Где Jev 1.13 ломается: собственный список ограничений TypeSafe

Jev 1.13 (typesafe/jev-1.13) был выпущен 15 сентября 2026 года, что на две недели выходит за пределы последних семи дней, так что его запуск — не главная новость. Датированное событие — 24 сентября 2026 года: в этот день OrcaRouter добавил typesafe/jev-1.13 в свой каталог и открыл для него карточку модели — первую поддержку обслуживания Jev в стороннем шлюзе, после двух недель, когда единственным способом вызвать его был собственный эндпоинт TypeSafe. Это важно здесь по одной конкретной причине. Jev необычен тем, что его поставщик публикует список способов, которыми он даёт сбои, а список, который можно только читать, гораздо легче пропустить, чем модель, которую можно реально вызвать.

Эта страница — тот самый список, составленный только по тому, что говорит сам TypeSafe, плюс эксплуатационные ограничения и счёт.

TypeSafe публикует свой собственный список зазубренности

На docs.typesafe.ai есть страница под названием Jev 1.13: шероховатости. Она явно относится к jev-1.13, содержит дату проверки 2026-09-17 и открывается собственной формулировкой поставщика: «Jev не идеален. Вот некоторые шероховатости, о которых мы знаем в jev-1.13. Многие из них будут исправлены в более поздних версиях». Далее следуют девять названных режимов, каждый с конкретным случаем и средством исправления «Вместо этого:». Ничто из нижеследующего не является домыслом, и ничто не смягчено — формулировки принадлежат TypeSafe, и там, где компания приводит собственный пример, числа в нём принадлежат ей.

Буквальное прочтение: это отвечает на вопрос, который вы написали.

Слова, задающие область действия, отрицания и подразумеваемые условия воспринимаются буквально. Ответ на вопрос даётся исходя из слов в инструкции, «тогда как человек, возможно, усмотрел бы намерение, стоящее за инструкциями».

Полезная часть — это диагностика вендора: когда вы смотрите на неправильный ответ и ловите себя на объяснении того, что вы на самом деле имели в виду, это объяснение и есть недостающая половина инструкции. Способы исправления — указать точное условие в инструкциях, включить граничные случаи в критерии и, там где интерпретация действительно неизбежна, разделить вопрос на два буквальных вопроса и объединить их в коде.

Математика и числа: это не калькулятор

TypeSafe прямо говорит: реализуйте математическую логику в коде. Под этим кроются три конкретные ошибки:

• Подсчёт ненадёжен. Это касается символов в слове, вхождений термина в отрывке и элементов длинного списка. «Модель распознаёт форму ответа, а не подсчитывает, и ошибка растёт вместе с размером того, что подсчитывается». Собственный тест вендора на то, стоит ли вообще задавать вопрос: если регулярное выражение или парсер может найти единицу, подсчёт должен выполняться в коде, и модель ничего не добавляет.

• Числовые представления уступают семантическим. Вопросы о цветах с использованием шестнадцатеричных значений хуже, чем те же вопросы с использованием английских названий цветов; при заданных RGB-триплетах или hex Jev не может надёжно определить, близки ли два значения друг к другу. Тот же разрыв проявляется на низкоуровневом коде — ассемблере или бинарно закодированных инструкциях — по сравнению с языками высокого уровня. Преобразуйте или группируйте в коде, а модель оставляйте для той части, которая действительно требует суждения.

• Выходные значения оценок не несут точных величин. Поставщик утверждает, что уровни оценки Jev численно калиброваны. Математическое ожидание можно использовать, чтобы проверить, проходит ли что-то порог; его нельзя использовать, чтобы восстановить число путём интерполяции между двумя ближайшими уровнями. Это категорическое нет целому классу неправильного использования — чтению оценки как оценки.

Дата и время: даты читаются как текст, а не как количественные значения

Упорядочивание двух дат, измерение расстояния между ними или определение того, попадает ли одна из них в заданный интервал, ненадёжно и ещё больше ухудшается при смешанных форматах, относительных ссылках и предметных границах, таких как кварталы, окна расчётов и периоды начисления.

Рекомендуемое разделение — чистое. Извлечение — это суждение, поэтому поручите его модели. Каждый компонент даты — это небольшое замкнутое множество — двенадцать месяцев, тридцать один возможный день, ограниченный диапазон лет — что превращает извлечение в выбор из перечислимых вариантов, а не в свободный разбор, и даёт вам место для явного «не указано», так что отсутствующая часть сообщается, а не угадывается. Код собирает части и отвечает за всё после этого, включая порядок, длительность, смещение и день недели.

Косвенность: двойные отрицания и лишние переходы снижают точность

Инструкции, содержащие двойные отрицания или многослойную косвенность, выполняются менее надёжно. Вопрос о свойстве свойства или вопрос, требующий нескольких шагов рассуждения, обходится потерей точности. Средство — писать инструкции как можно более прямо и называть соответствующие части состояния, а не описывать их.

Большое состояние, полное нерелевантных деталей, стоит точности

Точность падает по мере того, как состояние растёт за счёт содержимого, не связанного с решением. Несвязанная деталь действует как отвлекающий фактор, а большое состояние затрудняет определение того, какая часть входных данных привела к неверному ответу. Напоминание самой TypeSafe в заключительной заметке звучит прямолинейно: «Jev страдает от гниения контекста, поэтому посторонний материал в состоянии обходится вам потерей точности».

Сначала извлекайте и фильтруйте в коде и отправляйте только те поля, которые нужны для вопроса. Там, где фильтрация до запроса невозможна, поставщик предлагает использовать noul для фильтрации по релевантности, а затем оценивать оставшихся.

Состязательный контент в состоянии сдвигает ответ

Состояние — это данные, и jev-1.13 по умолчанию не рассматривает его как враждебное. Внедрённая инструкция, намеренно вводящая в заблуждение подача или текст, который отстаивает собственную классификацию, могут изменить результат. Это единственный режим, в котором поставщик явно представляет исправление как будущую работу — «Мы рассчитываем улучшить это в будущем», — а промежуточная рекомендация состоит в том, чтобы явно задать критерии и тщательно протестировать интеграцию, прежде чем показывать её многим пользователям.

Противоречивые инструкции и критерии сбивают его с толку

Когда инструкции и критерии требуют разного, модель может запутаться. Пример TypeSafe — это noul, где true соответствует no, а false — yes, что работает хуже, чем тот же вопрос, сформулированный единообразно. Инструкция состоит в том, чтобы рассматривать критерии как расширение инструкции и согласовать их на языке, который обычный человек мог бы прочитать и понять.

Структурные инварианты, которые оно не гарантирует

Это режим, который с наибольшей вероятностью сломает систему, построенную на допущении, которого никто не записал. Jev чрезвычайно последователен в обычном смысле — семантически похожие входные данные дают количественно похожие выходные данные — но структурные тождества, которые, как вы могли бы ожидать, должны выполняться, не гарантируются. Поставщик публикует два разобранных случая.

• Один вопрос, два типа вопросов. «Просит ли клиент возврат средств?», заданный как noul и заданный как выбор да/нет, для тикета «Меня не устраивает посадка. Какие у меня есть варианты?» возвращает noul 0.22, а также выбор: да — 0.01, нет — 0.99, уверенность 0.97. Это ответы на один и тот же вопрос.

• Вопрос и его отрицание. «Клиент просит возврат средств?» и «Клиент просит что-то помимо возврата средств?», заданные как два nouls в тикете «С меня дважды списали за один и тот же заказ. Кто-нибудь может с этим разобраться?», возвращают 0,72 и 0,47. В сумме они дают 1,19.

Меры носят операциональный, а не риторический характер: не полагайтесь на ожидаемую структурную инвариантность, не переносите порог, настроенный на noul, на выбор и не требуйте от модели соблюдения арифметических тождеств между отдельными вопросами. Причина в том, что выбор относителен — он определяет, какой вариант, — тогда как каждый noul абсолютен и может оказаться низким для всех них.

Генерация: её не обучали писать

jev-1.13 не обучен генерировать текст. Можно заставить его выдавать результат, выстраивая варианты выбора в цепочку, и TypeSafe прямо говорит, что это «будет работать плохо и очень медленно». Что касается извлечения, рекомендация такова: вытащить значения-кандидаты с помощью регулярного выражения или генеративной модели и позволить Jev выбрать правильное, или — когда пространство ответов ограничено — превратить извлечение в выбор из вариантов, а не запрашивать само значение.

Ограничение в 255 вариантов для вопросов с выбором ответа

Вопрос выбора: интеграция Jev — это не зазубренный край, а форма продукта. Их стоит выделить отдельно, потому что их не изменит никакой объём работы над промптом:

• Никакой генерации текста. Он возвращает решение, а не прозу. Это задумка, а не дефект.

• Никакого диалога. Jev — это структурированная модель принятия решений, а не чат-модель. Вы отправляете состояние и набор именованных вопросов; она возвращает один структурированный ответ на каждый вопрос. Здесь нет поочерёдности реплик, которую нужно было бы учитывать при проектировании.

• Мультимодальный ввод отсутствует. Ввод — только текст: строка, объект JSON или массив текстовых значений, без изображений, аудио или видео. Нетекстовый материал должен быть предварительно преобразован в текст или структурированные поля, прежде чем он станет частью состояния.

• Ответы без потоковой передачи. Здесь один структурированный ответ, и режима потоковой передачи нет. Причина, по которой это не имеет значения, та же, по которой об этом стоит сказать: передавать потоком нечего. Типизированное решение — логическое значение с вероятностью, одна метка из набора или уровень на шкале — не имеет частичной формы, которую стоило бы раскрывать токен за токеном.

• Английский — основной язык. Другие языки, включая письменности CJK, обрабатываются, но не так же хорошо. TypeSafe советует протестировать на собственном контенте, прежде чем полагаться на Jev для неанглоязычной рабочей нагрузки, и при маршрутизации ориентироваться на уровень уверенности.

Ограничение в 255 вариантов для вопросов с выбором ответа

Вопрос с выбором позволяет выбрать один из не более чем 255 помеченных вариантов, и этот потолок является жёстким. TypeSafe также объясняет, почему большие наборы вариантов работают медленнее, словами самого поставщика: «Для вариантов с более высокой кардинальностью мы используем двухэтапную систему: сначала независимое оценивание, затем принятие явного выбора, отсюда и периодические замедления». Таким образом, затраты на задержку из-за большого набора вариантов имеют структурный, а не случайный характер, и это сам поставщик говорит вам, откуда они берутся.

Наше собственное окно обслуживания для typesafe/jev-1.13, считанное с карточки модели 30 сентября 2026 года, показывает, как это выглядит на практике на протяжении семи дней нашего собственного трафика: медиана 151 мс и p95 247 мс, 348 выходных токенов в секунду и доля ошибок 0,49% при 76,2 млн обслуженных токенов. Суточные медианы держатся в узком диапазоне — 175, 170, 163, 161, 170, 147 и 143 мс с 24 по 30 сентября 2026 года, — но суточный p95 за 28 сентября 2026 года составляет 2 448 мс, примерно в десять раз больше, чем в соседние с ним дни. Мы не можем объяснить этот однодневный выброс кардинальностью выбора и не собираемся этого делать; честная интерпретация такова: хвост существует, и рабочий процесс, чувствительный к задержке, следует проектировать с расчётом на хвост, а не на медиану.

Входной счёт — это весь счёт.

Вывод на Jev тарифицируется по нулевой ставке, что иногда читают как «Jev бесплатен». Это не так, потому что вход измеряется и тарифицируется, а большое состояние не становится бесплатным только потому, что на стороне вывода ничего нет. Цена вендора — $0,042 за миллион входных токенов — то же число, которое TypeSafe указывает как $42 за миллиард — а OrcaRouter передаёт прейскурантную цену провайдера без наценки (0 %), поэтому снижение цены вендором отражается здесь в тот же день.

Вот что это делает с реалистичной формой, используя собственную ставку поставщика:

• Небольшой запрос. Обращение в поддержку на 1200 токенов плюс примерно 300 токенов рубрики и вопросов — это 1500 входных токенов, что составляет $0,000063 за вызов.

• Большой запрос. Контракт на 55 000 токенов плюс вопросы, которые доводят запрос до 60 000 токенов, — это в 40 раз больше токенов, поэтому $0,0025 за вызов — всё ещё небольшая сумма за вызов, но в 40 раз больше, чем в первом случае, за один и тот же ответ.

• При таких объёмах. 60 000 токенов за вызов и 10 000 вызовов в день — это 600 миллионов входных токенов в день, то есть 0,6 миллиарда, следовательно, $25,20 в день и около $756 за 30-дневный месяц. При том же количестве вызовов для запроса на 1 500 токенов получается 15 миллионов токенов в день: $0,63 в день, около $18,90 в месяц.

Разрыв между этими двумя последними строками — не ценовой трюк, это само измеряемое состояние. Именно поэтому совет по фильтрации из раздела о гниении контекста — не только мера точности: сокращение состояния — ещё и единственный рычаг, влияющий на счёт.

Опубликованные эксплуатационные ограничения, чтобы никому не приходилось догадываться.

Страница моделей TypeSafe публикует конкретные числа, поэтому планировщику не нужно их выводить:

• Пропускная способность и скорость. 100 000 токенов в секунду и 40 запросов в секунду, согласно docs.typesafe.ai/models.md. Запрос, превышающий любой из этих лимитов, возвращает 429 Too Many Requests; клиентские SDK вендора по умолчанию повторяют попытки с экспоненциальной задержкой и учитывают заголовок retry-after, если он присутствует в ответе.

• Лимиты меняются. Поставщик заявляет, что лимиты скорости корректируются динамически и «могут изменяться без уведомления» по мере ввода мощностей, при этом более высокие лимиты доступны на индивидуальных и корпоративных планах. Рассматривайте 100K/40 как сегодняшний показатель, а не как договор.

• Бюджет контекста. Бюджет запроса — примерно 64 000 токенов суммарно для состояния и всех вопросов вместе; в карточке модели указано 65 536; а на странице моделей у поставщика отдельно установлен верхний предел в 32 000 токенов для состояния плюс одного самого длинного вопроса. Эта вторая цифра — бюджет состояния, а не уменьшенная версия первой; обе реальны, и ни одна не противоречит другой.

• Псевдонимы меняются у вас под ногами. Сегодня и jev-latest, и jev-preview указывают на jev-1.13.0, а вендор отмечает, что прямо сейчас нет доступной preview-сборки. Псевдоним меняется, когда выходит новый релиз, поэтому если вы настроили пороги уверенности под конкретную версию, закрепите версионированный ID и переходите по собственному графику.

Как должен выглядеть ваш сценарий использования

Если прочитать от начала до конца, собственный список вендора описывает узкий, но полезный инструмент. Jev подходит, когда суждение ограничено, а арифметика — не задача модели: соответствует ли эта запись политике, какой из этих сорока ярлыков применим, как это оценивается по пятиуровневой шкале — при запросе по состоянию, которое вы отфильтровали сами, с буквальной инструкцией и критериями, которые с ней согласуются, и при том, что все подсчёты, сравнения и измерения дат выполняются в коде вокруг него.

Это не подходит, когда задача требует подсчёта, упорядочивания или арифметики дат, когда нужно несколько шагов рассуждений, когда входной материал — не текст, когда состояние — стог сена, а вопрос — иголка, или когда что-либо в источнике враждебно. Это не пробелы в промпте; это места, где модель не работает, и именно TypeSafe это утверждает.

Ещё одна вещь, которую стоит знать перед подключением: честное отличие в том, как вызывается Jev. В OrcaRouter каталог обращается к Jev через выделенный эндпоинт systemone, POST /v1/systemone, а не через формат chat-completions от OpenAI. Это реальное отличие в запросе, который вы пишете, и это корректная версия более раннего утверждения, что Jev «говорит на собственном формате запросов». Всё остальное — как и у любой другой модели в аккаунте — один ключ для 200+ моделей, никаких плат за токены с нашей стороны и автоматическое переключение при сбое маршрута. TypeSafe убрала лист ожидания 21.09.2026; собственная домашняя страница вендора по-прежнему описывает Jev как early access, а его страница бенчмарков всё ещё помечена как «в ожидании», поэтому единственные показатели производительности на этой странице — это цифры обслуживания, которые мы измерили сами, и собственные заявления вендора, помеченные как его.