Articul8 Bivia: un modello decisionale che può astenersi — e non ha un listino prezzi

La riga più decisiva nella documentazione API di Bivia non è un benchmark. È lo status. Una chiamata con risposta restituisce un valore, una probabilità compresa tra 0 e 1 e una distribuzione sulle opzioni offerte. Una chiamata rifiutata restituisce value: null, un abstain_reason e la stessa distribuzione — il modello che ti dice, in un campo tipizzato, che le prove non supportavano un impegno. Articul8 Bivia, lanciato da Santa Clara il 28 ottobre 2026, è un modello decisionale multimodale anziché generativo: un HTTP POST in ingresso, JSON tipizzato in uscita, zero token di output. Il campo di astensione è la funzionalità su cui il lancio punta di più, ed è quella che puoi disattivare con un singolo parametro. Se questa attrattiva regga è una questione di calibrazione, e il punto di riferimento è Jev-1.13 di TypeSafe AI — il modello decisionale di cui questo blog si è occupato di più, e quello che puoi già chiamare tramite OrcaRouter.

Mettili uno accanto all'altro e la differenza sta in ciò che ciascun modello accetterà come input. Jev risponde a domande digitate relative al testo. Bivia prende testo, immagini, documenti, codice, segnali dei sensori, audio e video e basa la propria risposta sull'artefatto: un bounding box, un offset di carattere, un timestamp video. Ciò che i due fornitori condividono è un problema di business, non un'architettura. Entrambi vengono venduti come un modo per smettere di pagare le tariffe dei modelli di frontiera per giudizi che si risolvono in un sì, un no, un'etichetta o un numero. La versione di questo pitch di Articul8 arriva con un'API funzionante, un'offerta di token gratuiti e nessun prezzo per token pubblicato, il che rende la prima decisione che Bivia ti impone una questione contabile.

Cosa restituisce effettivamente Bivia

La pagina del prodotto è insolitamente specifica riguardo al contratto, e vale la pena leggerla attentamente perché il comunicato stampa non lo è. Una decisione è una POST con la tua chiave API in BIVIA_API_KEY; la risposta ha sempre la stessa forma JSON, che è esattamente il punto di un output non generativo. Scegli una tra nove primitive — Decide, Choice, Boolean, Score, Set, Span, Ground, Extract e "Data science" — e la risposta viene forzata in una delle cinque forme tipizzate. Niente prosa, nessuna fase di parsing, nessuna parentesi graffa troncata al token 4.000.

• Input — testo, immagini, documenti, codice, segnali, audio e video, sette modalità attraverso un'unica architettura condivisa anziché pipeline separate per ciascun formato.

• Output — Scelta, Booleano, Punteggio, Set e Span, ciascuno restituito con una probabilità calibrata e una distribuzione tra le opzioni che hai fornito.

• Modalità — Fast esegue una decisione in un'unica passata; Deep decide e poi mette in discussione la propria decisione prima di confermarla; Fast può essere potenziato con think: true. La striscia riepilogativa della pagina riporta "Fast Deep Thinking" mentre la sezione di dettaglio descrive "Fast · Deep · Abstain", quindi se Thinking sia una quarta modalità o un interruttore su Fast resta irrisolto dal fornitore.

• Rifiuto — opzionale. Invia allow_abstain: false e Bivia si impegna a fornire una risposta ogni volta, il che elimina la salvaguardia e ti lascia con una probabilità che potrebbe essere vicina allo zero.

• Grounding — regioni, offset e timestamp accompagnano la risposta, così un controllo a valle può riaprire l'evidenza esattamente al pixel o al secondo usati dal modello.

• Lingua — oltre 50, con la pagina che cita tra queste inglese, giapponese, coreano, hindi, tamil, spagnolo, tedesco e portoghese.

La superficie di integrazione è più ampia di quanto di solito non sia quella di un'API decisionale. Server MCP per Claude Code, Codex, Cursor e VS Code, una CLI e una skill di Claude, un'app desktop fluttuante per macOS e Windows, estensioni per Chrome ed Edge che consentono di selezionare un'area dello schermo e porre domande al riguardo, un add-on di Google Workspace con le formule =BIVIA.DECIDE, =BIVIA.CHOICE e =BIVIA.SCORE, e SDK per Python, Node.js, Go e Rust. Nulla di tutto ciò cambia la natura del modello. Significa però che la prova ti costa un comando anziché un progetto di integrazione.

L'interruttore dell'astensione è l'intero prodotto, ed è l'aspetto meno misurato che lo riguardi.

L'astensione è l'idea giusta e la metà più difficile della tesi. Un livello decisionale che indovina è peggiore di un modello generativo che indovina, perché una risposta tipizzata sembra verificabile che sia stata meritata o meno. Quindi la domanda interessante non è se Bivia possa restituire un'astensione — l'API dimostra che può — ma se la sua fiducia sia calibrata a sufficienza affinché i rifiuti ricadano sui casi veramente ambigui e gli impegni su quelli chiari. È una proprietà misurabile, e Articul8 non ne ha pubblicato una misurazione.

Quello che esiste, invece, è un lavoro indipendente sulla categoria. JEVal, un benchmark introdotto in arXiv 2610.03935, testa 25 configurazioni di modello su 11.257 istanze tratte da 36 dataset in 10 domini applicativi. La sua conclusione è incisiva: i modelli decisionali generali funzionano meglio quando la risposta può essere risolta dalle prove a loro disposizione, e diventano meno affidabili quando è richiesta conoscenza specialistica o quando l'incertezza deve essere stimata fedelmente. La formulazione dell'abstract è che questi modelli possono individuare il risultato più probabile mentre "sovrastimano sostanzialmente la sua probabilità". Lo stesso articolo esegue τ-bench e rileva che decisioni locali più rapide accorciano gli episodi — ma il successo complessivo del compito diminuisce man mano che gli errori si accumulano lungo una lunga traiettoria.

Quel secondo risultato colpisce direttamente l'argomento a favore dell'inserimento di un modello decisionale a ogni passo di un agente. L'accumulo è il modo di fallire che un numero di accuratezza per passo nasconde: un passo corretto il 90% delle volte è corretto solo il 59% delle volte dopo cinque passi dipendenti. Un test separato, preregistrato su Zenodo (SILT-RP-010), ha sottoposto sette modelli decisionali a 799 decisioni sì/no non pubblicate e ha trovato una sola configurazione coerente con la propria dichiarazione di calibrazione; Jev è risultato a un ECE di 0,052, che gli autori hanno registrato come inconcludente anziché confermato. Niente di tutto questo riguarda Bivia, e nulla di ciò dovrebbe essere letto come un verdetto su Bivia. È lo standard a cui la categoria è tenuta, e Bivia non vi è ancora stata tenuta.

Dove esistono dati concreti, sono abbastanza scarni da poterne parlare con onestà. Uno sviluppatore ha sottoposto 42 decisioni etichettate, ricavate dal proprio agente di coding notturno, a Jev-1.13 e Clef-Flash: entrambi hanno gestito perfettamente le dieci scelte di azione relative al computer use, comprese due trappole di sicurezza — una delle quali richiedeva un'astensione — mentre entrambi hanno mancato gli stessi quattro casi di supervisione. Lui stesso lo definisce «un benchmark di 42 casi proveniente dall'agente di una sola persona, non un paper». Bivia non era incluso.

Il benchmark di punta nomina il proprio termine di confronto, cosa che la maggior parte dei lanci non fa.

Il test interno di instradamento degli strumenti di Articul8 assegna a Bivia 0,91 contro Jev a 0,84, e il comunicato lo afferma per nome anziché nascondersi dietro «un concorrente leader». Ciò merita riconoscimento; i comparatori nominati sono falsificabili in un modo in cui quelli anonimi non lo sono. Il resto del blocco di benchmark richiede un'etichettatura più incisiva:

• Routing degli strumenti — Bivia 0.91 vs Jev 0.84, dati interni al fornitore, metodologia non pubblicata.

• Completamento del flusso di lavoro end-to-end — circa il 73% rispetto al 37% del modello di confronto, un dato che compare nei post di lancio di Articul8 anziché nel comunicato stampa.

• Attività Energy e Verilog — accuratezza del 100% su attività selezionate dopo l'ottimizzazione sul dominio. Il rilascio stesso le contrassegna come in-distribution, il che significa che le attività somigliano ai dati di ottimizzazione; è un'affermazione sull'aderenza, non sulla generalizzazione.

• Stabilità delle risposte — Articul8 afferma che i concorrenti, Jev tra questi, cambiavano le risposte in circa un'esecuzione su otto quando le opzioni venivano riordinate, mentre Bivia restava coerente. Non vengono resi noti né l'harness, né il campione, né il set di opzioni.

L'asimmetria che vale la pena notare si trova dall'altra parte del confronto. Jev è stato sottoposto a valutazione indipendente: 37 dataset in uno studio arXiv, la suite JEVal, il test di calibrazione pre-registrato e diversi harness eseguiti dagli sviluppatori. Bivia, con un giorno di vita, ha un comunicato stampa e una pagina di prodotto. È normale per il giorno del lancio e non è una critica al modello: è un motivo per considerare 0,91 un numero da riprodurre, non un numero su cui pianificare.

Tariffazione: paghi per i token di input e non c’è un tariffario con cui calcolarlo

Le condizioni commerciali sono semplici nella forma e vuote dove conta. Nessun abbonamento. Paghi solo i token di input, il che deriva da un modello che non ne emette alcuno. I primi 10.000 utenti ottengono fino a 1 miliardo di token gratis. L'accesso richiede la registrazione su articul8.ai/bivia. Ciò che manca è la tariffa effettiva: nessun prezzo in dollari per milione di token di input compare nella pagina del prodotto, nel comunicato o nei post di lancio. I grafici dei costi della pagina — un confronto "¢$$$ 1 forward pass" — sono illustrazioni, non prezzi.

Senza una tariffa non puoi fare l’unico calcolo su cui poggia l’intera categoria, ovvero se una chiamata decisionale costa meno della chiamata generativa che sostituisce. I numeri della demo di Articul8 rendono visibile l’attrattiva senza renderla calcolabile: 10.058 decisioni su telemetria di raffreddamento del data center in circa 15 secondi, 13 delle quali si sono astenute e sono state passate a un operatore; 200 lotti di wafer e 1.000 decisioni in un turno di 12 ore, cinque chiamate per lotto su otto scanner litografici; una singola esecuzione quotata a 0,40 $ senza dire cosa conteneva. Ognuno di questi è una dimostrazione catturata e riprodotta dal fornitore, e diversi esempi nella pagina sono esplicitamente etichettati come illustrativi.

Il piano gratuito è la risposta pratica per ora. Un miliardo di token di input basta per condurre un vero pilot — qualche centinaio di casi etichettati attraverso Fast e Deep, con l'astensione attiva e disattivata — prima che qualcuno debba quotarti un prezzo. Quel pilot è l'unico modo per conoscere il tuo tasso di astensione sui tuoi dati, e il tasso di astensione è ciò che decide se i conti tornano. Una soglia rigorosa manda più casi agli umani; una soglia permissiva lascia passare errori sicuri di sé. Quel compromesso tra copertura e rischio è il cuore della classificazione selettiva, e nessun benchmark di fornitore può sostituire la tua soglia.

Video e documenti sono il punto in cui Bivia smette di assomigliare agli altri modelli decisionali

I modelli decisionali testuali — Jev, Clef, le varie ricostruzioni aperte — accettano domande scritte sul testo e restituiscono probabilità. L'architettura condivisa di Bivia su sette modalità è una categoria di prodotto diversa che indossa la stessa etichetta, e la demo che la mostra è un documentario 4K di 52 minuti sulla Stazione Spaziale Internazionale, immesso fotogramma per fotogramma in un'unica richiesta, facendo emergere eventi della durata di pochi secondi come le luci delle città sul lato notturno e un'aurora. Il campionamento dei fotogrammi li avrebbe persi; la tesi è che Bivia non campiona.

Si tratta di una capacità davvero diversa, e punta ai casi d’uso industriali che Articul8 vende effettivamente: filmati d’ispezione in cui l’evento dura tre secondi su quaranta minuti, disegni tecnici, tabelle e grafici, tracce dei sensori. I clienti citati sono Hitachi Energy, CTC, AZing e Megazone, e la piattaforma attorno a Bivia si collega a oltre 25 sistemi aziendali e operativi, con implementazione su cloud pubblici, privati, sovrani e air-gapped. L’ottimizzazione del dominio, però, è guidata dalle vendite — l’istruzione della pagina stessa al riguardo è "Parlaci del tuo dominio". Quindi le cifre del 100% energia e Verilog descrivono implementazioni ottimizzate realizzate con l’aiuto di Articul8, non un modello che scarichi e punti al tuo impianto un martedì.

Dove collocare un modello decisionale all’interno di un agente — e perché è una questione di routing

L'architettura che ha senso non è "sostituire l'LLM con Bivia". È una catena in tre parti: le regole deterministiche assorbono i casi che possono risolvere, il modello decisionale assume i giudizi delimitati che restano e restituisce un'etichetta con una probabilità, e l'applicazione convalida l'etichetta rispetto alle politiche e alle autorizzazioni prima che accada qualsiasi cosa. Solo allora il flusso di lavoro sceglie tra un'azione economica, una chiamata a un modello di frontiera e un intervento umano. Un modello decisionale è una fase di raccomandazione, non una fonte di autorità: non può autorizzare un merge, una spesa o un'approvazione saltata, e un'etichetta ben formata scelta per il motivo sbagliato è comunque sbagliata.

Il che significa che la domanda operativa è il routing, e si articola in tre parti: quali passaggi vanno al livello decisionale, quali passano a un modello generativo quando la probabilità è bassa o la risposta è un'astensione, e cosa succede quando l'endpoint decisionale stesso è lento o non disponibile. Questa è la forma di una politica di routing, ed è ciò a cui serve il DSL di routing di OrcaRouter — comporre una chiamata decisionale e un fallback generativo in un'unica chiamata, con failover automatico alle spalle, in modo che un'astensione o un'interruzione su uno dei due lati abbia un next hop definito anziché un agente bloccato. La metà generativa di quella catena è dove conta il prezzo pass-through: un'unica API per oltre 200 modelli al prezzo di listino del provider con 0% di markup, così quando un fornitore taglia un prezzo la tariffa alla quale fai routing si aggiorna lo stesso giorno.

Una precisazione onesta sulla disponibilità. Bivia non è nel catalogo di OrcaRouter — è raggiungibile tramite l'API proprietaria di Articul8 e la piattaforma del fornitore, e in nessun altro posto di cui possiamo garantirci. Jev-1.13 di TypeSafe AI è nel catalogo, il che rende una prova comparativa del modello decisionale ospitato che effettivamente forniamo un esercizio da un tasto; provare Bivia significa un secondo contratto e una credenziale separata. Se volete vedere se uno strato decisionale merita il suo posto prima di firmare qualsiasi cosa, quell'asimmetria è l'esperimento più economico disponibile.

Chi dovrebbe provare Bivia ora, e chi dovrebbe aspettare

Provalo se le tue decisioni risiedono in artefatti anziché in frasi — video di ispezione, disegni, reclami scansionati, log dei sensori — perché è la parte di Bivia che nessun concorrente dell'onda dei modelli decisionali attualmente eguaglia, e il limite gratuito di token copre il pilot. Provalo se sei già un cliente Articul8 con la piattaforma distribuita, perché Bivia funziona anche all'interno di Bivia Studio accanto alla pipeline che già hai; oppure se hai bisogno di una distribuzione air-gapped o sovrana, che il supporto a livello aziendale copre. Provalo se un agente di programmazione è il contesto in cui vorresti usarlo, perché i server MCP e l'installer curl rendono il test una questione di dieci minuti anziché un progetto.

Aspetta se hai bisogno di un prezzo unitario per modellare la spesa, perché non esiste. Aspetta se l'ufficio acquisti richiede un benchmark indipendente o un tasso di astensione pubblicato, perché nessuno dei due esiste ancora. Aspetta se hai bisogno di pesi che puoi ospitare, condizioni di licenza che puoi leggere o un SLA sulla latenza — nessuno di questi è stato rilasciato. E aspetta se l'ottimizzazione sul dominio è tutto il valore: il divario tra Bivia pronta all'uso e Bivia ottimizzata sul tuo dominio non è divulgato, e quel divario è esattamente ciò che acquisteresti.

Tre cose chiarirebbero la questione, e tutte e tre spetta al fornitore pubblicarle: un listino prezzi per token, un tasso di astensione misurato su un banco di prova che qualcun altro possa eseguire e risultati su un benchmark precedente al lancio. Fino ad allora, l'interpretazione equa di Bivia è quella di un'API ben specificata, collegata a una narrazione sulle modalità insolitamente solida, venduta sulla base di benchmark generati dal suo stesso team, con il comportamento più interessante — sapere quando rifiutare — lasciato come qualcosa che dovresti misurare tu stesso. L'interruttore di astensione si può provare gratuitamente e, sulla base delle prove disponibili, resta ancora il motivo migliore per farlo.