TypeSafe виходить на світло з новаторською системою Jev для автоматизації програмних рішень
Компанія TypeSafe, заснована одним із співвинахідників ChatGPT, припинила секретність і презентувала Jev — модель, що здатна автоматизувати програмні рішення за допомогою архітектури паралельного семплювання. Тепер програмні системи, які потребують автоматизованої детермінованої логіки, матимуть змогу обійтися без класичних мовних моделей і безпосередньо інтегрувати Jev у свої робочі процеси.
Ця інноваційна модель створена для виконання структурованих ймовірнісних рішень безпосередньо у коді, що працює в продакшені, уникаючи традиційних труднощів із генерацією тексту. Сенс полягає в тому, що замість послідовного автоматичного створення токенів, Jev приймає на вхід неструктурований стан і повертає типобезпечні дані, формуючи рішення паралельно.
Інноваційна архітектура Jev: Таймінг, продуктивність та нові підходи
Розробка тривала два роки під керівництвом Діого Алмейди — ветерана OpenAI та одного зі співвинахідників ChatGPT. Ключова відмінність Jev полягає в методі навчання — Reinforcement Learning for Calibrated Decisions (RLCD), який дозволяє домогтися коректної оцінки впевненості кожного рішення.
Це означає, що моделі не доводиться «вгадувати», чи правильна її відповідь, адже рівень впевненості напряму пов’язаний із точністю виводу. Паралельне семплювання, яке повністю враховує особливості апаратного забезпечення, дає змогу обробити всі структуровані значення одночасно з високою швидкістю та надійністю.
Переваги Jev продовжуються:
- Відсутність потреби у складних парсінгових пайплайнах і додаткових захисних кодах.
- Обробка до 255 варіантів вибору одночасно з двохступеневим оцінюванням.
- Неймовірна економія часу: 70-500 мс відгуку в порівнянні з 3-329 секундами у традиційних моделях.
За показниками швидкості роботи на реальних задачах Jev випереджає інші провідні моделі до 193,6 разів, а вартість обробки вражає ефективністю — лише $0,042 за мільйон токенів, значно дешевше за стандартні $0,20–$10.
З практики: Як Jev працює у геймінгу, аналізі даних та в режимі реального часу
Випробування на реальних проєктах показали, що Jev легко справляється з різними динамічними задачами. У тестах на швидкісних ігрових станах — на прикладі Doom — модель підтримувала 10 запитів за секунду із операційними витратами близько 7 доларів за годину роботи бота.
Ще один тест — Wikiracing — продемонстрував її здатність вибирати посилання в густо населених енциклопедичних структурах, обходячи «помилкові» шляхи і генеруючи логічні переходи без вигадок. Це важливо для масштабних робочих процесів із петабайтними обсягами даних.
Досвід поля підкреслює, що Jev — це надійний інструмент для:
- Реального часу витягання характеристик зі стрімких потоків.
- Автоматизації перевірок та валідації результатів.
- Складання складної логіки з розгалуженнями, де ручні правила часто слабкі.
На сьогодні TypeSafe відкрив ранній доступ для розробників і вже починає запрошувати інженерні команди зі списку очікування.
Більше про майбутнє штучного інтелекту та великі дані
Зацікавлені у поглибленому розумінні AI та технологій обробки великих даних можуть відвідати AI & Big Data Expo, що відбудеться в Амстердамі, Каліфорнії та Лондоні. Ця подія — частина TechEx і об’єднує кілька провідних заходів, включаючи Cyber Security & Cloud Expo.
Дізнайтеся більше на сайті організаторів та слідкуйте за останніми новинами та вебінарами від TechForge Media.
