
ג'ב מסרב לכתוב מילה אחת: מה עושה מודל ההחלטות של TypeSafe AI, ומה מצאו הביקורות מאז
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 141 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 175 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 89 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 196 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 115 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
Jev 1.13 (typesafe/jev-1.13) הוא המודל הראשון של TypeSafe AI שסביר שקורא יפגוש דרך טבלת עלויות ולא דרך תיבת צ'אט, כי אין תיבת צ'אט. הושק ב-15 בספטמבר 2026 על ידי דיוגו אלמיידה — מחבר שותף במאמר InstructGPT, העבודה שהפכה את ChatGPT להתנהג כמו עוזר — Jev לא מייצר טקסט בכלל. הוא מקבל פיסת מצב (אימייל, שורת לוג, כרטיס תמיכה, גוש JSON של קואורדינטות משחק) בתוספת רשימה של שאלות טיפוסיות, ומחזיר תשובות טיפוסיות: בחירה מתוך קבוצה שסיפקתם, ציון על רובריקה, או הסתברות כן/לא, כשכל אחת נושאת ערך ביטחון משלה. בלי פרוזה, בלי קוד, בלי הסבר. המסר של TypeSafe הוא שהצמצום הזה הוא המוצר, כי הוא קונה מהירות ומחיר שמודל גנרטיבי לא יכול להשיג — פי 20 עד 200 מהיר יותר ופי 40 עד 400 זול יותר מ"מודלי LLM דומים" בחומרי ההשקה של החברה עצמה, במחיר של 0.042 דולר למיליון טוקנים בקלט כשהפלט מחויב באפס. הוא זמין באופן כללי מאז 21 בספטמבר 2026, כאשר TypeSafe הסירה את רשימת ההמתנה והחלה להעניק לחשבונות חדשים 5 דולר באשראי — ההמרה של הספק עצמו, שווה כ-120 מיליון טוקנים בקלט במחיר המחירון. המודל קדום לחדשות בכתבה הזו. OrcaRouter הוסיפה את typesafe/jev-1.13 לקטלוג שלה ב-24 בספטמבר 2026 וכעת מנתבת אותו על אותו מפתח כמו המודלים הגנרטיביים שאיתם הוא אמור לשבת לצד, וזה השינוי ששווה לדעת עליו היום. הדבר השני שהעמוד הזה צריך לתת עליו את הדעת אינו של TypeSafe: RSI-Jev, פרויקט קוד פתוח של צד שלישי שבונה מודלי החלטה בסגנון Jev מסוג System One, ושהגרסה הנוכחית שלו היא 4B RSI-Jev v6.0-VL, מתאריך 6 באוקטובר 2026. הוא מעתיק בכוונה את פורמט התקשורת של Jev, ושורת הרישיון שלו מציינת במפורש שאין לו קשר ל-TypeSafe AI — זה לא ה-Jev של TypeSafe, לא המשקולות של TypeSafe, ולא אותו מודל תחת שם קצר יותר. החלק האחרון בכתבה הזו הוא המקום שבו הוא שייך, כי זו התשובה החדה ביותר הזמינה לשאלה עד כמה מעמדו של Jev הוא חפיר.
המספר השימושי ביותר שפורסם ב-48 השעות הראשונות אינו אחד מאלה. הוא מגיע מ-Every, שראש מערך ההערכות שלה הריץ את Jev על פני 27 מאמרים שפורסמו ב-Every ועוד 10 מקבילים בסגנון AI, ושאל 21 שאלות על כל 37 המסמכים בבת אחת: 777 שיפוטים בפחות מ-0.7 שניות, בעלות של כרבע סנט. בדיקה שנייה, שערך מנכ"ל Every, העמידה 12 קטעים סינתטיים — שישה נקיים, שישה עם פגמים שהושתלו בכוונה — מול ארבע בדיקות כתיבה. Jev החזיר חציון של 0.35 שניות לקטע לעומת 8.83 שניות אצל Claude Fable 5.1 במאמץ גבוה: בערך פי 25 מהר יותר ובעלות של כ-1/580. הוא איתר שישה מתוך שבעת הפגמים שהושתלו. Claude Fable 5.1 איתר את כל השבעה. פסק הדין של Every היה "טוב אבל לא מושלם", וזו הקריאה הכנה בשורה אחת של Jev מהמבחן העצמאי הראשון שפורסם — טענות המהירות והעלות שורדות מפגש עם צד שלישי, טענת הדיוק נמצאת דרגה אחת מתחת לחזית, והמדגם קטן מספיק כדי שאיש לא היה צריך להסיק ממנו מסקנה לגבי פרודקשן — פער שהערכות מאוחרות יותר סגרו חלקית, בשני הכיוונים.
הערה על סוג הראיות שאיתן עובד הקטע הזה, מפני שהרמות השתנו במהירות עבור מודל כה חדש. Jev הוא אמיתי וניתן להפעיל אותו: יש נקודת קצה מתועדת, Python SDK, כינוי מודל, ומחיר מפורסם. ההשקה הוכרזה על ידי הספק, לא הודלפה, ואיש לא מנחש אם הוא קיים. אבל כל טענת ביצועים ש-TypeSafe מציגה בראש היא של TypeSafe עצמה, הארכיטקטורה אינה מפורסמת, המשקלים לא שוחררו, ולוח המחוונים של הבנצ'מרק שמאחורי הכותרת של פי 20-200 הוא אוסף של הערכות זרימת עבודה פנימיות ולא לוח דירוג ציבורי. בדיקה עצמאית אינה עוד הדבר החסר שהיה ביום ההשקה — יש כעת לפחות שלוש הערכות חיצוניות נפרדות, כולל ריצה אחת שנרשמה מראש ומחקר אחד שנבנה במיוחד כדי לבחון את Jev על קלט שלא יכול היה לראות — והן מסכימות עם הספק לגבי מהירות, בעוד הן מספרות סיפור מורכב יותר על דיוק וכיול. המאמר הזה משאיר מספרי ספק, מספרים עצמאיים ושאלות פתוחות נפרדים באופן גלוי, במקום למצע אותם לקונצנזוס שאינו קיים.
מה TypeSafe למעשה שחררה
Jev הוא הראשון ממה ש-TypeSafe מכנה מודלי System One — השם שאוב מהחצי המהיר והאינטואיטיבי של הקוגניציה לפי דניאל כהנמן, בניגוד למצב המהורהר והאיטי יותר שצ'אטבוטים מחקים. הניגוד ש-TypeSafe משרטט הוא לדפוס הסטנדרטי של לאלץ מחולל טקסט להפיק פלט מובנה ואז לפרסר את הטקסט הזה בחזרה למשהו שקוד יכול לסמוך עליו. Jev מדלג על הטקסט לחלוטין. התיעוד של TypeSafe עצמה מציג את העניין בצורה חד-משמעית: "מודלים לשוניים גדולים (LLMs) נועדו להפיק טקסט שבני אדם יקראו. כשאתם צריכים שמודל יקבל החלטה שהקוד שלכם יצרוך, נוצרת אי-התאמה."
משטח הפלט הוא שלושה פרימיטיבים, ואין דבר אחר. כל שאלה שתשאל חייבת להיות אחת מהם:
• בחירה — בחר אפשרות אחת מתוך רשימה שאתה מספק, תוך החזרת האפשרות הנבחרת בתוספת הסתברות לכל מועמד ורמת ביטחון. האפשרויות מוגבלות ל-255 לכל שדה; מעבר לכך, TypeSafe מתעדת תבנית דו-שלבית של ניקוד מועמדים בנפרד ואז בחירה.
• ניקוד — מקם את המצב על מחוון סדור, והחזר את הרמה, הסתברות לכל רמה ורמת ביטחון. סיכון נטישה בסולם 0-1 הוא הדוגמה בתיעוד.
• Noul — הלחם של "no" ו-"null" — טענת כן/לא בודדת, המחזירה את ההסתברות המכוילת לכך שהיא נכונה.

התכונה המעניינת היא לא שום פרימיטיב בודד, אלא האופן שבו הם מתחברים. שלושתם יכולים להיות מעורבים בקריאת API אחת, וכל שאלה מוערכת במקביל מול קריאה משותפת אחת של אותו מצב. התיעוד של TypeSafe אומר שהוספת שאלות "כמעט ואינה משנה את זמן התגובה", והבדיקות הבלתי תלויות מאששות זאת בפועל — 21 שאלות על פני 37 מסמכים הסתיימו בתוך אותן 0.7 שניות. זה מה שגורם למחיר לכל שיפוט לקרוס: אתה לא משלם עבור הפקה ארוכה יותר, אתה משלם עבור מעבר אחד.
המעטפת המעשית, כמתועד וכפי שדווח על ידי משתמשים מוקדמים: תקציב בקשה של כ-64,000 טוקנים, מתוכם כ-32,000 מכסים את המצב בתוספת השאלה הארוכה ביותר — התיעוד של TypeSafe מציין שהדיוק משתנה ככל שהמצב גדל; אין קלט תמונה או אודיו בהשקה; ומבנה בקשה ותגובה שאינו מוסכמת chat-completions, כך שלקוח קיים אינו יכול פשוט לכוון את כתובת ה-URL הבסיסית שלו אליו. הגישה הפסיקה להיות המכשול ב-21 בספטמבר 2026, כאשר TypeSafe הסירה את רשימת ההמתנה ופתחה את Jev לכל מי שיש לו חשבון; חשבונות חדשים מתחילים עם $5 קרדיט, שלטענת הספק שווים כ-120 מיליון טוקני קלט במחיר המחירון. דף הבית של TypeSafe עצמו עדיין מתאר את Jev כבגישה מוקדמת, תווית שהתיעוד שלו אינו חוזר עליה: התיעוד מפרסם מגבלות מתכווננות דינמית של 100 אלף טוקנים לשנייה ו-40 בקשות לשנייה, ולא שער גישה. סביבת המשחק בדפדפן עדיין קיימת לצד ה-API, ו-jev-latest נותר כינוי המודל.
RLCD פירושו מכויל, לא מועדף.
TypeSafe מאמנת את Jev בשיטה שהיא מכנה RLCD — Reinforcement Learning for Calibrated Decisions, לפי התיעוד של החברה עצמה. ראשי התיבות חדשים מספיק כדי שסיקור מוקדם הרחיב אותם באופן לא עקבי, ולכן כדאי לדייק מה הם באמת מסמנים, משום שההבחנה היא כל טענת המחקר.
RLHF מייעל פלט מועדף על ידי בני אדם. RLVR מייעל נכונות ניתנת לאימות, מהסוג שמקרי הבדיקה עוברים. RLCD מייעל כיול: מודל שאומר שהוא בטוח ב-70% אמור להיות צודק בכ-70% מהמקרים. זהו יעד שונה מלהיות צודק, וזו הסיבה שכל תשובת Jev מגיעה עם התפלגות הסתברות מצורפת ולא רק עם תשובה. מצב הכשל המיועד הוא מודל שיודע מתי הוא לא יודע, כך שהקוד שלך יכול להחליט מה לעשות בנוגע לכך.
מה שזה קונה לך בפועל הוא משטח בקרה. התבנית המתועדת היא שלוש רצועות ביטחון — לפעול אוטומטית בחלק העליון, לסמן או לאשר באמצע, לנתב לאדם בתחתית — כשהספים נמצאים בקוד שלך ולא במודל. האם הרצועות כנות היא שאלה אמפירית לגבי הנתונים שלך, וזו שאלה ש-TypeSafe אומרת לך במפורש לענות עליה בעצמך, בציינה שספי ביטחון הם ספציפיים למקרה שימוש ויש לבדוק אותם מול הדוגמאות המתויגות שלך. ההוראה הזו היא המשפט החשוב ביותר בתיעוד, ומה שהתיעוד אינו מכיל הוא כל תיאור חיצוני האם השיטה שמאחורי הרצועות עושה את מה שהשם שלה אומר. מאז השבוע יש תיאור חלקי, והוא שחזור ולא חשיפה: הנתיחה שלאחר המוות של RL של RSI-Jev בונה שחזור מבוקר בן שבע זרועות של הניחושים שפורסמו ב-RLCD — פלח של 13.8 אלף שאלות, 1,500 צעדים לכל זרוע — ומפרסם מה קרה לכל זרוע, כולל אלו שנכשלו. כל תגמול RL בו החמיר את הכיול הגולמי; ראש ביטחון זול לאחר מעשה החזיר את כולם למעט זרוע הניקוד ההולם; ואף מטרה לא שיפרה את סדר הביטחון. הוא נסגר בהצגת שלושה מרכיבים ש-RLCD חייב להכיל, בניסוח כהשערה לגבי איך השיטה יכולה לעבוד ולא כטענה לגבי הפנימיות של TypeSafe, שאיש מחוץ לחברה לא ראה. קרא אותו כראיה הראשונה מצד שלישי שתושב לצד טענות הכיול הממוינות להלן, לא כהצצה פנימה לתוכן; הרקע של השיטה עצמה נמצא בהסבר שלנו RLCD Explained.
המספרים, ממוינים לפי מי שהפיק אותם
זה המקום שבו רוב הסיקור של Jev מאבד חדות, ולכן כדאי להיות מפורשים לגבי המקור. הנה מה שמגיע מהיצרן, מה שהגיע מבודקים עצמאיים, ומה שפשוט אינו ידוע.
• דווח על ידי הספק, לא שוחזר — טענות המהירות והעלות המרכזיות. השהיה מקצה לקצה של 70-500 מ"ש לעומת 3-329 שניות עבור קריאות למודלי LLM מתקדמים; מהיר פי 20-200 וזול פי 40-400; תוצאת תהליך עבודה אחת במקרה הטוב ביותר שפורסמה כמהירה פי 193.6 וזולה פי 444.6. TypeSafe מודה שאלה נתוני המקרה הטוב ביותר ולא נתונים אוניברסליים.
• מדווח על ידי הספק, וניתן לבדיקה בגיליון המחירים — 0.042 דולר למיליון אסימוני קלט, שהם 42 דולר למיליארד, כאשר הפלט בחינם. הסיבה שהפלט בחינם היא מכנית ולא שיווקית: אין פענוח אוטורגרסיבי למדידה, ולכן אין אסימוני פלט לחייב עליהם. לשם קנה מידה, אותם חומרי השקה מציבים את מחיר הקלט האופייני בחזית על 0.20 עד 10 דולר למיליון, כאשר הפלט הוא לעיתים קרובות בערך פי חמישה ממחיר הקלט.
• לפי דיווח הספק, מבנצ'מרק פנימי — לוח המחוונים של זרימת העבודה של TypeSafe עצמה, 711 מקרים בארבע משימות, כשתשובות הייחוס נגזרו מהשיפוט הממוצע של GPT-6 Astra ו-Claude Fable 5.1 ולא מאמת מוחלטת. בלוח המחוונים הזה Jev מגיע לציון מצטבר של 67.8% לעומת 74.1% של המשווה הטוב ביותר. בפילוח: אירועי אבטחה 61.7% לעומת 66.2% של Opus 5; נראות עקבות סוכנים 71.6% לעומת 76.6%; עיבוד חשבוניות 61.8% לעומת 79.1%; שירות לקוחות 76.0% לעומת 78.3%. Jev מנצח בעמודות העלות וההשהיה בתרשים הזה ומפסיד בעמודת הדיוק. לוח המחוונים עצמו מציין הטיית מערך בדיקה אפשרית, ו-TypeSafe מסרה שהיא דילגה במכוון על לוחות דירוג ציבוריים לטובת הערכות חד-פעמיות הקשורות לעדכוני מוצר.
• נמדד באופן בלתי תלוי, מדגם קטן — הבדיקה החיצונית הראשונה, ריצת Every שתוארה לעיל: 777 שיפוטים בפחות מ-0.7 שניות תמורת בערך רבע סנט; 1,709 שיפוטים ב-11 ניסויים תמורת פחות מסנט בסך הכול; בערך פי 25 מהיר יותר ובשיעור 1/580 מהעלות של Claude Fable 5.1 במשימת סיווג של 12 קטעים, תוך החמצת אחד משבעה פגמים מושתלים שהמשווה תפס. המסקנה של Every עצמה הייתה שהיא תעדיף בדיקת דיוק יסודית הרבה יותר לפני הכנסתו לייצור — בדיקה שאכן הגיעה חלקית מאז, להלן.
• נמדד באופן עצמאי, רשום מראש, וגדול יותר — צוות חיצוני פרסם הערכה רשומה מראש ב-20 בספטמבר 2026, שקבעה 21 ניסויים ו-50 תחזיות לפני שיצאה בקשה אחת, על פני 5,721 קריאות. על סט ייחוס של 400 פריטים, Jev השיג 95.9% zero-shot, לעומת 77.2% עבור כללי מילות מפתח שנכתבו ביד ו-66.0% עבור בסיס TF-IDF מפוקח. אותו מחקר מתעד את מצב הכשל שחשוב יותר מהכותרת: כאשר תיאורי הקריטריונים בשאלה היו שגויים, הדיוק צנח ל-16.7%, מתחת לרצפת האקראיות של 25% עבור אותה משימה. המחברים חושפים את ההטיה שלהם בכיוון ההפוך — 18 מתוך 21 התחזיות המופרכות שלהם פספסו באותו אופן, כי הם המשיכו לחזות כישלון והמשיכו לטעות.
• נמדד באופן בלתי תלוי, מחוץ להתפלגות — מחקר כיול נפרד, שפורסם ב-19 בספטמבר 2026, בנה 900 פניות תמיכה שנוצרו לפי כללים, שהתוויות שלהן תלויות חלקית במדיניות פנימית של דירוג חשבונות שאינה מופיעה בשום מקום בטקסט, כך שאף מודל לא היה יכול לשנן אותה, והריץ אותן לצד 3,721 פריטי בנצ'מרק ציבוריים. בזרוע הסינתטית, שגיאת הכיול הצפויה של Jev הייתה 0.107, לעומת רצפת רעש של 0.024 שהמחברים חישבו עבור מודל מכויל באופן מושלם — בערך פי 4.4 מרצפת הרעש. בבנצ'מרקים הציבוריים אותו מחקר מדד 0.024 עד 0.032. הפער בין שני הטווחים האלה הוא הממצא.
• לא ידוע — הארכיטקטורה. אין מאמר בעת ההשקה, אין מספר פרמטרים, אין גילוי של חישוב האימון, אין משקלים. TypeSafe אמרה שהפרטים נשמרים "קרוב לחזה לעת עתה", עם מאמר שאולי יגיע מאוחר יותר. גל השחזור מאמצע ספטמבר לא שינה זאת: הפרויקטים האלה בונים מחדש את ההתנהגות עם הארכיטקטורות שלהם, ואף אחד מהם לא חושף כיצד המודל של TypeSafe עובד. הצ'קפוינטים הפתוחים שפרויקט צד שלישי מפרסם כעת הם של אותו פרויקט עצמו, ולא שחרור של TypeSafe, והם לא משנים דבר במשפטים שלמעלה — הדיווח המלא על מה שהספק הוציא ומה שלא הוציא נמצא ב"האם Jev הוא קוד פתוח?".

הדפוס לאורך הדרגים האלה עקבי, והוא אינו הדפוס שכותרת ה-200x מרמזת עליו. כל נתון עצמאי ונתון של הספק מסכים לכך ש-Jev זול באופן דרמטי ומהיר באופן דרמטי. שום נתון בשום מקום, כולל של TypeSafe עצמה, לא מראה שהוא מדויק יותר ממודלי החזית שמולם הוא מתומחר — בלוח הבקרה של הספק עצמו הוא מגיע בערך לרמה של מודל טוב בדרג ביניים. מה שהעבודה החיצונית החדשה יותר מוסיפה הוא צורה לסיפור הדיוק, ולא כותרת חדשה. בסוגי משימות שהוא כבר ראה, הוא יכול להיראות חזק מאוד: 95.9% zero-shot במערך הייחוס בן 400 הפריטים של הצוות עצמו, שנרשם מראש, הרחק מעל בסיסי מילות המפתח ו-TF-IDF שמולם הוא נמדד. בקלט שנבנה להיות שונה מכל מה שהוא ראה, הביטחון שלו מאבד את אחיזתו. ההשוואה שמחזיקה מעמד היא עדיין לא „חכם כמו מודל חזית במאית מהמחיר” — אלא „קרוב לשיקול הדעת של מודל בדרג ביניים בשבריר סנט לקריאה, מהיר מספיק כדי לרוץ בכל תור בודד”.
מה "אפס הזיות" כן ולא אומר
חומרי ההשקה של TypeSafe כוללים תרשים המציג שיעור שגיאות של 0% בקריאות לכלים עבור Jev לעומת שיעור שאינו אפס במודלים להשוואה, והביטוי "עמיד להזיות" מלווה את המודל. שניהם נכונים ושניהם צרים יותר מכפי שהם נקראים.
ההבטחה היא מבנית. כל תשובה אפשרית נמנית מראש לפני שהמודל רץ — אתה סיפקת את רשימת האפשרויות, את מחוון הניקוד, או את טענת האמת/שקר — ולכן אין מרחב שבו ניתן לפלוט ערך מחוץ לטיפוס המוצהר. קריאה פגומה לכלי אינה משהו ש-Jev יכול להפיק. זו תכונה הנדסית אמיתית, ולכל מי שבילה שבוע בכתיבת לוגיקת ניסיונות חוזרים סביב כשלי פענוח JSON, היא שווה כסף אמיתי.
זו אינה טענה לגבי נכונות. תשובה תקפה מבחינת סכימה עדיין יכולה להיות שגויה: Jev יכול לנתב בביטחון תלונת חיוב אל התור הטכני, והפלט יהיה תקין לחלוטין ובמקביל חסר תועלת. Almeida אמר זאת בעצמו, כשהוא מכיר בכך שאפשר להיות טועה בביטחון. הדרך המועילה להחזיק את שתי העובדות היא ש-Jev מבטל את סוג השגיאה שמקורו בעיצוב הפלט, ואינו עושה דבר כלל לגבי הסוג שמקורו בשיקול דעת. מה שאומר ששאלת הדיוק היא כולה שאלת כיול, וכיול הוא בדיוק הדבר שעליך למדוד בעצמך.
ההערכות החיצוניות הראשונות מוסיפות אזהרה ספציפית לגבי האופן שבו אותה הבטחה מבנית מתנהגת בסביבת ייצור. מכיוון ש-Jev תמיד מחזיר אחת מהתשובות שסיפקת, אין לו דרך לומר "אף אחת מהאפשרויות שלעיל" אלא אם כן תיתן לו אחת. הרצה שנרשמה מראש בספטמבר ביקשה ממנו לסווג חומר ללא קטגוריה תקפה, ומצאה ש-0 מתוך 30 הודעות מחוץ לתחום סומנו, כל אחת הוחזרה בביטחון של 0.99. מתכון לעוגה, או עמוד של אותיות אקראיות, חוזר כקטגוריה בביטחון גבוה, מפני שקטגוריה היא מה שהבקשה דרשה. התיקון הוא הרגל תכנוני ולא הגדרה של המודל: כלול אפשרות מילוט מפורשת בכל רשימת Choice וענף false בכל טענת Noul, והתייחס להיעדרו של אחד מהם כאל באג בטקסט השאלה שלך.
איך לבדוק את טענת הכיול על הנתונים שלך
כיול הוא אחד מתכונות המודל הבודדות שאפשר לבדוק כראוי עם כמה מאות דוגמאות ובלי תשתית ML, והוא המבחן היחיד שחשוב לפני ש-Jev נוגע בנתיב ייצור. ההליך קצר.
קח כמה מאות מקרים שכבר יש לך עבורם תוויות. שאל את Jev את השאלה שחשובה — החלטת הניתוב, ציון הסיכון, בדיקת הפגם — וסווג את התשובות לפי רמת הביטחון שהיא דיווחה. ואז בדוק אם קבוצת הביטחון 0.9 צודקת בערך 90% מהזמן, קבוצת 0.7 בערך 70%, וכן הלאה. מודל מכויל היטב משרטט קו אלכסוני. מודל שהוא רק בטוח מקבץ הכול מעל 0.9 וצודק 70% מהזמן, וזו הצורה שבשקט שוברת צינור עיבוד אוטומטי.
אותו מבחן אומר לך באילו ספים להשתמש. אם דלי ה-0.9 באמת מדויק ב-90% על הנתונים שלך, אתה יכול להאוטמט אותו. אם רצועת הביניים שלך היא דייסה, אתה מנתב אותה לאדם או מוסר אותה למודל גנרטיבי ונותן למסלול היקר להתמודד עם העמימות. הפיצול הזה — מודל זול על הרוב הבטוח, מודל יקר על השארית הלא-בטוחה — הוא הארכיטקטורה ש-Jev בעצם מצדד בה, וזו הסיבה שהדרך הטובה ביותר להבין את המודל היא כרכיב ולא כתחליף.
מחקר מחוץ להתפלגות הוא התשובה החיצונית הראשונה לשאלה הזו, והוא אזהרה ולא אישור. כשהורץ מול 900 כרטיסי תמיכה סינתטיים שהמדיניות המכרעת שלהם חסרה מהטקסט, הביטחון של Jev הפסיק להתאים לדיוק שלו: שגיאת כיול צפויה 0.107 מול רצפת רעש של 0.024, בערך פי 4.4 ממה שמודל מכויל באופן מושלם היה משיג על אותה קבוצה. בשלושת הבנצ'מרקים הציבוריים הוא נע בין 0.024 ל-0.032 — כך שהמודל מכויל היטב על סוג הנתונים שעבורם נבנה ונמדד, ופחות באופן מהותי ברגע שהמשימה אינה מוכרת. פרימיטיב הניקוד היה החלש מבין השלושה, עם דיוק של 44.7% והסתברות מוצהרת ממוצעת של 0.74. מחברי המחקר עצמם מבקשים מהקוראים להתייחס לכיוון של התוצאה ולא לגודל המדויק, שכן משפחת משימות סינתטיות אחת ב-n=900 אינה חוק כללי. הכיוון הוא החלק שחשוב למי שכותב ספים: הרץ את מבחן הדליים שלמעלה על התוויות שלך לפני שאתה הופך החלטה לאוטומטית, כי הכיול שאתה רואה בבנצ'מרקים ציבוריים אינו הכיול שתקבל בתעבורה שלך.
מה זה עולה, בפרוטרוט
התמחור פשוט דיו כדי לבצע עליו חישוב, וזה נדיר. הקלט הוא $0.042 למיליון טוקנים — התעריף ש-TypeSafe מפרסמת, והתעריף שמופיע בקטלוג של OrcaRouter — והפלט בחינם. בתקציב המתועד של כ-64,000 טוקני קלט, קריאה אחת בגודל המרבי עולה פחות משלוש עשיריות סנט.
שני נתונים שדווחו נותנים תחושה של סדר גודל. משתמש מוקדם ביצע כ-5,000 בקשות בעלות של כ-2 דולר. ההדגמה של Doom — Jev מנווט בוט באמצעות תיאור טקסטואלי של מצב המשחק ולא פיקסלים גולמיים — פעלה בקצב של כ-10 קריאות בשנייה בעלות של כ-7 דולר לשעה. ו-777 השיפוטים של Every על פני 37 מסמכים הסתכמו בכרבע סנט בקירוב, וזה המספר שהופך את מקרה השימוש המעניין למובן: במחיר הזה, בדיקת כל סבב בודד בלולאת סוכן מפסיקה להיות החלטת עלות והופכת לברירת מחדל.
זו הטענה האמיתית בעד Jev. מעבר אימות בכל תור — האם קריאת הכלי הזו סתרה את הקודמת, האם הפלט הזה תואם את הכוונה שהמשתמש הצהיר עליה, האם זה צריך להעלות דגל — תמיד היה אפשרי מבחינה טכנית עם מודל חזית, ואבסורדי מבחינה כלכלית בקנה מידה. בתעריף של 0.042 דולר למיליון טוקנים, ללא חיוב על פלט, אותו מעבר נעשה בר-השגה בכל תור. הערך כאן אינו בכך ש-Jev חושב טוב יותר ממודל חזית, כי הוא לא. הערך הוא בכך שהוא חושב בזול ובמהירות מספיק כדי שיתייעצו בו ללא הרף.
כדאי לומר זאת בפשטות, כי זו השאלה הבאה המתבקשת: OrcaRouter הוסיפה את typesafe/jev-1.13 לקטלוג שלה ב-24 בספטמבר 2026, והמודל פעיל בכרטיס המודל Jev 1.13 היום — API אחד למעל 200 מודלים במחיר המחירון של הספק, מועבר הלאה עם 0% תוספת, כך שקיצוץ מחיר מצד הספק מגיע לצד שלנו באותו יום שבו הוא יוצא. שני פרטים על האופן שבו הוא מוצע, כי אלה הדברים שאנשים שואלים עליהם. בקשות נשלחות אל POST /v1/systemone, ללא סטרימינג, על הקשר של 65,536 טוקנים; זו אינה הצורה של chat-completions, ולכן Jev יושב על סוג endpoint משלו במקום להיות מקופל לתוך נתיב הצ'אט. והכרטיס מפרסם את חלון ההגשה שלנו עצמנו של שבעה ימים, שנמדד על תעבורה דרך ה-playground שלנו מאז 24 בספטמבר ולא נוסח מחדש מהספק: p50 151 מ"ש, p95 247 מ"ש, 349 טוקני פלט בשנייה, ושיעור שגיאות של 0.49% על פני 76.2 מיליון טוקנים. זה מה שהופך את תבנית שני-המודלים שאותה Jev מצדיק לחוזה אחד במקום שניים. Jev מקבל את ההחלטה הטיפוסית, מודל גנרטיבי מטפל בחלק שזקוק לפרוזה, לקוד או להסבר, שני החצאים מחויבים באותו מפתח במחיר המחירון של הספק, וכשל אוטומטי מונע מרכיב החלטה שמתברר כלוקה בכיול גרוע להפוך לאירוע בייצור.

היכן שג'ב אינו מתאים
המגבלות מנוסחות בבהירות יוצאת דופן על ידי הספק, מה שהופך את הקטע הזה לקל לכתיבה בכנות. Jev אינו יכול לייצר טקסט חופשי. הוא אינו יכול לכתוב קוד. הוא אינו יכול לנהל שיחה. אין לו ממשק צ'אט, אין קלט תמונות, ותקציב בקשות של כ-64,000 טוקנים — כ-32,000 מהם מכסים את המצב בתוספת השאלה הבודדת הארוכה ביותר — סדר גודל נמוך יותר מהמודלים בעלי ההקשר הארוך שאיתם הוא מושווה מבחינת מחיר. שדות בחירה מוגבלים ל-255 אפשרויות. והתכונה "אי-הזיה", כפי שצוין לעיל, נוגעת לפורמט הפלט ולא לאמת.
הרשת היא התאמה צרה למדי. טוב: סיווג וניתוב בנפח גבוה, מעברי בקרת בטיחות ואימות, החלטות קריטיות לשהיה, ניקוד של מערכי מסמכים גדולים במקביל, בכל מקום שבו התשובה הנכונה היא באמת בחירה, מספר על סקאלה או ערך בוליאני. גרוע: יצירה פתוחה מכל סוג, חשיבה בהקשר ארוך, דיאלוג רב-תורי, או כל משימה שהתשובה הנכונה שלה היא משפט. אם הבעיה שלך לא מצטמצמת לשאלה בעלת טיפוס, Jev אינו דרך זולה יותר לפתור אותה — הוא כלל אינו דרך לפתור אותה.
יש גם ביקורת הוגנת על המסגור ששווה לשאת הלאה. לקרוא ל-Jev מודל חזית לווה אמינות שהמודל לא הרוויח: הוא לא יודע לכתוב קוד, לשוחח או לכתוב משפט, ותרשימי ההשוואה נשענים על מודלי חזית כקו הבסיס בעוד שעמודת הדיוק מספרת סיפור אחר. הטענה המוגנת יותר, וזו שהראיות בעצם תומכות בה, היא ש-TypeSafe דחפה הרחק קדימה את חזית המהירות והעלות עבור החלטות מובנות. זה דבר משמעותי לעשות. זה דבר שונה מלבנות מודל שמתחרה ב-GPT-6 Astra או ב-Claude Fable 5.1.
מה היה משנה את התמונה הזו?
ארבעה דברים היו מכריעים את העניין, והשבוע שחלף מאז שהמודל נפתח הזיז שלושה מהם.
• מאמר ארכיטקטורה שפורסם או משקלים פתוחים. עדיין החור הגדול ביותר. כל מה שקשור לאופן שבו Jev משיג את המהירות שלו נשאר קופסה שחורה, והטענה שהערכה מקבילית היא המנגנון — האנלוגיה שאלמיידה משרטט היא החלפת חישוב סדרתי בדרך שבה טרנספורמרים החליפו רשתות רקורסיביות — היא קביעה ולא תוצאה מוכחת. גל הקוד הפתוח שלהלן מממש מחדש את ההתנהגות; אף אחד ממנו אינו חושף כיצד המודל של TypeSafe עובד. עד שהתכנון יפורסם, המהירות היא עובדה וההסבר הוא שיווק.
• הערכה שנייה ובלתי תלויה עם מדגם גדול יותר. זו הצליחה חלקית. הרצת 20 בספטמבר הרשומה מראש מכסה 5,721 קריאות ומערך ייחוס של 400 פריטים, שזה מדגם גדול בהרבה מ-12 הקטעים של Every ומעוצב טוב יותר בהרבה, וזהו הראיה הבודדת החזקה ביותר שקיימת עבור Jev. הוא גם נכתב על ידי הצוות עצמו, ביום אחד, במקום אחד, והורץ כנגד גרסת מודל אחת, והצוות מפרסם את המגבלות של עצמו לצד התוצאות שלו. מה שזה קובע הוא ש-Jev טוב באמת בדבר שלשמו הוא נועד; מה שזה לא קובע הוא כיצד הוא מתפקד במשימה של מישהו אחר.
• ביקורת כיול על קלט מציאותי ומבולגן. זו נחתה, והיא התוצאה הפחות נוחה במאמר הזה. מחקר מחוץ להתפלגות שלמעלה הוא הרצת הביקורת הראשונה על חומר שנבנה להיות לא מוכר למודל, והוא מצא ניתוק של הביטחון מהדיוק בבערך פי 4.4 מרצפת הרעש של מודל מכויל באופן מושלם — בעוד שאותו מודל נראה מכויל היטב בשלושה מבחני בנצ'מרק ציבוריים. משפחת משימות סינתטית אחת עם 900 פריטים אינה פסק דין, והמחברים אומרים זאת. זה מספיק כדי להעביר את השאלה מ"האם Jev מכויל?" ל"מכויל על מה?", וזו השאלה השימושית יותר בכל מקרה.
• שכפול שמנצח את Jev בכללים של Jev עצמו. עדיין לא, והגל לא נעצר בספטמבר. בתוך כ-48 שעות מההשקה, לפחות שישה פרויקטים פתוחים עצמאיים כבר שחררו מודלי החלטה בצורת Jev — אחד בנוי על מקודד עם 421 מיליון פרמטרים, אחד LoRA על מודל 9B, ואחד קטן מספיק להיכנס לכמה עשרות קילובתים — ועד 23 בספטמבר אחד מהם עמד בראש רשימת הטרנדים של פלטפורמת אחסון מודלים. כל השוואה שהפרויקטים האלה מפרסמים היא דיווח עצמי של הצוות שבנה את האלטרנטיבה, וכל אחד מהם משתמש בסט ההערכה שלו בלבד. התוצאות מצביעות לכיוונים שונים: המשוכפל שמנצח בסיווג חדשות מפסיד בגדול במשימת כוונות בת 77 דרכים, ובהשוואה הראש-בראש העצמאית היחידה שנערכה על קלט זהה לחלוטין Jev מוביל בשש מתוך תשע חבילות. הדיוק של Jev עצמו על מדד בודד פורסם עד כה בארבעה ערכים שונים על ידי ארבע הערכות שונות. העמיד שבגל הזה הוא RSI-Jev, והוא המופע הקונקרטי והמתוארך של הטענה הזו: פרויקט פתוח של צד שלישי שבונה מודלי החלטה בסגנון Jev של System One, קוד תחת MIT, משקלים תחת Apache-2.0 ב-Hugging Face, ועם שורת רישיון שאומרת "Not affiliated with TypeSafe AI". המהדורה שלו השבוע היא 4B RSI-Jev v6.0-VL, שפורסמה ב-2026-10-06 והיא השביעית בלולאת שיפור עצמי שהריצה 471 ניסויים ושמרה מעט מאוד מהם: מגדל Qwen3.5-4B-Base עם ראש תשובה מאומן, מעבר קדימה אחד לכל החלטה, ושום דבר אינו נוצר. הוא מבזבז עומק במקום טוקנים — ראשי תשובה בשכבות 16, 20 ו-32, כך שבקשה נעצרת בראש שבו הביטחון מספיק ראשון, חציונים של 23, 27 ו-40 מ"ש על H200 אחד ב-bf16 — והוא מדבר בדיוק בפורמט החוטים של TypeSafe: אותה בקשה, אותם שלושה סוגי שאלות, אותה סטטיסטיקת ביטחון, כך שכל דבר שנכתב מול Jev עובד מולו בלי שינויים. במדד ההחלטות הציבורי של הפרויקט עצמו הוא מדווח 38.38 עד 46.24 במהדורה אחת, עם 0.698 על הסט המוחזק שלו ו-0.440 ב-MMLU-Pro — נתונים שלו על הלוח שלו, ואין השוואה ראש-בראש עצמאית בינו לבין Jev 1.13. זו אינה מהדורת משקלים של Jev, היא אינה הופכת את המודל של TypeSafe לפתוח, ו-TypeSafe לא יצרה אותה ולא אישרה אותה; המהדורות המוקדמות יותר בקו הזה היו מודלי 2B על Qwen3.5-2B-Base, ותוצאת ה-RL שעל שמה יצא לפרויקט השם היא מ-v3.0, מתאריך 2026-09-28 ושלוש מהדורות אחורה — המהדורה הראשונה שבה שלב RL ניצח את המודל המפוקח שהוא המשיך ממנו, תגמול דירוג-רשימתי (listwise reranking) על 16 מועמדים שהעלה את ה-R@1 של הדירוג מ-0.192 ל-0.308 לעומת האב שלו, עלייה של 60%, בעלות חבילה של 0.0028. בקטלוג שלנו אין מזהה ל-RSI-Jev: מה שאנחנו מגישים הוא typesafe/jev-1.13 בנקודת הקצה systemone, והפרויקט הזה מורץ מהמאגר שלו עצמו. התיעוד המלא למי שמגיע לכאן לראשונה נמצא במאמר "מהו RSI-Jev?".
מה שהגל הזה מדגים הוא לא ש-Jev הובס — אלא שניתן לבנות מודל פתוח שיעשה בערך את העבודה הזאת בסוף שבוע, וזו טענה שונה ועמידה יותר לגבי היכן נמצא החפיר. העמדה שנובעת מכך צרה מזו שהייתה לפני שבוע, ויותר ספציפית. Jev הוא מודל אמיתי, שהופץ, זול באופן חריג, שכעת פתוח לכל מי שיש לו חשבון, עם יתרון מבני אמיתי באמינות הפלט, פרופיל דיוק בסביבות דרג הביניים לפי המספרים של הספק עצמו, וטענת כיול שנבחנה פעמיים באופן בלתי תלוי מאז ההשקה: פעם אחת בבנצ'מרק גדול, אוהד, שנכתב על ידם, ופעם אחת על קלט לא מוכר שבו ציוני הביטחון לא החזיקו מעמד. התייחסו לתוצאה השנייה כמלמדת יותר. אם בתהליך העבודה שלכם יש שלב שמצטמצם לשאלה מוקלדת שנשאלת לעתים קרובות מספיק כדי שמודל חזית יהיה בזבוז, זו אחת הדרכים הזולות ביותר לשאול אותה — וערך הביטחון שהוא מחזיר הוא עדיין החלק שצריך לבדוק על הנתונים שלכם לפני שאתם סומכים, לא המהירות. אפשר לבדוק אותו גם בלי חשבון שני: typesafe/jev-1.13 פעיל ב-OrcaRouter לצד המודלים הגנרטיביים שתהליך עבודה בצורת Jev זקוק להם.
