+994512060920
15 sentyabr 2026-cı ildə maraqlı bir elan oldu: ChatGPT-ni yaradan komandanın üzvü olmuş Diogo Almeida iki illik gizli iş dövründən sonra TypeSafe AI şirkətini və onun ilk modeli Jev-i təqdim etdi. Amma Jev adi bir dil modeli deyil, çünki o, ümumiyyətlə mətn yazmır. Nə bir cümlə, nə də tək bir söz. Bunun əvəzinə o, sizə birbaşa struktura salınmış qərar qaytarır, bunu da adi LLM-lərdən 20-200 dəfə sürətli və qat-qat ucuz şəkildə edir. Elanla eyni vaxtda şirkət DCVC-nin başçılıq etdiyi 40 milyon dollarlıq maliyyələşdirmə turunu da açıqlayıb.
Bu yazıda Jev-in nə etdiyini, niyə fərqli bir yanaşma olduğunu və bunun sizin AI-əsaslı sistemləriniz üçün konkret olaraq nə demək ola biləcəyini izah edəcəyik.
Jev Nədir?
Jev, TypeSafe AI-nin "System One Model" adlandırdığı yeni bir model kateqoriyasının ilk nümayəndəsidir. Adı psixoloq Daniel Kahneman-ın "Thinking, Fast and Slow" kitabındakı məşhur ayırıma istinad edir: sürətli, intuitiv "Sistem 1" düşüncə ilə yavaş, çətinliklə işləyən "Sistem 2" düşüncə arasındakı fərq. Jev məhz həmin sürətli, "instinktiv" qərar vermə hissəsini modelləşdirməyə çalışır, LLM-lərin adətən yerinə yetirdiyi yavaş, addım-addım mühakimə hissəsini deyil. Bu analogiya təsadüfi seçilməyib, çünki Almeida-nın əsas tezisi budur ki, hər AI tapşırığı dərin mühakimə tələb etmir.
Necə İşləyir?
Adi böyük dil modelləri mətni token-be-token, ardıcıl şəkildə yaradır. Jev isə tamamilə fərqli yanaşır: proqramçı əvvəlcədən mümkün nəticələrin siyahısını (seçimlər, bal, bəli/xeyr qərarı) müəyyənləşdirir, Jev isə bu nəticələri paralel şəkildə, hər birinə kalibrasiya olunmuş etimad balı əlavə edərək qaytarır. Nəticə mətn deyil, struktura salınmış, proqram tərəfindən birbaşa istifadə oluna bilən bir cavabdır. Bu yanaşma dizayn etibarilə sintaktik səhvləri və "hallüsinasiyaları" əvvəlcədən aradan qaldırır, çünki model yalnız sizin təyin etdiyiniz seçimlər arasından çıxış verə bilir. Klassik proqramlaşdırmada "type safety" anlayışının AI qərar vermə prosesinə tətbiqi kimi düşünmək olar.
Niyə Bu Qədər Sürətli və Ucuzdur?
Rəqəmlər həqiqətən diqqətçəkicidir: Jev 70-500 millisaniyə ərzində cavab verir, giriş Token-i üçün cəmi 0.042 dollar/milyon tələb edir, çıxış Token-ləri isə ümumiyyətlə pulsuzdur. Erkən sınaqçılardan biri 5000 sorğunu cəmi 2 dollara işlətdiyini, orta cavab vaxtının isə 150 millisaniyə ətrafında olduğunu bildirib. Bu, AI modellərinin qiymətinin ucuzlaşması haqqında yazdığımız trendin yeni, daha kəskin bir nümunəsidir: sadə təsnifat və qərar tapşırıqları üçün artıq nəhəng, bahalı modeldən istifadə etməyə ehtiyac qalmır, bu da xüsusilə çoxlu sayda kiçik qərar tələb edən sistemlərdə əhəmiyyətli qənaətə çevrilə bilər.
RLCD: Yeni Bir Təlim Metodu
Jev adi modellərin istifadə etdiyi RLHF (insan rəyinə əsaslanan gücləndirici təlim) əvəzinə, Almeida-nın özünün hazırladığı RLCD adlı yeni metodla təlim keçib. Fərq məqsəddədir: RLHF modelin insanların bəyəndiyi cavabı verməsinə yönəlir, RLCD isə modelin real nəticə ilə düzgün korrelyasiya edən, "epistemik cəhətdən dürüst" ehtimal balları verməsinə fokuslanır. Sadə dillə desək, Jev "insanlara xoş gəlsin" deyə deyil, "real vəziyyəti düzgün əks etdirsin" deyə öyrədilib.
LLM-i Əvəz Etmir, Tamamlayır
Burada vacib bir nüansı qeyd etmək lazımdır: Jev mövcud çat modellərini (GPT, Claude, Gemini) əvəz etmək üçün nəzərdə tutulmayıb. Əksinə, o, bu modellərin yanında işləyən əlavə bir "qərar qatı" kimi düşünülüb. Almeida-nın öz sözləri ilə desək, Jev-i "frontier-intelligence function call" kimi təsəvvür etmək lazımdır: strukturlaşdırılmamış vəziyyət daxil olur, tipli, ehtimal əsaslı qərar xaric olur. Yəni real sistemdə siz hələ də mürəkkəb mühakimə üçün böyük modeldən istifadə edirsiniz, sadə marşrutlaşdırma və təsnifat qərarları üçün isə Jev-ə müraciət edirsiniz. Bu iki qatlı yanaşma, tək bir model üzərində hər şeyi həll etməyə çalışmaqdan fərqli, daha səmərəli bir memarlıq təklif edir.
Praktiki İstifadə Halları
Erkən istifadəçilər Jev-i artıq bir neçə konkret ssenaridə sınayıblar: dəstək müraciətlərinin hansı komandaya yönləndiriləcəyini müəyyənləşdirmək, istifadəçi niyyətini təsnif etmək, təhlükəsizlik yoxlamaları üçün məzmuna "bayraq" qoymaq və uğursuz sorğuları təkrar cəhd etməyə dəyərmi deyə qərar vermək. Bu, AI agentləri qurarkən xüsusilə dəyərlidir: agentin hər addımda böyük, bahalı modelə müraciət etməsi əvəzinə, sadə marşrutlaşdırma qərarlarını Jev kimi sürətli bir qata həvalə etmək, həm xərci, həm də gecikməni əhəmiyyətli dərəcədə azalda bilər. Məsələn, bir agent iş axınında 10 addımdan yalnız 2-3-ü real yaradıcı mühakimə tələb edirsə, qalan addımları sürətli qərar modelinə həvalə etmək bütün sistemin performansını əhəmiyyətli dərəcədə yaxşılaşdıra bilər.
Jev və Adi LLM-lər Arasında Fərq
| Meyar | Adi LLM (GPT, Claude, Gemini) | Jev |
|---|---|---|
| Çıxış formatı | Sərbəst mətn | Əvvəlcədən müəyyən edilmiş struktura salınmış qərar |
| Nəsil üsulu | Ardıcıl, token-be-token | Paralel, bütün seçimlər eyni anda qiymətləndirilir |
| Sürət | Adətən bir neçə saniyə | 70-500 millisaniyə |
| Əsas istifadə sahəsi | Yaradıcı yazı, mürəkkəb mühakimə, söhbət | Təsnifat, marşrutlaşdırma, sürətli qərar |
| Xəta növü | Hallüsinasiya riski var | Yalnız təyin edilmiş seçimlər arasından çıxış, hallüsinasiya riski dizayn etibarilə azdır |
Kim Qurub?
TypeSafe AI-nin arxasında duran ad təsadüfi deyil. Diogo Almeida OpenAI-da RLHF-in (İnsan Rəyinə Əsaslanan Gücləndirici Təlim) həmmüəllifi olub, GPT-3-ü sadə mətn proqnozlaşdırıcısından insanların danışmaq istədiyi bir sistemə çevirən texnikanın məhz arxasında dayanan adamlardan biridir. O, InstructGPT məqaləsinin həmmüəllifi kimi, ChatGPT-nin əsasını qoyan işdə birbaşa iştirak edib. 2024-cü ildə OpenAI-dan ayrılaraq iki il ərzində gizli şəkildə yeni bir yanaşma üzərində işləyib. Bu təcrübə, TypeSafe-in sadəcə "növbəti startap" deyil, sənayeni yaxından tanıyan bir insanın konkret bir boşluğu doldurmaq cəhdi olduğuna işarədir.
Bu, Sizin Sisteminiz Üçün Nə Deməkdir?
Əgər sisteminiz artıq AI-əsaslı təsnifat, marşrutlaşdırma və ya qərar vermə funksiyalarından istifadə edirsə, bu sahədə hər sorğu üçün böyük bir dil modelinə müraciət etmək çox vaxt lüzumsuz xərcdir. Jev kimi ixtisaslaşmış "qərar modelləri" konsepti göstərir ki, gələcəkdə AI arxitekturaları getdikcə daha çox təbəqəli olacaq: mürəkkəb, yaradıcı tapşırıqlar üçün böyük modellər, sürətli, təkrarlanan qərarlar üçün isə kiçik, ixtisaslaşmış modellər. Bu, API arxitekturanızı planlaşdırarkən nəzərə almağa dəyər bir istiqamətdir, xüsusilə yüksək həcmli, sadə qərar tapşırıqlarınız varsa.
Erkən Mərhələdə Olduğunu Unutmayın
Jev hazırda geniş buraxılışda deyil, məhdud erkən giriş mərhələsindədir. Bu qədər yeni bir yanaşma olduğu üçün, açıqlana bilinirlik (explainability) və müxtəlif sənaye kontekstlərində real etibarlılıq kimi suallar hələ tam cavablanmayıb. Üç gün ərzində OpenRouter-də siyahıya alınması və proqramçıların onu Claude Code, brauzer avtomatlaşdırması kimi alətlərə inteqrasiya etməyə başlaması sürətli maraq göstərsə də, istənilən yeni texnologiya kimi, geniş miqyaslı istehsalat mühitində sınanması vaxt tələb edəcək. Bank, dövlət və digər tənzimlənən sahələrdə işləyən komandalar üçün bu, xüsusilə diqqətli yanaşma tələb edən bir məqamdır, çünki qərarların necə əsaslandırıldığını izah etmək bəzən texniki performansdan daha vacib ola bilər.
Tez-tez Verilən Suallar
Jev ChatGPT və ya Claude kimi söhbət edə bilərmi?
Xeyr, bu, onun məqsədi deyil. Jev heç bir sərbəst mətn yaza bilmir, yalnız əvvəlcədən müəyyən edilmiş struktura uyğun qərar qaytarır.
Jev mövcud AI investisiyalarımızı əvəz edirmi?
Xeyr. O, mövcud modellərinizin yanında, sadə qərar tapşırıqlarını daha ucuz və sürətli həll etmək üçün əlavə bir alətdir.
Bu texnologiya hazır istehsalat mühiti üçün etibarlıdırmı?
Hələ erkən mərhələdədir. Konsept güclü görünsə də, geniş miqyaslı, kritik sistemlərdə istifadədən əvvəl diqqətli qiymətləndirmə tövsiyə olunur.
Bu tip "qərar modelləri" gələcəkdə yayılacaqmı?
Tendensiya bunu göstərir. AI xərcləri ucuzlaşdıqca və sistemlər daha çox qərar tapşırığı avtomatlaşdırdıqca, hər tapşırıq üçün ən böyük modeldən istifadə etmək artıq səmərəsiz görünür.
Jev-i öz layihəmizə inteqrasiya etmək çətindirmi?
Model API vasitəsilə əlçatandır və artıq bir neçə gün ərzində OpenRouter kimi platformalarda siyahıya alınıb, bu da inteqrasiyanı nisbətən sadə edir. Amma hər yeni texnologiya kimi, məhdud sənaye təcrübəsi olduğu üçün diqqətli test tövsiyə olunur.
Nəticə
Jev-in ən maraqlı tərəfi konkret rəqəmləri deyil, təklif etdiyi fərqli fəlsəfədir: hər AI tapşırığı mətn yazmaq tələb etmir, bəziləri sadəcə sürətli, dürüst bir qərar tələb edir. Bu ayrım, AI sistemlərinin gələcəkdə necə qurulacağına dair maraqlı bir işarədir: bir nəhəng model əvəzinə, hər biri öz işini yaxşı bacaran, təbəqələnmiş bir alət dəsti. Bir neçə il əvvəl "hər şeyi eyni böyük model həll etsin" fikri hakim idisə, indi sənaye tədricən "doğru alət, doğru tapşırıq üçün" prinsipinə doğru irəliləyir.
Əgər sisteminizdə AI-əsaslı qərar vermə proseslərini necə optimallaşdıra biləcəyinizi araşdırmaq istəyirsinizsə, Crocusoft komandası ilə əlaqə saxlayaraq məsləhət ala bilərsiniz.
