي مجموعة تقييمات لسير عمل داخلي وليست لوحة صدارة عامة. لم يعد الاختبار المستقل هو القطعة المفقودة التي كان عليها يوم الإطلاق — فهناك الآن ما لا يقل عن ثلاث عمليات تقييم خارجية منفصلة، تشمل تشغيلًا مسجلًا مسبقًا ودراسة بُنيت خصيصًا لاختبار Jev على مدخلات لم يكن بإمكانه رؤيتها — وهي تتفق مع المورّد بشأن السرعة بينما تروي قصة أكثر تعقيدًا عن الدقة والمعايرة. يُبقي هذا المقال أرقام المورّد والأرقام المستقلة والأسئلة المفتوحة منفصلة بشكل واضح بدلًا من حساب متوسطها في 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.

A capture of TypeSafe's own documentation introduction page, showing the sentence 'Jev is TypeSafe's flagship model and the first System One model', a table of the three primitives Choice, Score and Noul with what each returns, and the line that adding questions to a call barely changes the response time.

الخصيصة المثيرة ليست أي عنصر أساسي بمفرده، بل كيفية تركيبها معًا. يمكن خلط الثلاثة جميعًا في استدعاء API واحد، ويُقيَّم كل سؤال على التوازي مقابل قراءة واحدة مشتركة للحالة نفسها. تقول وثائق TypeSafe إن إضافة أسئلة «بالكاد تغيّر زمن الاستجابة»، وتؤكد الاختبارات المستقلة ذلك عمليًا — فقد وقعت 21 سؤالًا عبر 37 مستندًا داخل الـ 0.7 ثانية نفسها. هذا ما يجعل السعر لكل حكم ينهار: فأنت لا تدفع مقابل توليد أطول، بل تدفع مقابل تمريرة واحدة.

النطاق العملي، كما هو موثق وكما أفاد المستخدمون الأوائل: ميزانية طلب تبلغ نحو 64,000 رمز، منها حوالي 32,000 تغطي الحالة بالإضافة إلى السؤال الأطول الواحد — تشير وثائق TypeSafe إلى أن الدقة تتغير مع نمو الحالة؛ لا يوجد إدخال صور أو صوت عند الإطلاق؛ وبنية الطلب والاستجابة لا تتبع اصطلاح إكمال الدردشة، لذلك لا يمكن لعميل موجود ببساطة توجيه عنوان URL الأساسي الخاص به إليه. لم يعد الوصول عائقًا في 21 سبتمبر 2026، عندما أزالت TypeSafe قائمة الانتظار وفتحت Jev لأي شخص لديه حساب؛ تبدأ الحسابات الجديدة برصيد 5 دولارات تقول الشركة إنه يساوي نحو 120 مليون رمز إدخال بالسعر المعلن. لا تزال الصفحة الرئيسية لـ TypeSafe تصف Jev بأنه في مرحلة الوصول المبكر، وهو وصف لا تكرره وثائقه: تنشر الوثائق حدودًا قابلة للتعديل ديناميكيًا تبلغ 100 ألف رمز في الثانية و40 طلبًا في الثانية بدلًا من بوابة وصول. لا تزال بيئة التجربة في المتصفح موجودة إلى جانب API، ويظل jev-latest هو الاسم المستعار 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 يمنحك إياه ذلك عمليًا هو سطح تحكّم. النمط الموثّق هو ثلاث نطاقات ثقة — تصرّف تلقائيًا عند النطاق الأعلى، وضع علامة أو أكّد في الأوسط، وأحِل إلى إنسان عند الأدنى — مع بقاء العتبات في الكود لديك لا في النموذج. وما إذا كانت النطاقات صادقة هو سؤال تجريبي يتعلق ببياناتك، وهو سؤال يخبرك TypeSafe صراحةً أن تجيب عنه بنفسك، منبّهًا إلى أن عتبات الثقة خاصة بحالة الاستخدام وينبغي اختبارها مقابل أمثلتك الموسومة. تلك التعليمة هي أهم جملة في التوثيق، وما لا يحتويه التوثيق هو أي رواية خارجية عمّا إذا كانت الطريقة خلف تلك النطاقات تفعل ما يقوله اسمها. ومنذ هذا الأسبوع توجد رواية جزئية، وهي إعادة بناء لا إفصاح: تحليل RSI-Jev البعدي لـ RL يبني إعادة بناء مضبوطة بسبعة أذرع للتخمينات المنشورة بشأن RLCD — شريحة من 13.8 ألف سؤال، و1,500 خطوة لكل ذراع — وينشر ما حدث لكل ذراع، بما في ذلك الأذرع التي فشلت. كل مكافأة RL فيه جعلت المعايرة الخام أسوأ؛ ورأس ثقة بعديّ رخيص استعادها كلها باستثناء ذراع proper-score؛ ولم يحسّن أي هدف ترتيب الثقة. ويُختتم بإدراج ثلاثة مكونات يجب أن يحتويها RLCD، مصوغة كفرضية حول كيفية عمل الطريقة لا كادّعاء حول داخليات TypeSafe، التي لم يرها أحد خارج الشركة. اقرأه بوصفه أول دليل من طرف ثالث يقف إلى جانب ادعاءات المعايرة المصنّفة أدناه، لا بوصفه نظرة من داخلها؛ وخلفية الطريقة نفسها موجودة في شرحنا RLCD Explained.

الأرقام، مرتبة حسب من أنتجها.

هنا حيث تفقد معظم تغطية Jev صرامتها، لذا يجدر أن نكون صريحين بشأن المصدر. إليك ما يأتي من المورّد، وما جاء من مختبرين مستقلين، 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.

• مقيسة بشكل مستقل، على عينة صغيرة — أول اختبار خارجي، تشغيل Every الموصوف أعلاه: 777 حكمًا في أقل من 0.7 ثانية مقابل نحو ربع سنت؛ 1,709 أحكام 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 واحد من سبعة عيوب مدسوسة التقطها المقارن. وكان استنتاج Every نفسه أنه سيرغب في إجراء فحص دقة أكثر شمولًا بكثير قبل إدخاله الإنتاج — وهو فحص وصل جزئيًا منذ ذلك الحين، أدناه.

• قياس مستقل، ومسجّل مسبقًا، وأكبر حجمًا — نشر فريق خارجي تقييمًا مسجّلًا مسبقًا في 20 سبتمبر 2026، حدّد فيه 21 تجربة و50 تنبؤًا قبل إرسال أي طلب واحد، عبر 5,721 استدعاءً. على مجموعة مرجعية من 400 عنصر، سجّل Jev نسبة 95.9% في وضع zero-shot، مقابل 77.2% لقواعد كلمات مفتاحية مكتوبة يدويًا و66.0% لخط أساس TF-IDF خاضع للإشراف. وتوثّق الدراسة نفسها نمط الفشل الأكثر أهمية من العنوان الرئيسي: عندما كانت أوصاف المعايير في السؤال خاطئة، انهارت الدقة إلى 16.7%، أي دون الحد الأدنى العشوائي البالغ 25% لتلك المهمة. ويفصح المؤلفون عن تحيّزهم الخاص في الاتجاه المعاكس — فقد أخطأت 18 من تنبؤاتهم الـ21 المكذّبة بالطريقة نفسها، لأنهم ظلوا يتوقعون الفشل وظلوا مخطئين.

• قياس مستقل، خارج التوزيع — دراسة معايرة منفصلة، نُشرت في 19 سبتمبر 2026، أنشأت 900 تذكرة دعم مولّدة بقواعد تعتمد تسمياتها جزئيًا على سياسة داخلية لمستوى الحساب لا تظهر في أي مكان في النص، بحيث لا يمكن لأي نموذج أن يكون قد حفظها، وشغّلتها إلى جانب 3,721 عنصرًا من معايير عامة. وفي المسار الاصطناعي، كان خطأ المعايرة المتوقع لدى Jev هو 0.107، مقابل حد ضوضاء أدنى قدره 0.024 احتسبه المؤلفون لنموذج معايَر بشكل مثالي — أي نحو 4.4 أضعاف الحد الأدنى. وعلى المعايير العامة، قاست الدراسة نفسها 0.024 إلى 0.032. والفجوة بين هذين النطاقين هي النتيجة.

• غير معروف — البنية المعمارية. لا ورقة عند الإطلاق، ولا عدد معلمات، ولا إفصاح عن حوسبة التدريب، ولا أوزان. قالت TypeSafe إن التفاصيل تُبقى «طيّ الكتمان في الوقت الحالي»، مع احتمال صدور ورقة لاحقاً. لم تغيّر موجة إعادة الإنتاج في منتصف سبتمبر ذلك: فتلك المشاريع تعيد بناء السلوك بمعمارياتها الخاصة، ولا يكشف أي منها كيف يعمل نموذج TypeSafe. نقاط التحقق المفتوحة التي ينشرها الآن مشروع طرف ثالث هي خاصة بذلك المشروع، وليست إصداراً من TypeSafe، وهي لا تغيّر شيئاً في الجمل أعلاه — الجرد الكامل لما طرحته الجهة الموردة وما لم تطرحه موجود في «هل Jev مفتوح المصدر؟».

A single-column scoreboard titled 'Jev - the scoreboard' listing six dimensions: latency 70-500 ms claimed, price $0.042 per million input with output free, accuracy 67.8% on the vendor dashboard, independent test 6 of 7 defects caught, context about 32K tokens with no image input, and weights not released.

النمط عبر تلك الطبقات متسق، وهو ليس النمط الذي يوحي به عنوان 200x. يتفق كل رقم مستقل ورقم خاص بمورّد على أن Jev أرخص بكثير وأسرع بكثير. ولا يُظهر أي رقم في أي مكان، بما في ذلك أرقام TypeSafe نفسها، أنه أكثر دقة من النماذج المتقدمة التي سُعِّر مقابلها — فعلى لوحة معلومات المورّد نفسه يستقر حول مستوى نموذج جيد من الطبقة المتوسطة. ما تضيفه الأعمال الخارجية الأحدث هو شكل لقصة الدقة بدلًا من عنوان رئيسي جديد. في أنواع المهام التي رآها من قبل قد يبدو قويًا جدًا: 95.9% بدون أمثلة على المجموعة المرجعية المكوّنة من 400 عنصر والخاصة بالفريق نفسه المسجَّل مسبقًا، متقدمًا بفارق كبير على خطوط الأساس القائمة على الكلمات المفتاحية وTF-IDF التي قيس مقابلها. أما عند المدخلات المصممة لتكون مختلفة عن أي شيء رآه، فتفقد ثقته موطئ قدمها. المقارنة التي تصمد ليست بعد "ذكي بقدر نموذج متقدم مقابل واحد من مئة من السعر" — بل "قريب من حكم نموذج من الطبقة المتوسطة بجزء من سنت 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.

تضيف أولى التقييمات الخارجية تحذيرًا محددًا حول كيفية تصرف ذلك الضمان الهيكلي في بيئة الإنتاج. لأن Jev يعيد دائمًا أحد الإجابات التي قدمتها، فإنه لا يملك طريقة لقول "لا شيء مما سبق" إلا إذا أعطيته واحدة. طلبت تجربة مسجلة مسبقًا في سبتمبر منه تصنيف مواد ليس لها فئة صالحة، فوجدت أن 0 من 30 رسالة خارج النطاق تم تمييزها، وكل منها أُعيدت بثقة 0.99. وصفة كعكة، أو صفحة من حروف عشوائية، تعود كفئة بثقة عالية، لأن الفئة هي ما طلبه الطلب. الحل هو عادة تصميمية وليس إعدادًا للنموذج: ضمّن خيار هروب صريح في كل Choice list وفرعًا خاطئًا في كل Noul claim، واعتبر غياب أحدهما خطأً في نص سؤالك.

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.

دراسة خارج التوزيع هي أول إجابة خارجية على ذلك السؤال، وهي تحذير لا إجازة. عند تشغيلها على 900 تذكرة دعم اصطناعية تكون السياسة الحاسمة غائبة عن نصها، لم تعد ثقة Jev تطابق دقته: خطأ المعايرة المتوقع 0.107 مقابل حد ضوضاء 0.024، أي نحو 4.4 أضعاف ما يسجله نموذج مُعاير بإتقان على المجموعة نفسها. وعلى المعايير العامة الثلاثة كان بين 0.024 و0.032 — لذا فإن النموذج جيد المعايرة على نوع البيانات الذي بُني وقيس عليه، وأقل من ذلك بدرجة ملموسة بمجرد أن تكون المهمة غير مألوفة. وكان العنصر الأولي الخاص بالدرجة هو الأضعف بين الثلاثة، بدقة 44.7% مع متوسط احتمال معلن قدره 0.74. ويطلب مؤلفو الدراسة أنفسهم من القراء الأخذ باتجاه تلك النتيجة لا بمقدارها الدقيق، لأن عائلة مهام اصطناعية واحدة عند n=900 ليست قانونًا عامًا. والاتجاه هو الجزء المهم لأي شخص يكتب العتبات: شغّل اختبار التقسيم إلى فئات أعلاه على تسمياتك الخاصة قبل أن تؤتمت قرارًا، لأن المعايرة التي تراها على المعايير العامة ليست المعايرة التي ستحصل عليها على بياناتك الواردة.

كم تبلغ تكلفته، موضّحة خطوة بخطوة

التسعير بسيط بما يكفي للاستدلال عليه، وهو أمر نادر. الإدخال هو $0.042 لكل مليون رمز — وهو السعر الذي تنشره TypeSafe، والسعر المدرج في كتالوج OrcaRouter — والإخراج مجاني. عند الميزانية الموثّقة البالغة نحو 64,000 رمز إدخال، يكلّف استدعاء واحد بالحجم الأقصى أقل من ثلاثة أعشار سنت.

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.

يستحسن قول ذلك بوضوح، لأنه السؤال التالي البديهي: أضافت OrcaRouter النموذج typesafe/jev-1.13 إلى كتالوجها في 24 سبتمبر 2026، والنموذج متاح الآن على بطاقة نموذج Jev 1.13 اليوم — واجهة برمجية واحدة لـأكثر من 200 نموذج بسعر قائمة المزوّد، يُمرَّر دون أي هامش ربح بنسبة 0%، لذا يصل أي تخفيض سعري من المورّد إلى طرفنا في اليوم نفسه الذي يُطرح فيه. وهناك تفصيلان حول طريقة تقديمه، لأنهما الأكثر تكرارًا في الأسئلة. تُرسَل الطلبات إلى POST /v1/systemone، دون بث، مقابل سياق من 65,536 رمزًا؛ وهذا ليس شكل إكمالات الدردشة، ولهذا يقع Jev على نوع نقطة نهاية خاص به بدلًا من دمجه في مسار الدردشة. كما تنشر البطاقة نافذة الخدمة الخاصة بنا البالغة سبعة أيام، مقيسة على حركة المرور عبر ساحة التجربة لدينا منذ 24 سبتمبر بدلًا من نقلها عن المورّد: p50 عند 151 مللي ثانية، وp95 عند 247 مللي ثانية، و349 رمز إخراج في الثانية، ومعدل خطأ 0.49% عبر 76.2 مليون رمز. وهذا ما يجعل نمط النموذجين الذي يدعو إليه Jev عقدًا واحدًا بدلًا من عقدين. يتخذ Jev القرار المُنمَّط، ويتولى نموذج توليدي الجزء الذي يحتاج إلى نثر أو شيفرة أو شرح، ويُفوتَر الشقّان على المفتاح نفسه بسعر قائمة المزوّد، ويمنع التحويل التلقائي عند الفشل أن يتحول مكوّن قرار يتبين أنه سيئ المعايرة إلى حادثة في بيئة الإنتاج.

A capture of the OrcaRouter models catalogue showing the header '197 models - 15 providers - one API key, one bill', an OpenAI-compatible chat-completions request example, and model cards for DeepSeek V4.1 Flash, OpenAI GPT-6 Astra and Google Gemini 3.8 Flash with their per-million-token input and output prices.

حيث لا يتناسب Jev

الحدود مذكورة بوضوح غير معتاد من جانب المورّد، مما يجعل كتابة هذا القسم بصدق أمرًا سهلًا. لا يستطيع Jev توليد نص حر. ولا يستطيع كتابة الشيفرة. ولا يستطيع إجراء محادثة. ليس لديه واجهة دردشة، ولا إدخال صور، وميزانية طلب تبلغ نحو 64,000 رمز (token) — يغطي نحو 32,000 منها الحالةَ إضافة إلى أطول سؤال منفرد — أي أقل بعامل عشرة تقريبًا عن نماذج السياق الطويل التي يُقارَن بها من حيث السعر. الحد الأقصى لحقول الاختيار هو 255 خيارًا. وخاصية «عدم الهلوسة»، كما ورد أعلاه، تتعلق بتنسيق 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؟

ثمة أربعة أمور من شأنها أن تحسم هذا، وقد حرّك الأسبوع المنقضي منذ انفتاح النموذج ثلاثة منها.

• ورقة معمارية منشورة أو أوزان مفتوحة. لا تزال أكبر ثغرة. كل ما يتعلق بكيفية تحقيق Jev لسرعته لا يزال صندوقًا أسود، والادعاء بأن التقييم المتوازي هو الآلية — والتشبيه الذي يقدمه Almeida هو استبدال الحوسبة التسلسلية بالطريقة التي استبدلت بها المحولات الشبكات المتكررة — هو تأكيد وليس نتيجة مُثبتة. موجة المصادر المفتوحة أدناه تعيد تنفيذ السلوك؛ ولا يكشف أي منها كيف يعمل نموذج TypeSafe. وحتى يُنشر التصميم، تظل السرعة حقيقة والتفسير تسويقًا.

• تقييم مستقل ثانٍ بعينة أكبر. هذا التقييم نجح جزئيًا. التشغيل المسجل مسبقًا في 20 سبتمبر يغطي 5,721 استدعاءٍ ومجموعة مرجعية من 400 عنصرٍ، وهي عينة أكبر بكثير من 12 مقطعًا لدى Every وأفضل تصميمًا بكثير، وهو أقوى دليل منفرد موجود على Jev. كما أنه مُعدّ ذاتيًا، وأُجري في يوم واحد وفي موقع واحد، وشُغّل مقابل نسخة نموذج واحدة، وينشر الفريق حدوده الخاصة إلى جانب نتائجه. ما يحسمه هو أن Jev جيد حقًا في الشيء المصمم من أجله؛ وما لا يحسمه هو كيف يؤدي في مهمة أي شخص آخر.

• تدقيق معايرة على مدخلات واقعية وفوضوية. هذه المرة أصابت النتيجة الهدف، وهي أقل نتيجة مريحة في هذا المقال. دراسة خارج التوزيع أعلاه هي أول تدقيق يُجرى على مادة صُممت لتكون غير مألوفة للنموذج، ووجدت أن الثقة تنفصل عن الدقة عند نحو 4.4 أضعاف حد الضجيج لنموذج معايَر بشكل مثالي — بينما بدا النموذج نفسه جيد المعايرة على ثلاثة معايير مرجعية عامة. عائلة مهام اصطناعية واحدة على 900 عنصر ليست حكمًا نهائيًا، ويقول المؤلفون ذلك. لكنها تكفي لنقل السؤال من "هل Jev معايَر؟" إلى "معايَر على ماذا؟"، وهو السؤال الأكثر فائدة على أي حال.

• نسخة مكررة تتغلب على Jev وفق شروط Jev نفسها. ليس بعد، ولم تتوقف الموجة في سبتمبر. خلال نحو 48 ساعة من الإطلاق، كان ما لا يقل عن ستة مشاريع مفتوحة مستقلة قد أطلقت نماذج قرار على غرار Jev — أحدها مبني على مُرمِّز بـ421 مليون معامل، وآخر LoRA على نموذج 9B، وآخر صغير بما يكفي ليتسع في بضع عشرات من الكيلوبايتات — وبحلول 23 سبتمبر كان أحدها في قمة قائمة الأكثر رواجًا لدى مضيف نماذج. كل مقارنة تنشرها تلك المشاريع مُبلَّغ عنها ذاتيًا من الفريق الذي بنى البديل، وكل واحدة تستخدم مجموعة تقييم خاصة بها. النتائج تشير في اتجاهات مختلفة: النسخة المستنسخة التي تفوز في تصنيف الأخبار تخسر بفارق كبير في مهمة نوايا من 77 فئة، والمواجهة المباشرة المستقلة الوحيدة التي أُجريت على مدخلات متطابقة بايتيًا تضع Jev في المقدمة في ست من تسع مجموعات. وقد نُشرت دقة Jev نفسها على معيار واحد الآن بأربع قيم مختلفة من أربع عمليات تقييم مختلفة. المشروع الأكثر بقاءً من تلك الموجة هو RSI-Jev، وهو المثال الملموس المؤرخ لتلك الحجة: مشروع مفتوح من طرف ثالث يبني نماذج قرار System One على غرار Jev، الكود MIT، والأوزان Apache-2.0 على Hugging Face، مع سطر ترخيص نصه "Not affiliated with TypeSafe AI." إصداره هذا الأسبوع هو 4B RSI-Jev v6.0-VL، المنشور في 2026-10-06 والسابع في حلقة تحسين ذاتي أجرت 471 تجربة واحتفظت بعدد قليل جدًا منها: برج Qwen3.5-4B-Base مع رأس إجابة مدرب، تمريرة أمامية واحدة لكل قرار، ولا شيء مُولَّد. إنه ينفق العمق بدل الرموز — رؤوس إجابة عند الطبقات 16 و20 و32، لذا يتوقف الطلب عند أول رأس يصبح واثقًا، بوسيط 23 و27 و40 مللي ثانية على H200 واحد في bf16 — ويتحدث تنسيق النقل السلكي الخاص بـTypeSafe بدقة: الطلب نفسه، وأنواع الأسئلة الثلاثة نفسها، وإحصائية الثقة نفسها، لذا أي شيء مكتوب لـJev يعمل معه دون تغييرات. على مؤشر القرار العام الخاص بالمشروع، يبلغ عن 38.38 إلى 46.24 في إصدار واحد، مع 0.698 على مجموعته المحجوزة و0.440 على MMLU-Pro — أرقامه الخاصة على لوحته الخاصة، ولا توجد مواجهة مباشرة مستقلة بينه وبين Jev 1.13. إنه ليس إصدار أوزان من Jev، ولا يجعل نموذج TypeSafe مفتوحًا، ولم تَصنعه TypeSafe ولم تُقرّه؛ الإصدارات الأسبق على ذلك الخط كانت نماذج 2B على Qwen3.5-2B-Base، ونتيجة التعلم المعزز التي جعلت اسم المشروع هي من v3.0، بتاريخ 2026-09-28 وعلى بعد ثلاثة إصدارات — أول إصدار تهزم فيه مرحلة التعلم المعزز النموذج الخاضع للإشراف الذي تفرّع عنه، مكافأة إعادة ترتيب قوائمية على 16 مرشحًا رفعت إعادة الترتيب R@1 من 0.192 إلى 0.308 مقارنة بأصله المباشر، بزيادة 60%، بتكلفة مجموعة قدرها 0.0028. فهرسنا لا يحمل أي معرّف لـRSI-Jev: ما نقدمه هو typesafe/jev-1.13 على نقطة نهاية systemone، وهذا المشروع يُدار من مستودعه الخاص. التقرير الكامل للقارئ لأول مرة موجود في ما هو RSI-Jev؟.

ما تُظهره تلك الموجة ليس أن Jev قد هُزم — بل أن نموذجًا مفتوحًا يمكن بناؤه لأداء هذه المهمة تقريبًا خلال عطلة نهاية أسبوع، وهو ادعاء مختلف وأكثر متانة حول موضع الخندق التنافسي. والموقف الذي يتبع ذلك أضيق مما كان قبل أسبوع، وأكثر تحديدًا. Jev نموذج حقيقي، مطروح، ورخيص بشكل غير معتاد، وهو الآن مفتوح لأي شخص لديه حساب، مع ميزة هيكلية حقيقية في موثوقية المخرجات، وملف دقة في حدود الفئة المتوسطة وفق أرقام البائع نفسه، وادعاء معايرة اختُبر مرتين بشكل مستقل منذ الإطلاق: مرة على معيار كبير، ملائم، من تأليف الفريق نفسه، ومرة على مدخلات غير مألوفة لم تصمد فيها درجات الثقة. اعتبر النتيجة الثانية الأكثر إفادة. إذا كانت سير عملك تتضمن خطوة تختزل إلى سؤال مكتوب يُطرح بتكرار كافٍ بحيث يكون استخدام نموذج حدودي مضيعة، فهذه واحدة من أرخص الطرق لطرحه — ولا تزال قيمة الثقة التي يعيدها هي الجزء الذي يجب اختباره على بياناتك الخاصة قبل أن تثق بها، وليس السرعة. كما أنه قابل للاختبار دون حساب ثانٍ: typesafe/jev-1.13 متاح على OrcaRouter إلى جانب النماذج التوليدية التي يحتاجها سير عمل على نمط Jev.