Articul8 Bivia: модель принятия решений, способная воздержаться — и без прайс-листа

Самая значимая строка в документации API Bivia — не бенчмарк. Это статус. Вызов, на который дан ответ, возвращает value, вероятность от 0 до 1 и распределение по предложенным вами вариантам. Отклонённый вызов возвращает value: null, abstain_reason и то же распределение — модель сообщает вам в типизированном поле, что доказательства не поддерживают принятие обязательства. Articul8 Bivia, запущенная в Санта-Кларе 28 октября 2026 года, — это мультимодальная модель принятия решений, а не генеративная: один HTTP POST на входе, типизированный JSON на выходе, ноль выходных токенов. Поле отказа — это та возможность, на которую запуск опирается сильнее всего, и та, которую можно отключить одним параметром. Сохранится ли эта привлекательность — вопрос калибровки, а точкой отсчёта служит TypeSafe AI's Jev-1.13 — модель принятия решений, которую этот блог освещал чаще всего и которую уже можно вызвать через OrcaRouter.

Сравните их бок о бок — и разница будет в том, что каждая модель принимает на вход. Jev отвечает на вводимые с клавиатуры вопросы о тексте. Bivia принимает текст, изображения, документы, код, сенсорные сигналы, аудио и видео и привязывает свой ответ к артефакту: ограничивающей рамке, смещению символов, временной метке видео. Двух поставщиков объединяет бизнес-задача, а не архитектура. Обе продаются как способ перестать платить по расценкам передовых моделей за суждения, которые сводятся к «да», «нет», метке или числу. Версия этого предложения от Articul8 идет с работающим API, предложением бесплатных токенов и отсутствием опубликованной цены за токен, из-за чего первое решение, которое Bivia навязывает вам, становится бухгалтерским.

Что Bivia на самом деле возвращает

Страница продукта необычно подробно описывает контракт — её стоит внимательно прочитать, потому что пресс-релиз этого не делает. Запрос — это POST с вашим API-ключом в BIVIA_API_KEY; ответ каждый раз имеет одну и ту же структуру JSON, и в этом весь смысл негенеративного вывода. Вы выбираете один из девяти примитивов — Decide, Choice, Boolean, Score, Set, Span, Ground, Extract и «Data science» — и ответ приводится к одной из пяти типизированных форм. Никакой прозы, никакого этапа парсинга, никакой обрезанной фигурной скобки на токене 4 000.

• Входные данные — текст, изображения, документы, код, сигналы, аудио и видео: семь модальностей через одну общую архитектуру, а не отдельные конвейеры для каждого формата.

• Выходные данные — Choice, Boolean, Score, Set и Span, каждый возвращается с калиброванной вероятностью и распределением по предоставленным вами вариантам.

• Режимы — Fast принимает одно решение за один проход; Deep сначала решает, а затем ставит под сомнение собственное решение, прежде чем окончательно его утвердить; Fast можно расширить с помощью think: true. В сводной строке страницы указано «Fast Deep Thinking», а в подробном разделе описано «Fast · Deep · Abstain», поэтому производитель оставляет нерешённым, является ли Thinking четвёртым режимом или переключателем для Fast.

• Отказ — необязателен. Отправьте allow_abstain: false, и Bivia будет давать ответ каждый раз, что устраняет защитную меру и оставляет вас с вероятностью, которая может быть близка к нулю.

• Привязка к источнику — регионы, смещения и временные метки сопровождают ответ, поэтому последующая проверка может повторно открыть доказательство в точном пикселе или секунде, которые использовала модель.

• Язык — 50+, при этом на странице указаны английский, японский, корейский, хинди, тамильский, испанский, немецкий и португальский.

Поверхность интеграции шире, чем обычно бывает у API для принятия решений. MCP-серверы для Claude Code, Codex, Cursor и VS Code, CLI и навык Claude, плавающее десктопное приложение для macOS и Windows, расширения для Chrome и Edge, позволяющие выделить область экрана и спросить о ней, надстройка Google Workspace с формулами =BIVIA.DECIDE, =BIVIA.CHOICE и =BIVIA.SCORE, а также SDK для Python, Node.js, Go и Rust. Ничто из этого не меняет того, чем является модель. Но это означает, что пробное использование обойдётся вам в одну команду, а не в интеграционный проект.

Переключатель воздержания — это весь продукт, и при этом наименее измеряемая его часть.

Отказ от ответа — правильная идея и более трудная половина утверждения. Слой принятия решений, который угадывает, хуже генеративной модели, которая угадывает, потому что типизированный ответ выглядит проверяемым независимо от того, был ли он заслужен. Поэтому интересный вопрос не в том, может ли Bivia вернуть отказ — API доказывает, что может, — а в том, достаточно ли калибрована её уверенность, чтобы отказы приходились на действительно неоднозначные случаи, а обязательные ответы — на ясные. Это измеримое свойство, и Articul8 не опубликовала его измерение.

Вместо этого существует независимая работа по данной категории. JEVal — бенчмарк, представленный в arXiv 2610.03935, — проверяет 25 конфигураций моделей на 11 257 экземплярах, взятых из 36 наборов данных в 10 прикладных областях. Его вывод весьма показателен: общие модели принятия решений работают лучше всего, когда ответ можно вывести из имеющихся перед ними данных, и становятся менее надёжными, когда требуются экспертные знания или когда неопределённость необходимо достоверно оценить. В аннотации говорится, что эти модели могут выбирать наиболее вероятный результат, при этом «существенно завышая его вероятность». В той же статье проводится оценка τ-bench и обнаруживается, что более быстрые локальные решения сокращают эпизоды, — но общая успешность выполнения задач падает, поскольку ошибки накапливаются на длинной траектории.

Вторая находка напрямую бьёт по аргументу в пользу того, чтобы размещать модель принятия решений на каждом шаге агента. Накопление ошибок — это режим отказа, который скрывает показатель точности на шаге: шаг, верный в 90% случаев, верен в 59% случаев после пяти зависимых шагов. Отдельное предварительно зарегистрированное тестирование на Zenodo (SILT-RP-010) пропустило семь моделей принятия решений через 799 неопубликованных решений «да/нет» и обнаружило только одну конфигурацию, согласующуюся с её собственным утверждением о калибровке; у Jev ECE составил 0,052, что авторы записали как неокончательный, а не подтверждённый результат. Ничто из этого не касается Bivia, и ничто из этого не следует воспринимать как вердикт о Bivia. Это стандарт, который предъявляют этой категории, и Bivia ещё не проверяли на соответствие ему.

Там, где данные практического опыта всё же есть, их настолько мало, что об этом стоит говорить честно. Один разработчик прогнал 42 размеченных решения от своего агента для программирования, работавшего всю ночь, через Jev-1.13 и Clef-Flash, и обе модели идеально справились с десятью вариантами действий по использованию компьютера, включая две ловушки безопасности — в одной из которых требовалось воздержаться от действия, — но обе пропустили одни и те же четыре случая супервизии. Он сам описывает это как «бенчмарк из 42 случаев, полученный от агента одного человека, а не научная статья». Bivia в нём не участвовала.

Главный бенчмарк прямо называет, с чем идёт сравнение, — и это больше, чем делают большинство запусков.

Внутренний тест Articul8 на маршрутизацию инструментов оценивает Bivia в 0,91 против Jev в 0,84, и в релизе это указано по именам, а не скрыто за формулировкой «ведущий конкурент». Это заслуживает признания: названные компараторы поддаются фальсификации, а анонимные — нет. Остальной блок бенчмарков нуждается в более подробной маркировке:

• Маршрутизация инструментов — Bivia 0.91 против Jev 0.84, внутренние данные поставщика, методология не опубликована.

• Завершение сквозного рабочего процесса — примерно 73% против 37% у модели для сравнения; эта цифра фигурирует в публикациях Articul8 о запуске, а не в пресс-релизе.

• Задачи по энергетике и Verilog — 100% точности на отобранных задачах после доменной настройки. В самом релизе они помечены как in-distribution, то есть задачи похожи на данные для настройки; это утверждение о соответствии, а не об обобщении.

• Стабильность ответов — Articul8 утверждает, что конкуренты, включая Jev, меняли ответы примерно в одном прогоне из восьми при изменении порядка вариантов, тогда как Bivia оставалась стабильной. Ни тестовый стенд, ни выборка, ни набор вариантов не раскрываются.

Асимметрия, которую стоит заметить, находится на другой стороне сравнения. Jev прошёл независимую оценку: 37 наборов данных в одном исследовании на arXiv, набор JEVal, предварительно зарегистрированный калибровочный тест и несколько испытательных стендов, запущенных разработчиками. У Bivia, которой всего один день, есть пресс-релиз и страница продукта. Это нормально для дня запуска и не является критикой модели — это причина относиться к 0,91 как к числу, которое следует воспроизвести, а не как к числу, на которое следует опираться при планировании.

Ценообразование: вы платите за входные токены, и нет тарифной сетки, по которой это можно рассчитать

Коммерческие условия просты по форме и пусты там, где это важно. Никакой подписки. Вы платите только за входные токены — что следует из модели, которая ничего не выдаёт. Первые 10 000 пользователей получают до 1 миллиарда токенов бесплатно. Для доступа нужно зарегистрироваться на articul8.ai/bivia. Чего не хватает, так это фактической ставки: ни на странице продукта, ни в пресс-релизе, ни в постах о запуске не указано, сколько долларов стоит миллион входных токенов. Графики стоимости на странице — сравнение «¢$$$ 1 forward pass» — представляют собой иллюстрации, а не цены.

Без ставки невозможно выполнить единственный расчёт, на котором держится вся категория: дешевле ли вызов принятия решения, чем генеративный вызов, который он заменяет. Собственные демонстрационные цифры Articul8 наглядно показывают привлекательность, но не позволяют её вычислить: 10 058 решений по телеметрии охлаждения дата-центра примерно за 15 секунд, 13 из которых воздержались и были переданы оператору; 200 партий пластин и 1000 решений за одну 12-часовую смену, пять вызовов на партию на восьми литографических сканерах; одиночный прогон, оценённый в $0.40, без указания того, что этот прогон содержал. Каждый из этих примеров — демонстрация, записанная и воспроизведённая поставщиком, а несколько примеров на странице явно помечены как иллюстративные.

Бесплатный тариф — практичное решение на данный момент. Миллиарда входных токенов достаточно, чтобы провести настоящий пилотный проект — несколько сотен размеченных кейсов через Fast и Deep, с включённым и выключённым отказом от ответа, — прежде чем кто-либо назовёт вам цену. Такой пилот — единственный способ узнать долю отказов от ответа на ваших собственных данных, и именно эта доля определяет, сходится ли экономика. Строгий порог отправляет больше кейсов людям; мягкий пропускает уверенные ошибки. Этот компромисс между покрытием и риском — суть селективной классификации, и никакой бенчмарк от поставщика не заменит ваш собственный порог.

Видео и документы — вот где Bivia перестаёт походить на другие модели принятия решений.

Текстовые модели принятия решений — Jev, Clef, различные открытые пересборки — принимают введённые вопросы о тексте и возвращают вероятности. Общая архитектура Bivia, охватывающая семь модальностей, — это другая категория продукта, носящая тот же ярлык, а демонстрация, которая её показывает, — 52-минутный 4K-документальный фильм о Международной космической станции, подаваемый покадрово в одном запросе и выявляющий события, длящиеся считанные секунды, такие как огни городов на ночной стороне и полярное сияние. Выборка отдельных кадров пропустила бы их; утверждается, что Bivia не выполняет выборку.

Это действительно иная возможность, и она указывает на промышленные сценарии использования, которые Articul8 реально продаёт: видеозаписи инспекций, где событие занимает три секунды из сорока минут, инженерные чертежи, таблицы и графики, записи сигналов датчиков. Указанные заказчики — Hitachi Energy, CTC, AZing и Megazone, а платформа вокруг Bivia подключается к более чем 25 корпоративным и операционным системам и развёртывается в публичных, частных, суверенных и физически изолированных облаках. Однако настройка под предметную область идёт через продажи — на самой странице указано: «Расскажите нам о вашей предметной области». Таким образом, показатели 100 % для энергетики и Verilog описывают настроенные развёртывания, созданные при содействии Articul8, а не модель, которую вы скачиваете и наводите на свой завод во вторник.

Где в агенте должно находиться место для модели принятия решений — и почему это вопрос маршрутизации

Разумная архитектура — это не «заменить LLM на Bivia». Это цепочка из трёх частей: детерминированные правила берут на себя случаи, которые они могут разрешить, модель принятия решений берёт оставшиеся ограниченные суждения и возвращает метку с вероятностью, а приложение проверяет метку на соответствие политике и разрешениям, прежде чем что-либо произойдёт. Только после этого рабочий процесс выбирает между дешёвым действием, вызовом модели передового уровня и человеком. Модель принятия решений — это этап рекомендации, а не источник полномочий: она не может санкционировать слияние, расход средств или пропуск согласования, а корректно сформированная метка, выбранная по неверной причине, всё равно остаётся неверной.

Это означает, что операционный вопрос — это маршрутизация, и в ней есть три части: какие шаги передаются на слой принятия решений, какие эскалируются к генеративной модели, когда вероятность низка или от ответа воздерживаются, и что происходит, когда сам эндпоинт принятия решений работает медленно или недоступен. Такова структура политики маршрутизации, и именно для этого нужен DSL маршрутизации OrcaRouter — объединение вызова принятия решения и генеративного резервного варианта в один вызов с автоматическим переключением при отказе, чтобы воздержание от ответа или сбой на любой из сторон имели определённый следующий узел, а не застрявший агент. Именно в генеративной половине этой цепочки важно сквозное ценообразование: один API для более чем 200 моделей по прейскурантной цене провайдера с наценкой 0%, так что когда поставщик снижает цену, тариф, по которому вы маршрутизируете, меняется в тот же день.

Одна честная оговорка насчёт доступности. Bivia отсутствует в каталоге OrcaRouter — она доступна через собственный API Articul8 и платформу вендора, и больше нигде, за что мы можем поручиться. Jev-1.13 от TypeSafe AI есть в каталоге, что превращает параллельное тестирование хостируемой модели принятия решений, которую мы действительно предоставляем, в упражнение в одно нажатие клавиши; а попробовать Bivia — значит заключить второй контракт и получить отдельный ключ доступа. Если вы хотите увидеть, оправдывает ли себя слой принятия решений, прежде чем что-либо подписывать, эта асимметрия — самый дешёвый из доступных экспериментов.

Кому стоит попробовать Bivia уже сейчас, а кому лучше подождать

Попробуйте, если ваши решения живут в артефактах, а не в текстовых описаниях — видеоинспекции, чертежах, сканированных рекламациях, журналах датчиков — потому что это та часть Bivia, которую сейчас не может повторить ни один конкурент в волне моделей принятия решений, а бесплатный лимит токенов покрывает пилот. Попробуйте, если вы уже клиент Articul8 с развернутой платформой, потому что Bivia также работает внутри Bivia Studio рядом с вашим существующим пайплайном; или если вам нужно изолированное или суверенное развертывание, что покрывает поддержка корпоративного уровня. Попробуйте, если вы собираетесь использовать его в кодирующем агенте, потому что MCP-серверы и установщик curl превращают это в десятиминутную проверку, а не в проект.

Подождите, если вам нужна цена за единицу, чтобы смоделировать расходы, — потому что её нет. Подождите, если закупки требуют независимого бенчмарка или опубликованной доли отказов, — потому что ни того, ни другого пока не существует. Подождите, если вам нужны веса, которые вы можете разместить у себя, условия лицензии, которые можно прочитать, или SLA по задержке, — ничего из этого не было выпущено. И подождите, если вся ценность именно в доменной настройке: разрыв между Bivia из коробки и Bivia, настроенной под ваш домен, не раскрывается, и именно этот разрыв вы бы и покупали.

Три вещи позволили бы закрыть вопрос, и все три должен опубликовать сам поставщик: тарифная карта за токен, доля отказов, измеренная на стенде, который может запустить кто-то другой, и результаты на бенчмарке, появившемся до запуска. До тех пор справедливая интерпретация Bivia такова: хорошо описанный API, привязанный к необычайно сильной истории о модальностях, продаваемый на бенчмарках, которые сгенерировала его собственная команда, причём самое интересное поведение — понимание, когда следует отказаться, — остаётся тем, что вам предлагается измерить самостоятельно. Переключатель отказа можно попробовать бесплатно, и, судя по имеющимся данным, он по-прежнему остаётся лучшей причиной это сделать.