TypeSafe, iki yıllık kapalı geliştirme sürecinin ardından Jev adlı yeni yapay zeka modelini duyurdu. Şirketin yaklaşımı, klasik sohbet odaklı büyük dil modellerinden belirgin biçimde ayrılıyor. Jev, metin üretmek veya sıralı token akışı oluşturmak yerine, yapılandırılmamış bir durumu girdi olarak alıp tip güvenli, yapılandırılmış çıktılar üretiyor. Hedef, özellikle üretim ortamındaki yazılım sistemlerinde deterministik karar mantığını daha doğrudan ve daha güvenilir şekilde çalıştırmak.
Şirketin tanımına göre Jev, “System One Model” olarak konumlandırılıyor. Yani doğal dil üzerinden sohbet etmekten çok, uygulama kodunun içinde çalışacak programatik kararları otomatikleştirmeye odaklanıyor. Bu tasarımın önemli farkı, otoregresif metin üretimini tamamen terk etmesi. Geleneksel modellerin birer birer token üretmesine karşılık Jev, tek bir paralel sorgu içinde tüm yapılandırılmış değerleri aynı anda döndürüyor. Böylece sözdizimsel tip uyuşmazlıkları ve çıktı halüsinasyonları tasarım gereği azaltılmaya çalışılıyor.
Modelin arkasındaki temel eğitim yöntemi, TypeSafe’ın Reinforcement Learning for Calibrated Decisions ya da kısaca RLCD adını verdiği yaklaşım. Yaygın sistemlerde kullanılan RLHF veya RLVR benzeri yöntemler genellikle insan tercihlerine ya da doğrulanabilir tekil kontrolleri karşılamaya odaklanıyor. RLCD ise yürütme mantığına ilişkin olasılıkların kalibre edilmesini hedefliyor. Başka bir deyişle, modelin döndürdüğü güven skorlarının çıktı doğruluğuyla daha doğrudan ilişkili olması amaçlanıyor.
Jev’in mimarisinde donanım farkındalıklı bir paralel örnekleyici kullanılıyor. Bu yapı, tüm yapılandırılmış değerleri eşzamanlı değerlendirip teslim ediyor. Ayrıca çıktı alanı önceden tanımlı şemalarla sınırlandığı için, geleneksel büyük dil modellerinin iş otomasyonu akışlarında çoğu zaman ihtiyaç duyduğu ayrıştırma katmanları ve koruma sarmalayıcıları da ortadan kalkıyor. Şirket, iç örnekleyicinin 255 ayrık seçeneğe kadar yüksek kardinaliteli seçimleri desteklediğini, seçimden önce seçenekleri bağımsız olarak puanlayan iki aşamalı bir süreç kullandığını belirtiyor.
Performans tarafında paylaşılan veriler, düşük gecikme ve yüksek hız iddiasını öne çıkarıyor. TypeSafe’ın Batı Kıyısı sunucularında yapılan iç testlerde uçtan uca yanıt sürelerinin 70–500 milisaniye aralığında olduğu aktarılıyor. Karşılaştırma için verilen sohbet odaklı frontier sistemlerde ise bu aralığın 3–329 saniye olduğu belirtiliyor. Sabit hesaplama grafikleri üzerinde yürütülen ve çok adımlı karar dallanmalarını GPT-6 Astra ile Fable 5.1 tabanlı uzlaşı temellerine karşı ölçen iş akışı değerlendirmelerinde, yürütme hızının 193.6 kata kadar daha yüksek olduğu ifade ediliyor.
Maliyet tarafında da benzer bir vurgu var. Girdi işleme fiyatı milyon token başına $0.042 olarak açıklanmış durumda. Şirket bunu, standart sohbet odaklı sistemlerde görülen milyon token başına $0.20 ile $10 arasındaki maliyetlerle karşılaştırıyor. Jev, yapılandırılmış durumları otoregresif çıktı geçişleri olmadan paralel örnekleme ile ürettiği için çıktı token’ları için ayrıca ölçümleme ve ücretlendirme uygulanmadığı belirtiliyor.
Gerçek kullanım senaryolarında ise Jev’in özellikle hızlı dallanan durum alanlarında denendiği görülüyor. Üretim demolarında modelin yüksek hızlı oyun durumları ve web gezinme ağaçları üzerinde dallanma kurallarını çözdüğü aktarılıyor. Dinamik stres testlerinde mühendisler, Doom oyun durum yapıları üzerinde saniyede 10 sorgu hızında gerçek zamanlı tepkisel bir bot çalıştırmış. Bu senaryoda işletim maliyetinin yaklaşık saat başına $7 olduğu belirtiliyor.
İkinci bir testte Wikiracing benzeri bağlantı seçim senaryosu kullanılmış. Yoğun ansiklopedi dizinleri içindeki bağlantı seçimlerinde, modelin var olmayan çıkmaz yollar üretmeden seçenekleri değerlendirdiği ve dış non-reasoning modellere göre daha az adımda tamamlamalar yaptığı ifade ediliyor. TypeSafe, bu bulguların özellikle gerçek zamanlı özellik çıkarımı, petabayt ölçekli veri iş akışları, çıktı doğrulama katmanları ve elle yazılmış kuralların kırılgan kaldığı otomatik dallanma mantığı gibi alanlarda kullanım potansiyeline işaret ettiğini söylüyor.
Şirket bugün itibarıyla erken geliştirici erişimini açtı ve bekleme listesindeki mühendislik ekiplerini sisteme almaya başladığını duyurdu. Jev’in konumlandırması, sohbet eden genel amaçlı modellerden çok, üretim kodu içinde tip güvenli karar motoru gibi çalışan özel amaçlı bir yapay zeka bileşenine işaret ediyor. Paylaşılan mimari ve performans verileri, özellikle düşük gecikme, şema tabanlı çıktı ve maliyet kontrolü arayan ekipler için dikkat çekici bir alternatif ortaya koyuyor.
