Напишіть у ваш Claude або Codex: завантаж і запусти на цьому комп'ютері локальну альтернативу Jev AI. І в принципі це все, що вам потрібно про нього знати. Але ми не можемо пройти повз цей хайп, тож давайте подивимось, що це за класифікатор такий, чому навколо нього так багато постів і чому він вам не потрібен.
Що це за класифікатор
Jev випустили TypeSafe AI 15 вересня. Ви даєте йому текст і питання з готовими варіантами відповіді, він повертає один із варіантів. Тексту він не пише взагалі.
Питання бувають трьох видів:
- вибір зі списку: куди передати лист клієнта, в оплати, техпідтримку чи продажі
- оцінка за шкалою: наскільки термінове звернення, від 0 до 100
- так чи ні: замість відповіді повертається ймовірність, наприклад 0.95
До кожної відповіді додається впевненість, і якщо вона низька, випадок можна віддати на перевірку людині. Одним запитом можна поставити кілька питань до того самого тексту. Працює тільки з текстом, варіантів у списку може бути до 255.
Як він влаштований, TypeSafe не розкрили. Sebastian Raschka, автор книжок про мовні моделі, припускає невелику модель родини BERT, тобто саме той тип моделей, який роками тренують під класифікацію. За його словами, нове тут лише те, що Jev добре узагальнює на будь-які питання, а не на одне завдання.
Чому навколо нього стільки постів
TypeSafe AI два роки сиділи тихо, а потім вийшли одразу з демо, де Jev грає в Doom. Вибір гри не випадковий: запустити Doom на чомусь несподіваному — це найкоротший шлях до серця технічної аудиторії, його вже ганяли на калькуляторах, банкоматах і тестах на вагітність. У демо рішення займає 0.114 секунди, а поруч GPT-5.6 Terra, одна з новинок великого тижня релізів, думає над тим самим 8.566 секунди.
На головній сторінці компанії висить "193.6x швидше, 444.6x дешевше". Ціна справді незвична: $0.042 за мільйон вхідних токенів, а вихідні безплатні, бо тексту на виході немає. Додайте $40 млн інвестицій і засновника Diogo Almeida, колишнього дослідника OpenAI, причетного до ChatGPT. Через кілька днів у стрічках Jev уже порівнювали з появою інтернету.
SEO-шникам окремо сподобалося демо з внутрішньою перелінковкою, яке зібрало 820 тисяч переглядів: 586 сторінок за 45 секунд, 584 розставлені посилання, і все це за 21 цент, тоді як Claude Opus 5 за той самий час подужав 21 сторінку. Чи правильні ці 584 посилання, ніхто не перевіряв.
Настрій цього тижня найкраще передав Сергій Кокшаров у DevakaTalk:
Зрозумій, у SEO тепер тільки й розмов, що про JEV. Про те, як він нескінченно швидкий. Про те, як ти згодовуєш йому мільйон сторінок, а він не сидить і не пише тобі токен за токеном: «Звичайно! Ось детальний аналіз ваших сторінок…» Він просто бере — і вирішує. Relevant: 0.97. Spam: 0.03. Needs update: 0.81. Commercial intent: 0.94.
А ти? Що ти скажеш SEO-шникам? Що ти досі відправляєш 500 000 URL у GPT по одному? Що парсиш його JSON і молишся, щоб цього разу там не зникла дужка? Що платиш за output tokens? Ти навіть JEV жодного разу не запускав. Там, нагорі, на SEO-конференції, тебе охрестять лохом.
А причину хайпу коротко пояснив Gary Illyes з Google у Bluesky:
Залежно від того, у який бік LinkedIn вас занесло, вам уже трапився JEV, розрекламований як нове слово в LLM. Це не воно. Це маркетинговий хайп навколо моделей-класифікаторів, який здійнявся, бо дехто відкрив для себе, що найпотужніші LLM справді не варто використовувати для класифікації.
Чому він вам не потрібен
Обіцяні цифри не підтвердилися. 193.6x TypeSafe отримали на задачах, які склали самі, і в блозі визнають, що результати лежать на верхній межі того, що дає реальне використання. Там, де Jev вставили у справжню роботу, прискорення вийшло від 1.16x до 6x. Найскромніше, 1.16x, поміряв співробітник самої TypeSafe.
Звичайний класифікатор точніший. У незалежному тесті на наборі банківських звернень з 77 категоріями вийшло так:
- класифікатор, навчений на розмічених прикладах: 93.3%
- найпотужніша мовна модель: 87.5%
- Jev: 83.2%
В іншому тесті, де шукали фішинг у 2000 листів, Jev на прямому питанні дав 62.6%, а простий пошук за шаблоном у тексті 91.8%.
Його впевненості не можна вірити. Саме на ній TypeSafe будують обіцянку віддавати людині все сумнівне. Але на 30 повідомленнях, правильної відповіді для яких не було серед варіантів, Jev не засумнівався жодного разу, з упевненістю 0.99. У тесті Massimiliano Geraci з Helium SEO, який перевіряв твердження для видимості в AI-пошуку, Jev пропустив як підкріплене твердження з непідтвердженою деталлю, з упевненістю 0.93.
Його вже замінили відкритою моделлю. Andrea Volpini з WordLift прогнав Jev на своєму механізмі, який розрізняє однакові назви, наприклад Paris у Франції і Paris у Техасі, і з короткими описами варіантів отримав 37 з 37. Потім замінив Jev на відкриту Qwen, запущену через SGLang, і вона відпрацювала на 37% швидше з тією самою точністю. У продукт WordLift Jev так і не поставили, і жоден SEO-сервіс його поки не інтегрував.
Andriy Burkov описав, як отримати таку саму швидкість від звичайної мовної моделі: ставити питання окремо для кожного варіанта і брати від неї рівно один символ відповіді. А Denis O. з фінтеху нагадав, що оцінки, пороги й бальні шкали для таких рішень існують десятиліттями, просто останні роки все це пхали через великі мовні моделі.
Що робити замість Jev
Інтент запиту, бренд чи небренд, чи конкурують дві сторінки, чи ставити посилання звідси туди, чи публікувати сторінку. Для таких рішень велика мовна модель справді зайва, але і Jev не потрібен.
- Спершу перевірте, чи не вирішує задачу звичайне правило. Історія з фішингом це добре показує.
- Якщо не вирішує, розмітьте руками дві-три сотні прикладів і попросіть Claude або Codex навчити на них маленький класифікатор і запустити його у вас на комп'ютері. У незалежному тесті такий класифікатор, навчений на 250 прикладах, обійшов Jev на визначенні теми на 12 пунктів і зрівнявся з ним на тональності, а в роботі він безплатний.
- Хоч би що ви обрали, звірте відповіді на власній вибірці, перш ніж довіряти впевненості моделі.