Jev не пишет ни строчки: зачем нейросеть, которая только выбирает

Вы отправили промпт в генератор видео, кредиты списались, через минуту пришёл ролик — и в нём не тот герой, потому что в промпте его вообще не было. Ошибку можно было поймать до запуска одним вопросом: «описан ли в тексте главный объект сцены?». Чтобы задать такой вопрос машине, обычно берут большую языковую модель — и платят за то, что она сочиняет абзац рассуждений ради одного «да» или «нет». Jev устроен наоборот: он вообще не пишет текст, а только выбирает ответ. Разбираем, что это за модель, сколько стоит решение и где такой подход полезен тем, кто работает с генерацией.

Что такое Jev и чем он не является

Jev — модель компании TypeSafe AI, которая принимает быстрые структурированные решения и не генерирует текст. Компания представила её 15 сентября 2026 года как первую модель класса System One и открыла ранний доступ. Название отсылает к «системе 1» из психологии: быстрое решение по ситуации, без долгого рассуждения вслух.

Работает это так: вы передаёте модели состояние — текст или JSON с контекстом задачи — и набор типизированных вопросов. В ответ приходят не фразы, а значения, которые код может сразу использовать: выбранный вариант, оценка по шкале или вероятность того, что утверждение верно. В документации прямо сказано, что Jev не пишет текст, не пишет код и не ведёт диалог.

Главная мысль всего разбора: большая часть «умных» шагов в продукте — это выбор из готовых вариантов, а не сочинение текста, и платить за сочинение там незачем.

Какие вопросы можно задать Jev?

Jev понимает три типа вопросов: Choice, Score и Noul. Их можно смешивать в одном запросе, и каждый вопрос оценивается параллельно и независимо от остальных, но по одному и тому же состоянию.

• Choice — выбрать один вариант из заданного списка. В ответе — выбранный вариант, вероятность для каждого варианта и уверенность модели. Список может быть длинным: TypeSafe указывает до 255 вариантов.
• Score — оценить состояние по шкале из упорядоченных описанных уровней, например «промпт пустой / общий / конкретный / готов к запуску».
• Noul — ответить «да или нет» и вернуть вероятность ответа «да» от 0 до 1.

Отдельно от ответа модель возвращает уверенность. Это вторая ось решения: ответ говорит, что выбрать, а уверенность — стоит ли действовать автоматически или отдать случай человеку.

Сколько стоит одно решение?

Одно решение Jev в среднем стоит меньше десятитысячной доли доллара: платится только вход, $0,042 за миллион токенов, а выходные токены TypeSafe не тарифицирует вовсе. На витрине проектов с Jev приводится медианная цена решения $0,000068 и медианное время ответа 154 мс; в анонсе компания называет диапазон от 70 до 500 мс на весь запрос.

• $0,042за 1 млн входных токенов
• 154 мсмедианный ответ по витрине
• 0долларов за выходные токены

Посчитаем на задаче из вступления. Промпт вместе с короткой инструкцией — около 300 токенов. Тысяча таких проверок — 300 тысяч токенов, то есть примерно $0,013, чуть больше цента. Для сравнения: сама генерация одного ролика стоит на порядки дороже, поэтому проверка до запуска окупается, даже если ловит одну ошибку из сотни.

Где модель-решатель пригодится в работе с генерацией

Модель-решатель пригодится там, где перед дорогим шагом нужно быстро принять узкое решение по тексту. В сервисе генерации таких мест много, и во всех ошибка стоит денег или времени пользователя. Вот как мы разложили бы эти задачи по типам вопросов Jev — это схема проектирования, а не описание готовой функции HEAD AI.

1. Проверка промпта до списания кредитов. Noul: «назван ли главный объект сцены?»; Score: насколько промпт конкретен — от «пустой» до «готов к запуску». При низкой оценке пользователь видит подсказку, а не испорченный результат.
2. Выбор модели под задачу. Choice по описанию задачи: портрет, товар на белом фоне, видео из фото, музыка, озвучка. Каталог моделей HEAD AI как раз устроен по таким задачам, и выбор из закрытого списка — ровно то, для чего Jev сделан.
3. Разбор входящих обращений. Choice по тексту письма: оплата, качество генерации, возврат, вопрос по модели. Уверенность решает, уходит ли письмо в шаблонный ответ или к человеку.
4. Редакторская проверка текстов. Noul-вопросы к черновику поста: «есть ли в тексте цена без источника?», «обещает ли текст гарантированный результат?». Здесь ошибка модели стоит дешевле всего, поэтому с этой задачи разумно начинать эксперимент.

Как сформулировать вопросы, чтобы ответы были полезны

Полезный вопрос к Jev — узкий, с взаимоисключающими вариантами и с описанием каждого варианта словами. Модель оценивает вопрос только по переданному состоянию, поэтому всё, что нужно для решения, должно быть в нём, а лишнее лучше убрать: документация предупреждает, что точность меняется с ростом состояния. Вопросы лучше писать по-английски — ниже объясняем почему.

STATE: user prompt for a video generator: "{prompt}"

NOUL: Does the prompt name the main subject of the scene?
NOUL: Does the prompt describe what happens in the shot (action or camera movement)?
SCORE: How ready is this prompt to run?
  1 = empty or a single vague word
  2 = subject only, no action, no setting
  3 = subject, action and setting, no style or camera
  4 = subject, action, setting and camera or style
CHOICE: Which task does the user want?
  portrait photo | product on white background | image to video | text to video | music | voiceover

Такой набор отвечает сразу на три практических вопроса: запускать ли генерацию, что подсказать пользователю и какую модель предложить. Решение по каждому ответу принимает ваш код — например, при оценке 1–2 показать подсказку, а при 3–4 запускать.

Где Jev не сработает

Jev не сработает там, где нужно понять картинку, звук или видео напрямую: модель принимает только текст. Оценить готовый кадр она может лишь по его текстовому описанию, а значит, для проверки результата генерации нужен отдельный визуальный анализ.

• Русский язык. Основной язык обучения — английский, и точность там сейчас лучшая. Другие языки модель принимает, но хуже; TypeSafe сама советует проверить качество на своих данных, прежде чем полагаться на неанглийский поток.
• Длинный контекст. На запрос — 64 тысячи токенов, из них 32 тысячи на состояние вместе с самым длинным вопросом. Длинные договоры и расшифровки придётся резать на части.
• Текст на выходе. Написать подсказку, пост или ответ клиенту Jev не может. Решение принимает он, а слова пишет обычная языковая модель или шаблон.
• Лимиты. Потолок — 250 тысяч токенов в секунду и 1 200 запросов в минуту; при превышении API отвечает ошибкой 429.

Частые вопросы