Amerykański startup TypeSafe AI udostępnił Jev — model AI bez halucynacji, który zamiast tekstu zwraca prawdopodobieństwa i skalibrowane decyzje. To inny rodzaj narzędzia niż typowy chatbot: Jev nie pisze zdań, lecz przypisuje wynik liczbowy, na którym można oprzeć automatyczną decyzję. Zainteresowanie było na tyle duże, że firmie chwilowo zabrakło mocy do obsługi API.
Za projektem stoi Diogo Almeida, były badacz OpenAI współtworzący ChatGPT i autor metody RLHF, wraz ze współzałożycielami Erikiem Gafnim i Sashą Sheng. Jev to model transformerowy, który twórcy opisują jako „System One”, nastawiony na intuicję, a nie na rozumowanie krok po kroku. Wytrenowano go wyłącznie na danych syntetycznych techniką uczenia ze wzmocnieniem na podstawie skalibrowanych decyzji. Nietypowe jest też rozliczenie: tokeny wyjściowe są darmowe, a wejściowe liczone za miliard, nie za milion.
Almeida tłumaczy pomysł prosto.
„Mamy błyskawicę w butelce, a mimo to nie jest użyteczna. Problem w tym, że optymalizujemy pod ludzki język, a to nie służy automatyzacji, bo komputery mówią innym językiem.”
Ponieważ model nie generuje tekstu, nie może zmyślać faktów. To główna różnica wobec dużych modeli językowych.
Model AI bez halucynacji w testach klientów
Pierwsze wdrożenia dotyczą klasyfikacji. Według firmy Vercel Jev działał od 5 do 18 razy szybciej niż ChatGPT Luna 5.6 przy klasyfikacji bezpieczeństwa i z wyższą trafnością. Firma Bryo AI podała, że przy klasyfikacji e-maili Jev był od 10 do 20 razy tańszy od modelu Gemini. Gemini okazał się nieco dokładniejszy, ale Jev zwracał realne wyniki prawdopodobieństwa, których konkurent nie dawał. Ceny ani daty pełnej dostępności producent nie ujawnił.
Dla polskich firm to sygnał wart uwagi. Wiele codziennych zadań w biznesie to nie pisanie tekstu, lecz decyzje: kategoryzacja zgłoszeń, wykrywanie spamu, moderacja treści czy kierowanie wniosków do właściwego działu. Model, który zwraca prawdopodobieństwo z jasnym progiem decyzyjnym, pasuje do takich zastosowań lepiej niż chatbot i bywa tańszy w skali. Warto jednak zachować ostrożność. Benchmarki pochodzą od dostawcy i jego partnerów, więc trzeba je sprawdzić na własnych danych. Przy decyzjach o realnych skutkach zostawcie człowieka w pętli i ustalcie próg, poniżej którego sprawę przejmuje pracownik.
Źródło: TechCrunch (EN), 18 września 2026.
