Articul8 Bivia: een beslissingsmodel dat zich kan onthouden — en geen prijslijst heeft

De meest bepalende regel in Bivia's API-documentatie is geen benchmark. Het is status. Een beantwoorde aanroep komt terug met een waarde, een kans tussen 0 en 1, en een verdeling over de opties die je hebt aangeboden. Een geweigerde aanroep komt terug met value: null, een abstain_reason, en dezelfde verdeling — het model vertelt je in een getypeerd veld dat het bewijs geen toezegging ondersteunde. Articul8 Bivia, gelanceerd vanuit Santa Clara op 28 oktober 2026, is een multimodaal beslissingsmodel in plaats van een generatief model: één HTTP POST erin, getypeerde JSON eruit, nul uitvoertokens. Het abstentieveld is de functie waarop de lancering het zwaarst leunt, en het is de functie die je met één parameter kunt uitschakelen. Of die aantrekkingskracht standhoudt, is een kwestie van kalibratie, en het referentiepunt is TypeSafe AI's Jev-1.13 — het beslissingsmodel dat deze blog het vaakst heeft behandeld, en het model dat je al via OrcaRouter kunt aanroepen.

Zet de twee naast elkaar en het verschil is wat elk model als invoer accepteert. Jev beantwoordt getypte vragen over tekst. Bivia neemt tekst, afbeeldingen, documenten, code, sensorsignalen, audio en video, en onderbouwt zijn antwoord met het artefact: een bounding box, een teken-offset, een videotimestamp. Wat de twee leveranciers delen, is een zakelijk probleem, geen architectuur. Beide worden verkocht als een manier om te stoppen met het betalen van frontier-modeltarieven voor beoordelingen die neerkomen op een ja, een nee, een label of een getal. De versie van dat verkoopverhaal van Articul8 komt met een werkende API, een gratis-tokenaanbod en geen gepubliceerde prijs per token, waardoor de eerste beslissing die Bivia je opdwingt er een is van boekhouding.

Wat Bivia daadwerkelijk retourneert

De productpagina is ongewoon specifiek over het contract, wat de moeite van het nauwkeurig lezen waard is, omdat het persbericht dat niet is. Een beslissing is een POST met je API-sleutel in BIVIA_API_KEY; de reactie heeft elke keer dezelfde JSON-vorm, en dat is precies het punt van een niet-generatieve output. Je kiest een van de negen primitives — Decide, Choice, Boolean, Score, Set, Span, Ground, Extract en "Data science" — en het antwoord wordt gedwongen in een van de vijf getypeerde vormen. Geen proza, geen parse-stap, geen afgebroken accolade bij token 4.000.

• Invoer — tekst, afbeeldingen, documenten, code, signalen, audio en video, zeven modaliteiten via één gedeelde architectuur in plaats van aparte pijplijnen per formaat.

• Uitvoer — Choice, Boolean, Score, Set en Span, elk teruggegeven met een gekalibreerde waarschijnlijkheid en een verdeling over de opties die je hebt opgegeven.

• Modi — Fast voert één beslissing uit in een enkele doorloop; Deep beslist en stelt daarna zijn eigen beslissing in vraag voordat het zich vastlegt; Fast kan worden geüpgraded met think: true. De samenvattingsstrook van de pagina vermeldt "Fast Deep Thinking", terwijl het detailgedeelte "Fast · Deep · Abstain" beschrijft, zodat de vraag of Thinking een vierde modus dan wel een schakelaar op Fast is, door de leverancier onbeantwoord blijft.

• Weigering — optioneel. Stuur allow_abstain: false en Bivia legt zich elke keer vast op een antwoord, waardoor de beveiliging wegvalt en je een waarschijnlijkheid rest die bijna nul kan zijn.

• Grounding — regio's, offsets en tijdstempels worden samen met het antwoord meegegeven, zodat een downstreamcontrole het bewijsmateriaal opnieuw kan openen op exact de pixel of seconde die het model heeft gebruikt.

• Taal — 50+, waarbij de pagina onder meer Engels, Japans, Koreaans, Hindi, Tamil, Spaans, Duits en Portugees noemt.

Het integratieoppervlak is breder dan een decision-API doorgaans krijgt. MCP-servers voor Claude Code, Codex, Cursor en VS Code, een CLI en een Claude-skill, een zwevende desktop-app voor macOS en Windows, Chrome- en Edge-extensies waarmee je een deel van het scherm kunt selecteren en er vragen over kunt stellen, een Google Workspace add-on met de formules =BIVIA.DECIDE, =BIVIA.CHOICE en =BIVIA.SCORE, en SDK's in Python, Node.js, Go en Rust. Niets daarvan verandert wat het model is. Het betekent wel dat de proef je een commando kost in plaats van een integratieproject.

De onthoudingsschakelaar is het hele product, en het minst gemeten aspect ervan.

Abstineren is het juiste idee en de moeilijkere helft van de bewering. Een decisielaag die gokt is slechter dan een generatief model dat gokt, omdat een getypt antwoord auditabel lijkt, of het nu verdiend is of niet. De interessante vraag is dus niet of Bivia een abstinerend antwoord kan teruggeven — de API bewijst dat het kan — maar of zijn zekerheid goed genoeg gekalibreerd is zodat de weigeringen bij de werkelijk ambigue gevallen landen en de stellige antwoorden bij de duidelijke. Dat is een meetbare eigenschap, en Articul8 heeft daar geen meting van gepubliceerd.

Wat in plaats daarvan bestaat, is onafhankelijk werk binnen de categorie. JEVal, een benchmark die is geïntroduceerd in arXiv 2610.03935, test 25 modelconfiguraties op 11.257 instanties afkomstig uit 36 datasets verspreid over 10 toepassingsdomeinen. De bevinding is uitgesproken: algemene beslissingsmodellen presteren het best wanneer het antwoord kan worden afgeleid uit het bewijs dat voor hen ligt, en worden minder betrouwbaar wanneer specialistische kennis vereist is of wanneer onzekerheid trouw moet worden geschat. De formulering in de samenvatting is dat deze modellen het meest waarschijnlijke resultaat kunnen kiezen terwijl ze ‘de waarschijnlijkheid ervan aanzienlijk overschatten’. Hetzelfde artikel voert τ-bench uit en stelt vast dat snellere lokale beslissingen episodes verkorten — maar het algehele taaksucces daalt doordat fouten zich over een lang traject opstapelen.

Die tweede bevinding snijdt direct in op het argument om bij elke stap van een agent een beslissingsmodel te plaatsen. Cumulatie is de faalmodus die een accuratessegetal per stap verbergt: een stap die 90% van de tijd juist is, is na vijf afhankelijke stappen 59% van de tijd juist. Een apart vooraf geregistreerde test op Zenodo (SILT-RP-010) liet zeven beslissingsmodellen 799 ongepubliceerde ja/nee-beslissingen doorlopen en vond slechts één configuratie die overeenstemde met de eigen kalibratieclaim; Jev kwam uit op een ECE van 0,052, wat de auteurs als inconclusief vastlegden, niet als bevestigd. Niets hiervan gaat over Bivia, en niets ervan mag als een oordeel over Bivia worden gelezen. Het is de standaard waaraan de categorie gehouden wordt, en Bivia is daaraan nog niet gehouden.

Waar er wel praktijkdata bestaat, is die dun genoeg om eerlijk over te zijn. Eén ontwikkelaar liet 42 gelabelde beslissingen van zijn eigen nachtelijke codeeragent door Jev-1.13 en Clef-Flash lopen, en beide verwerkten de tien computer-use-actiekeuzes perfect, inclusief twee veiligheidsvalkuilen — waarvan één een onthouding vereiste — terwijl beide dezelfde vier supervisiecases misten. Hij noemt het zelf "een benchmark van 42 cases van één iemands agent, niet een paper". Bivia zat er niet in.

De benchmark in de kop noemt zijn vergelijkingspunt, wat meer is dan de meeste lanceringen doen.

Articul8's interne tool-routingtest scoort Bivia op 0,91 tegenover Jev op 0,84, en de release noemt hen bij naam in plaats van te schuilen achter "een toonaangevende concurrent". Dat verdient waardering; genoemde vergelijkingspunten zijn falsifieerbaar op een manier waarop anonieme dat niet zijn. De rest van het benchmarkblok moet zwaarder gelabeld worden:

• Toolroutering — Bivia 0,91 versus Jev 0,84, leveranciersintern, methodologie niet gepubliceerd.

• Voltooiing van end-to-end workflows — ongeveer 73% versus 37% voor het vergelijkingsmodel, een cijfer dat eerder in Articul8's launchposts dan in het persbericht voorkomt.

• Energy- en Verilog-taken — 100% nauwkeurigheid op geselecteerde taken na domeintuning. De release zelf bestempelt deze als in-distribution, wat betekent dat de taken op de tuningdata lijken; het is een uitspraak over fit, niet over generalisatie.

Antwoordstabiliteit — Articul8 beweert dat concurrenten, Jev daarbij inbegrepen, bij ongeveer één op de acht runs van antwoord veranderden wanneer de opties werden herschikt, terwijl Bivia consistent bleef. Er wordt geen harness, sample of optieset bekendgemaakt.

De asymmetrie die het opmerken waard is, zit aan de andere kant van de vergelijking. Jev is door onafhankelijke evaluatie gegaan: 37 datasets in één arXiv-studie, de JEVal-suite, de vooraf geregistreerde kalibratietest en meerdere door ontwikkelaars uitgevoerde testharnassen. Bivia, één dag oud, heeft een persbericht en een productpagina. Dat is normaal op de lanceringsdag en geen kritiek op het model — het is een reden om 0,91 te behandelen als een getal om te reproduceren, niet als een getal om op te plannen.

Prijzen: je betaalt voor invoertokens, en er is geen tariefkaart om het mee te berekenen.

De commerciële voorwaarden zijn eenvoudig van vorm en leeg waar het ertoe doet. Geen abonnement. Je betaalt alleen voor input-tokens, wat logisch is voor een model dat er geen produceert. De eerste 10.000 gebruikers krijgen tot 1 miljard tokens gratis. Voor toegang moet je je registreren op articul8.ai/bivia. Wat ontbreekt, is het werkelijke tarief: nergens op de productpagina, in het persbericht of in de lanceringsberichten staat een bedrag in dollars per miljoen input-tokens. De kostengrafieken op de pagina — een vergelijking "¢$$$ 1 forward pass" — zijn illustraties, geen prijzen.

Zonder een tarief kun je de enige berekening niet maken waarop de hele categorie rust: of een beslissingsaanroep goedkoper is dan de generatieve aanroep die hij vervangt. De eigen democijfers van Articul8 maken de aantrekkingskracht zichtbaar zonder ze berekenbaar te maken: 10.058 beslissingen op basis van koeltelemetrie van datacenters in ongeveer 15 seconden, waarvan 13 geen beslissing namen en aan een operator werden overgedragen; 200 waferlots en 1.000 beslissingen in één dienst van 12 uur, vijf aanroepen per lot over acht lithografiescanners; een enkele run geprijsd op $0,40 zonder te vermelden wat die run inhield. Elk daarvan is een demonstratie die door de leverancier is vastgelegd en opnieuw afgespeeld, en meerdere voorbeelden op de pagina zijn uitdrukkelijk als illustratief gelabeld.

De gratis laag is voorlopig het praktische antwoord. Een miljard inputtokens is genoeg om een echte pilot te draaien — een paar honderd gelabelde cases via Fast en Deep, met onthouding aan en uit — voordat iemand je een prijs hoeft te noemen. Die pilot is de enige manier om je onthoudingspercentage op je eigen data te leren kennen, en dat onthoudingspercentage bepaalt of de economische kant werkt. Een strenge drempel stuurt meer cases naar mensen; een losse drempel laat zelfverzekerde fouten door. Die afweging tussen dekking en risico is de kern van selectieve classificatie, en geen enkele leveranciersbenchmark vervangt je eigen drempel.

Bij video en documenten houdt Bivia op te lijken op de andere beslissingsmodellen

De tekstuele beslissingsmodellen — Jev, Clef, de diverse opensource-rebuilds — nemen getypte vragen over tekst en geven waarschijnlijkheden terug. Bivia's gedeelde architectuur over zeven modaliteiten is een andere productcategorie die hetzelfde label draagt, en de demo die dat laat zien is een 52 minuten durende 4K-documentaire over het Internationaal Ruimtestation die frame voor frame in één enkele aanvraag wordt ingevoerd, waarbij gebeurtenissen van enkele seconden, zoals stadslichten aan de nachtzijde en een aurora, zichtbaar worden. Het samplen van frames zou ze hebben gemist; de bewering is dat Bivia niet sampelt.

Dat is een wezenlijk andere capaciteit, en die wijst op de industriële use cases die Articul8 daadwerkelijk verkoopt: inspectiebeelden waarin het event drie seconden van veertig minuten beslaat, technische tekeningen, tabellen en grafieken, sensortraces. De genoemde klanten zijn Hitachi Energy, CTC, AZing en Megazone, en het platform rond Bivia verbindt met meer dan 25 enterprise- en operationele systemen en wordt ingezet op publieke, private, soevereine en air-gapped clouds. Domeintuning is echter sales-gedreven — de eigen instructie op de pagina daarvoor is "Praat met ons over uw domein". De cijfers voor 100% energy en Verilog beschrijven dus getunede deployments die met de hulp van Articul8 zijn gebouwd, niet een model dat je downloadt en op een dinsdag op je fabriek richt.

Waar een beslismodel thuishoort in een agent — en waarom dat een routeringsvraag is

De architectuur die zinvol is, is niet "de LLM vervangen door Bivia". Het is een keten van drie delen: deterministische regels vangen de gevallen op die ze kunnen beslechten, het beslissingsmodel neemt de begrensde beoordelingen die nog resteren en geeft een label met een waarschijnlijkheid terug, en de applicatie valideert het label tegen beleid en rechten voordat er iets gebeurt. Pas dan kiest de workflow tussen een goedkope actie, een aanroep van een frontier-model en een mens. Een beslissingsmodel is een stap die een aanbeveling oplevert, geen bron van autoriteit — het kan geen merge, uitgave of overgeslagen goedkeuring autoriseren, en een goed gevormd label dat om de verkeerde reden is gekozen, is nog steeds verkeerd.

Wat betekent dat de operationele vraag routering is, en die kent drie onderdelen: welke stappen naar de beslislaag gaan, welke escaleren naar een generatief model wanneer de waarschijnlijkheid laag is of het antwoord wordt onthouden, en wat er gebeurt wanneer het beslissingsendpoint zelf traag of niet beschikbaar is. Dat is de vorm van een routeringsbeleid, en daar is OrcaRouter's routerings-DSL voor bedoeld — een beslissingsaanroep en een generatieve fallback samenvoegen tot één aanroep, met automatische failover erachter, zodat een abstentie of een storing aan beide zijden een gedefinieerde volgende hop heeft in plaats van een vastgelopen agent. De generatieve helft van die keten is waar de pass-through-prijzen van belang zijn: één API voor meer dan 200 modellen tegen de lijstprijs van de provider met 0% opslag, zodat wanneer een leverancier een prijs verlaagt, het tarief waartegen je routeert dezelfde dag meebeweegt.

Eén eerlijke kanttekening over de beschikbaarheid. Bivia staat niet in de catalogus van OrcaRouter — het is bereikbaar via Articul8's eigen API en het platform van de leverancier, en nergens anders waarvoor we kunnen instaan. Jev-1.13 van TypeSafe AI staat wel in de catalogus, waardoor een zij-aan-zij-test van het gehoste beslismodel dat we wél leveren een kwestie van één sleutel is; Bivia proberen betekent een tweede contract en een afzonderlijke credential. Als u wilt zien of een beslissingslaag zijn plek verdient voordat u iets ondertekent, is die asymmetrie het goedkoopste experiment dat beschikbaar is.

Wie zou Bivia nu moeten proberen, en wie kan beter wachten?

Probeer het als uw beslissingen eerder in artefacten dan in zinnen vastliggen — inspectievideo, tekeningen, gescande claims, sensorlogs — omdat dat het deel van Bivia is dat geen enkele concurrent in de golf van beslissingsmodellen momenteel evenaart, en de gratis tokenvergoeding dekt de pilot. Probeer het als u al Articul8-klant bent met het platform geïmplementeerd, omdat Bivia ook binnen Bivia Studio draait naast de pipeline die u al hebt; of als u een air-gapped of soevereine implementatie nodig hebt, wat valt onder support op bedrijfsniveau. Probeer het als een coding-agent de plek is waar u het zou gebruiken, omdat de MCP-servers en de curl-installer daarvan eerder een test van tien minuten dan een project maken.

Wacht als je een eenheidsprijs nodig hebt om uitgaven te modelleren, want die is er niet. Wacht als inkoop een onafhankelijke benchmark of een gepubliceerd onthoudingspercentage vereist, want geen van beide bestaat nog. Wacht als je gewichten nodig hebt die je zelf kunt hosten, licentievoorwaarden die je kunt lezen, of een latentie-SLA — niets daarvan is vrijgegeven. En wacht als de domeintuning de hele waarde is: het verschil tussen Bivia out of the box en Bivia getuned op jouw domein is niet bekendgemaakt, en dat verschil is precies wat je zou kopen.

Drie dingen zouden het beslechten, en alle drie zijn ze aan de leverancier om te publiceren: een tariefkaart per token, een onthoudingspercentage gemeten op een harnas dat iemand anders kan draaien, en resultaten op een benchmark die dateert van vóór de lancering. Tot dan is de eerlijke lezing van Bivia een goed gespecificeerde API vastgeklonken aan een uitzonderlijk sterk modaliteitsverhaal, verkocht op benchmarks die zijn eigen team heeft gegenereerd, met het meest interessante gedrag — weten wanneer je moet weigeren — overgelaten als iets dat je zelf zou moeten meten. De abstain-schakelaar is gratis uit te proberen en, op basis van het beschikbare bewijs, nog steeds de beste reden om dat te doen.