Decision AI: как работают модели, которые возвращают не текст, а решение — обзор Jev и конкурентов

Decision AI — новый класс моделей, которые не пишут абзацы, а сразу возвращают решение: выбор из списка, оценку по шкале или вероятность. TypeSafe AI запустила Jev после двух лет в тени. Компания называет его «моделью Системы 1» по аналогии с быстрым интуитивным мышлением Даниэля Канемана. Jev принимает на вход «состояние» (строку, массив или набор пар имя-значение) и один или несколько вопросов. Поддерживаются три примитива: Choice (выбор из до 255 вариантов с вероятностями), Score (оценка по рубрике) и Noul (вероятность от 0 до 1). Все вопросы обрабатываются параллельно, добавление новых почти не влияет на время ответа.

Уже через три недели после релиза Jev появились конкуренты. Fastino Labs выпустила две rival-модели — GLiDE и GLiNER2.5-Decide, а open-source разработчики опубликовали несколько реплик Jev. В статье сравниваются архитектуры, точность калибровки и скорость. TypeSafe использует новую архитектуру с параллельным сэмплером и метод обучения RLCD (Reinforcement Learning for Calibrated Decisions), который оптимизирует калиброванные вероятности, а не человеческие предпочтения, как RLHF.

Цена Jev — $0.042 за миллион входных токенов, выход бесплатный. Контекст — 32K токенов, время ответа — от 70 до 500 мс. Для сравнения, open-source аналоги работают локально и могут быть быстрее, но уступают в точности калибровки. Fastino GLiDE и GLiNER2.5-Decide пока не раскрыли цены, но позиционируются как более дешёвая альтернатива.

Decision AI — нишевая, но быстрорастущая категория. Она подходит для сценариев, где нужен не текст, а структурированный ответ для ветвления кода: модерация, маршрутизация запросов, валидация данных. Jev задаёт стандарт, но open-source аналоги уже дышат в спину.