Articul8 Bivia: Model Keputusan yang Dapat Abstain — dan Tidak Memiliki Daftar Harga

Baris paling konsekuensial dalam dokumentasi API Bivia bukanlah benchmark. Melainkan status. Panggilan yang dijawab kembali dengan sebuah nilai, probabilitas antara 0 dan 1, dan distribusi atas opsi yang Anda tawarkan. Panggilan yang ditolak kembali dengan value: null, sebuah abstain_reason, dan distribusi yang sama — model memberi tahu Anda, dalam field bertipe, bahwa bukti tidak mendukung suatu komitmen. Articul8 Bivia, diluncurkan dari Santa Clara pada 28 Oktober 2026, adalah model keputusan multimoda, bukan model generatif: satu HTTP POST masuk, JSON bertipe keluar, nol token keluaran. Field abstention adalah fitur yang paling diandalkan oleh peluncuran ini, dan itu adalah fitur yang dapat Anda nonaktifkan dengan satu parameter. Apakah daya tarik itu tetap berlaku adalah pertanyaan tentang kalibrasi, dan titik rujukannya adalah TypeSafe AI's Jev-1.13 — model keputusan yang paling banyak dibahas blog ini, dan yang sudah dapat Anda panggil melalui OrcaRouter.

Letakkan keduanya berdampingan dan perbedaannya adalah apa yang akan diterima masing-masing model sebagai input. Jev menjawab pertanyaan yang diketik tentang teks. Bivia menerima teks, gambar, dokumen, kode, sinyal sensor, audio, dan video, serta mendasarkan jawabannya pada artefak: kotak pembatas, offset karakter, stempel waktu video. Yang dimiliki bersama oleh kedua vendor adalah masalah bisnis, bukan arsitektur. Keduanya dijual sebagai cara untuk berhenti membayar tarif model frontier untuk penilaian yang berujung pada ya, tidak, label, atau angka. Versi Articul8 dari tawaran itu datang dengan API yang berfungsi, penawaran token gratis, dan tanpa harga per token yang dipublikasikan, yang menjadikan keputusan pertama yang dipaksakan Bivia kepada Anda sebagai keputusan akuntansi.

Apa yang sebenarnya dikembalikan oleh Bivia

Halaman produk itu luar biasa spesifik tentang kontraknya, yang layak dibaca dengan saksama karena siaran persnya tidak demikian. Sebuah keputusan adalah POST dengan kunci API Anda di BIVIA_API_KEY; responsnya selalu berupa bentuk JSON yang sama setiap kali, dan itulah inti dari keluaran non-generatif. Anda memilih salah satu dari sembilan primitif — Decide, Choice, Boolean, Score, Set, Span, Ground, Extract, dan "Data science" — dan jawabannya dipaksa ke salah satu dari lima bentuk bertipe. Tanpa prosa, tanpa langkah parsing, tanpa kurung kurawal terpotong pada token 4.000.

• Input — teks, gambar, dokumen, kode, sinyal, audio, dan video, tujuh modalitas melalui satu arsitektur bersama alih-alih pipeline terpisah per format.

• Keluaran — Choice, Boolean, Score, Set, dan Span, masing-masing dikembalikan dengan probabilitas terkalibrasi dan distribusi di antara opsi yang Anda berikan.

• Mode — Fast menjalankan satu keputusan dalam satu lintasan; Deep memutuskan lalu menantang keputusannya sendiri sebelum menetapkan; Fast dapat ditingkatkan dengan think: true. Strip ringkasan halaman menampilkan "Fast Deep Thinking" sementara bagian detail menjabarkannya sebagai "Fast · Deep · Abstain", sehingga apakah Thinking adalah mode keempat atau tombol pada Fast masih dibiarkan belum terselesaikan oleh vendor.

• Penolakan — opsional. Kirim allow_abstain: false dan Bivia berkomitmen untuk memberikan jawaban setiap kali, yang menghilangkan pengaman dan membuat Anda memiliki probabilitas yang mungkin mendekati nol.

• Grounding — region, offset, dan stempel waktu turut menyertai jawaban, sehingga pemeriksaan di hilir dapat membuka kembali bukti pada piksel atau detik yang persis digunakan model.

• Bahasa — 50+, dengan halaman tersebut menyebutkan bahasa Inggris, Jepang, Korea, Hindi, Tamil, Spanyol, Jerman, dan Portugis di antaranya.

Permukaan integrasinya lebih luas daripada yang biasanya dimiliki sebuah API keputusan. Server MCP untuk Claude Code, Codex, Cursor, dan VS Code, sebuah CLI dan skill Claude, aplikasi desktop mengambang untuk macOS dan Windows, ekstensi Chrome dan Edge yang memungkinkan Anda memilih area layar lalu bertanya tentangnya, add-on Google Workspace dengan formula =BIVIA.DECIDE, =BIVIA.CHOICE, dan =BIVIA.SCORE, serta SDK dalam Python, Node.js, Go, dan Rust. Tidak satu pun dari itu mengubah apa model tersebut. Namun itu berarti uji coba hanya membutuhkan satu perintah, bukan sebuah proyek integrasi.

Sakelar abstain adalah keseluruhan produk, dan itulah hal yang paling sedikit diukur tentangnya.

Abstensi adalah gagasan yang tepat dan separuh klaim yang lebih sulit. Lapisan keputusan yang menebak lebih buruk daripada model generatif yang menebak, karena jawaban bertipe tampak dapat diaudit, terlepas dari apakah jawaban itu benar-benar layak diperoleh. Jadi pertanyaan yang menarik bukanlah apakah Bivia dapat mengembalikan abstensi—API membuktikan bahwa ia bisa—tetapi apakah keyakinannya cukup terkalibrasi sehingga penolakan tepat sasaran pada kasus yang benar-benar ambigu dan komitmen tepat sasaran pada kasus yang jelas. Itu adalah sifat yang dapat diukur, dan Articul8 belum menerbitkan pengukurannya.

Yang ada sebagai gantinya adalah kerja independen pada kategori tersebut. JEVal, sebuah benchmark yang diperkenalkan dalam arXiv 2610.03935, menguji 25 konfigurasi model pada 11.257 instans yang diambil dari 36 dataset di 10 domain aplikasi. Temuannya tajam: model keputusan umum berkinerja terbaik ketika jawaban dapat diselesaikan dari bukti yang ada di hadapan mereka, dan menjadi kurang andal ketika pengetahuan spesialis diperlukan atau ketika ketidakpastian harus diperkirakan secara akurat. Frasa dalam abstraknya adalah bahwa model-model ini dapat memilih hasil yang paling mungkin sambil "secara substansial melebih-lebihkan probabilitasnya". Makalah yang sama menjalankan τ-bench dan menemukan bahwa keputusan lokal yang lebih cepat mempersingkat episode — tetapi keberhasilan tugas secara keseluruhan menurun seiring kesalahan terakumulasi dalam lintasan yang panjang.

Temuan kedua itu langsung menyerang argumen untuk menempatkan model keputusan pada setiap langkah agen. Efek berantai adalah mode kegagalan yang disembunyikan oleh angka akurasi per langkah: langkah yang benar 90% dari waktu hanya benar 59% dari waktu setelah lima langkah yang saling bergantung. Sebuah uji pra-registrasi terpisah di Zenodo (SILT-RP-010) menguji tujuh model keputusan melalui 799 keputusan ya/tidak yang belum dipublikasikan dan hanya menemukan satu konfigurasi yang konsisten dengan klaim kalibrasinya sendiri; Jev memperoleh ECE sebesar 0.052, yang dicatat para penulis sebagai tidak konklusif alih-alih terkonfirmasi. Tidak ada satu pun dari ini yang tentang Bivia, dan tidak ada yang harus dibaca sebagai putusan terhadap Bivia. Ini adalah standar yang diterapkan pada kategori ini, dan Bivia belum dituntut untuk memenuhinya.

Jika data langsung memang ada, datanya cukup tipis untuk diakui secara jujur. Seorang pengembang menjalankan 42 keputusan berlabel dari agen pengodean miliknya yang bekerja semalaman melalui Jev-1.13 dan Clef-Flash, dan keduanya menangani sepuluh pilihan tindakan penggunaan komputer dengan sempurna, termasuk dua jebakan keselamatan — salah satunya memerlukan abstensi — sementara keduanya melewatkan empat kasus pengawasan yang sama. Ia sendiri menyebutnya sebagai "benchmark 42 kasus dari agen satu orang, bukan makalah". Bivia tidak termasuk di dalamnya.

Benchmark utama menyebutkan pembandingnya, yang lebih dari yang dilakukan sebagian besar peluncuran

Uji perutean alat internal Articul8 memberi Bivia skor 0,91 berbanding Jev 0,84, dan rilis itu menyebutkannya dengan nama alih-alih berlindung di balik "pesaing terkemuka". Itu patut diapresiasi; pembanding yang disebutkan namanya dapat difalsifikasi dengan cara yang tidak dimiliki pembanding anonim. Blok tolok ukur lainnya memerlukan pelabelan yang lebih kuat:

Perutean alat — Bivia 0.91 vs Jev 0.84, internal vendor, metodologi tidak dipublikasikan.

• Penyelesaian alur kerja end-to-end — sekitar 73% vs 37% untuk model pembanding, angka yang muncul di unggahan peluncuran Articul8, bukan di siaran pers.

• Tugas Energy dan Verilog — akurasi 100% pada tugas terpilih setelah tuning domain. Rilis itu sendiri menandai tugas-tugas ini sebagai in-distribution, yang berarti tugas-tugas tersebut menyerupai data tuning; ini adalah pernyataan tentang kecocokan, bukan tentang generalisasi.

• Stabilitas jawaban — Articul8 mengklaim bahwa para pesaingnya, termasuk Jev, mengubah jawaban pada sekitar satu dari delapan percobaan saat opsi diurutkan ulang, sementara Bivia tetap konsisten. Tidak ada harness, sampel, atau kumpulan opsi yang diungkapkan.

Asimetri yang perlu diperhatikan ada di sisi lain perbandingan. {{1}}Jev telah melalui evaluasi independen{{/1}}: 37 dataset dalam satu studi arXiv, {{2}}JEVal suite{{/2}}, uji kalibrasi yang didaftarkan terlebih dahulu, dan beberapa harness yang dijalankan pengembang. {{3}}Bivia, yang baru berumur satu hari, memiliki siaran pers dan halaman produk{{/3}}. Itu normal untuk hari peluncuran dan bukan kritik terhadap model — itu alasan untuk memperlakukan 0.91 sebagai angka yang harus direproduksi, bukan angka yang menjadi dasar perencanaan.

Harga: Anda membayar untuk token masukan, dan tidak ada daftar tarif untuk menghitungnya.

Ketentuan komersialnya sederhana bentuknya dan kosong di bagian yang penting. Tidak ada langganan. Anda hanya membayar token input, yang merupakan konsekuensi dari model yang tidak mengeluarkan token apa pun. 10.000 pengguna pertama mendapatkan hingga 1 miliar token gratis. Untuk mengakses, Anda harus mendaftar di articul8.ai/bivia. Yang hilang adalah tarif sebenarnya: tidak ada angka dolar per juta token input yang muncul di halaman produk, dalam siaran pers, atau dalam postingan peluncuran. Grafik biaya di halaman itu — perbandingan "¢$$$ 1 forward pass" — hanyalah ilustrasi, bukan harga.

Tanpa tarif, Anda tidak dapat melakukan satu perhitungan yang menjadi landasan seluruh kategori ini, yaitu apakah panggilan keputusan lebih murah daripada panggilan generatif yang digantikannya. Angka demo Articul8 sendiri membuat daya tariknya terlihat tanpa membuatnya dapat dihitung: 10.058 keputusan terhadap telemetri pendinginan pusat data dalam waktu sekitar 15 detik, 13 di antaranya abstain dan diserahkan kepada operator; 200 lot wafer dan 1.000 keputusan selama satu shift 12 jam, lima panggilan per lot di delapan pemindai litografi; satu eksekusi yang dikutip seharga $0,40 tanpa menyebutkan apa isi eksekusi tersebut. Masing-masing adalah demonstrasi yang direkam dan diputar ulang oleh vendor, dan beberapa contoh di halaman tersebut secara eksplisit diberi label ilustratif.

Tingkat gratis adalah jawaban praktis untuk saat ini. Satu miliar token masukan cukup untuk menjalankan uji coba nyata — beberapa ratus kasus berlabel melalui Fast and Deep, dengan abstensi aktif dan nonaktif — sebelum siapa pun harus memberi Anda harga. Uji coba itu satu-satunya cara untuk mengetahui tingkat abstensi Anda pada data Anda sendiri, dan tingkat abstensi itulah yang menentukan apakah ekonominya berjalan. Ambang batas yang ketat mengirim lebih banyak kasus kepada manusia; ambang yang longgar meloloskan kesalahan yang tampak meyakinkan. Pertukaran antara cakupan dan risiko itu adalah inti klasifikasi selektif, dan tidak ada tolok ukur vendor yang menggantikan ambang batas Anda sendiri.

Video dan dokumen adalah titik ketika Bivia berhenti tampak seperti model keputusan lainnya

Model keputusan tekstual — Jev, Clef, berbagai rekonstruksi terbuka — menerima pertanyaan yang diketik tentang teks dan mengembalikan probabilitas. Arsitektur bersama Bivia atas tujuh modalitas adalah kategori produk berbeda yang memakai label yang sama, dan demo yang menunjukkannya adalah dokumenter 4K berdurasi 52 menit tentang Stasiun Ruang Angkasa Internasional yang dimasukkan bingkai demi bingkai dalam satu permintaan, memunculkan peristiwa berdurasi beberapa detik seperti lampu kota di sisi malam dan aurora. Pengambilan sampel bingkai akan melewatkannya; klaimnya adalah Bivia tidak melakukan sampling.

Itu adalah kemampuan yang benar-benar berbeda, dan itu mengarah pada kasus penggunaan industri yang sebenarnya dijual Articul8: rekaman inspeksi yang peristiwanya berlangsung tiga detik dalam empat puluh menit, gambar teknik, tabel dan bagan, serta jejak sensor. Pelanggan yang disebutkan adalah Hitachi Energy, CTC, AZing, dan Megazone, dan platform di sekitar Bivia terhubung ke lebih dari 25 sistem perusahaan dan operasional dengan penyebaran di cloud publik, privat, sovereign, dan air-gapped. Namun, penyetelan domain digerakkan oleh penjualan — instruksi halaman itu sendiri untuk hal ini adalah "Bicaralah dengan kami tentang domain Anda". Jadi angka 100% untuk energi dan Verilog menggambarkan penyebaran yang telah disetel yang dibangun dengan bantuan Articul8, bukan model yang Anda unduh dan arahkan ke pabrik Anda pada hari Selasa.

Di mana model keputusan seharusnya ditempatkan dalam sebuah agen — dan mengapa itu merupakan pertanyaan routing

Arsitektur yang masuk akal bukanlah "mengganti LLM dengan Bivia". Ini adalah rantai tiga bagian: aturan deterministik menyerap kasus-kasus yang dapat mereka selesaikan, model keputusan mengambil penilaian terbatas yang tersisa dan mengembalikan label dengan probabilitas, dan aplikasi memvalidasi label tersebut terhadap kebijakan dan izin sebelum apa pun terjadi. Baru setelah itu alur kerja memilih antara tindakan murah, pemanggilan model frontier, dan manusia. Model keputusan adalah langkah rekomendasi, bukan sumber otoritas — model itu tidak dapat mengesahkan merge, pengeluaran, atau persetujuan yang dilewati, dan label yang terbentuk dengan baik namun dipilih karena alasan yang salah tetap salah.

Yang berarti pertanyaan operasionalnya adalah perutean, dan itu memiliki tiga bagian: langkah mana yang masuk ke lapisan keputusan, mana yang dieskalasi ke model generatif ketika probabilitasnya rendah atau jawabannya diabstain, dan apa yang terjadi ketika endpoint keputusan itu sendiri lambat atau down. Itulah bentuk kebijakan perutean, dan itulah kegunaan DSL perutean OrcaRouter — menyusun panggilan keputusan dan fallback generatif menjadi satu panggilan, dengan failover otomatis di belakangnya sehingga abstain atau gangguan di salah satu sisi memiliki next hop yang jelas alih-alih agen yang macet. Bagian generatif dari rantai itu adalah tempat penetapan harga pass-through berperan penting: satu API untuk lebih dari 200 model dengan harga daftar penyedia dan markup 0%, sehingga ketika vendor memotong harga, tarif yang Anda gunakan untuk merutekan ikut berubah pada hari yang sama.

Satu catatan jujur soal ketersediaan. Bivia tidak ada di katalog OrcaRouter — ia dapat diakses melalui API Articul8 sendiri dan platform vendornya, dan tidak di tempat lain yang bisa kami jamin. Jev-1.13 dari TypeSafe AI ada di katalog, sehingga uji coba berdampingan atas model keputusan terhosting yang kami sediakan menjadi latihan dengan satu kunci; mencoba Bivia berarti kontrak kedua dan kredensial terpisah. Jika Anda ingin melihat apakah lapisan keputusan layak mendapat tempatnya sebelum menandatangani apa pun, asimetri itu adalah eksperimen termurah yang tersedia.

Siapa yang harus mencoba Bivia sekarang, dan siapa yang sebaiknya menunggu

Cobalah jika keputusan Anda hidup dalam artefak, bukan kalimat — video inspeksi, gambar, klaim hasil pindaian, log sensor — karena itulah bagian Bivia yang saat ini belum bisa disamai oleh pesaing mana pun dalam gelombang model keputusan, dan jatah token gratis mencakup pilot. Cobalah jika Anda sudah menjadi pelanggan Articul8 dengan platform yang telah diterapkan, karena Bivia juga berjalan di dalam Bivia Studio bersama pipeline yang Anda miliki; atau jika Anda memerlukan penerapan air-gapped atau sovereign, yang dicakup oleh dukungan tingkat perusahaan. Cobalah jika agen pengodean adalah tempat Anda akan menggunakannya, karena server MCP dan penginstal curl menjadikannya uji sepuluh menit, bukan proyek.

Tunggu jika Anda memerlukan harga satuan untuk memodelkan pengeluaran, karena harga itu tidak ada. Tunggu jika pengadaan memerlukan tolok ukur independen atau tingkat abstensi yang dipublikasikan, karena keduanya belum ada. Tunggu jika Anda memerlukan bobot yang dapat Anda hosting, ketentuan lisensi yang dapat Anda baca, atau SLA latensi — tidak satu pun dari itu dirilis. Dan tunggu jika penyetelan domain adalah keseluruhan nilainya: selisih antara Bivia siap pakai dan Bivia yang disetel pada domain Anda tidak diungkapkan, dan selisih itulah yang sebenarnya akan Anda beli.

Tiga hal akan menyelesaikannya, dan ketiganya merupakan tanggung jawab vendor untuk menerbitkan: kartu tarif per token, tingkat abstensi yang diukur pada harness yang dapat dijalankan orang lain, dan hasil pada benchmark yang mendahului peluncuran. Sampai saat itu, pembacaan yang adil terhadap Bivia adalah API yang dispesifikasikan dengan baik yang melekat pada cerita modalitas yang luar biasa kuat, dipasarkan dengan benchmark yang dihasilkan timnya sendiri, dengan perilaku paling menarik — mengetahui kapan harus menolak — dibiarkan sebagai hal yang harus Anda ukur sendiri. Sakelar abstain gratis untuk dicoba dan, berdasarkan bukti yang tersedia, masih menjadi alasan terbaik untuk mencobanya.