15 Eylül 2026 Salı günü erken erişime açılan Jev, San Francisco merkezli TypeSafe AI’ın iki yıllık gizli geliştirme sürecinin ardından DCVC liderliğinde topladığı 40 milyon dolarlık tohum yatırımla duyurduğu, metin üretmeyi tamamen devre dışı bırakan ilk ticari model oldu. ChatGPT araştırmalarının temelini atan RLHF yönteminin geliştiricilerinden Diogo Almeida ile Erik Gafni ve Sasha Sheng’in kurduğu girişim, Daniel Kahneman’ın Hızlı ve Yavaş Düşünme kuramındaki sezgisel karar mekanizmasından esinlenerek tasarladığı “Sistem 1 Modelleri” kategorisinde, otoregresif token üretimi yerine paralel örnekleyici kullanan bir mimari kurdu. Ekonomist William Stanley Jevons’ın adını taşıyan model, serbest karakter dizisi yazmak yerine önceden tanımlanmış şemalara tam uyumlu, tip güvenli çıktılar üretiyor; tek sorguda yüzlerce kararı eşzamanlı hesaplayarak yanıt süresini 70 ila 500 milisaniyeye indiriyor. Bu, mevcut sınır modellerin 3 ila 329 saniyeye uzanan uçtan uca gecikmelerine kıyasla 40 ila 200 kat daha hızlı bir tempo anlamına geliyor. Girdi token ücreti 1 milyon token için 0,042 dolar olarak sabitlenirken, çıktı kararları ölçülemeyecek kadar düşük maliyetli olduğu gerekçesiyle ücretsiz sunuluyor.
Metin Üretmeyen Yapay Zeka: Typesafe AI’dan Hızlı Karar Modeli Jev haberini okuyanlar, serbest metin yerine yapılandırılmış karar değerleri üreten bir mimarinin kurumsal yazılımlarda nasıl bir boşluğu doldurduğunu görecek. Kalibre Edilmiş Kararlar İçin Pekiştirmeli Öğrenme (RLCD) yöntemiyle eğitilen modelin yalnızca yanıt seçmediği, aynı zamanda o yanıta dair kesin bir olasılık ve güven skoru ürettiği; bu sayede kararsız kaldığı durumlarda işlemi otomatik olarak insan denetimine devredebildiği aktarılıyor. Şema eşleme ve araç çağırma süreçlerinde tip hataları ile halüsinasyon oranının yüzde 0 seviyesinde kaldığı belirtilirken, şirketin yayımladığı iş akışı değerlendirmelerinde Jev’in OpenAI ve Anthropic modellerine kıyasla Pareto sınırında 193,6 kata kadar daha yüksek hız, 444,6 kata kadar daha düşük maliyet sergilediği kaydediliyor. DOOM üzerinde saniyede yaklaşık 10 sorguyla saatlik 7 dolarlık işlem maliyeti ve Wikiracing testinde tek seferde 255 bağlantı seçeneğini değerlendirmesi, modelin gerçek zamanlı kullanım senaryolarındaki sınırlarını somutlaştırıyor.
Jev’in Paralel Karar Mimarisi: Token Üretimini Sıfırlayan Otoregresif Olmayan Tasarım
Geleneksel büyük dil modelleri her yanıtı soldan sağa tek tek token üreterek inşa ederken, TypeSafe AI’ın geliştirdiği Jev modeli bu ardışık zinciri tamamen ortadan kaldırıyor; önceden tanımlanmış şemalara birebir uyan tip güvenli kararları paralel örnekleyici üzerinden aynı anda üretiyor. Bu mimari, tek bir sorguda yüzlerce kararın eşzamanlı çıkarılmasına olanak tanıyarak uçtan uca yanıt süresini 70 ila 500 milisaniye bandına indiriyor; mevcut sınır modellerin 3 ila 329 saniyeye uzanan gecikmeleriyle karşılaştırıldığında 40 ila 200 kat hızlanma anlamına geliyor.
Daniel Kahneman’ın Hızlı ve Yavaş Düşünme kuramındaki sezgisel karar katmanından esinlenen “Sistem 1 Modelleri” kategorisi, serbest karakter dizisi üretmek yerine yapılandırılmış çıktılar sunduğu için şema eşleme ve araç çağırma süreçlerindeki tip hatalarını ve halüsinasyon oranını yüzde 0 seviyesine çekiyor. Ekonomist William Stanley Jevons’ın adını taşıyan model, bu yönüyle sohbet arayüzleri yerine yazılım boru hatlarının içinde sessizce çalışan bir karar motoru olarak konumlanıyor.
- Otoregresif token üretimi yerine şema uyumlu paralel karar çıkarımı
- 70-500 ms aralığında uçtan uca yanıt süresi, 40-200 kat hız avantajı
- Tip güvenli (type-safe) çıktı garantisi ve yüzde 0 halüsinasyon oranı
- Tek sorguda yüzlerce eşzamanlı karar üretebilen paralel örnekleyici
RLCD Eğitim Yöntemi ve Kalibre Edilmiş Güven Skorlarıyla Karar Doğruluğu
TypeSafe AI ekibi, mevcut modellerin insan tercihine dayalı RLHF veya doğrulanabilir ödüllere dayalı RLVR yaklaşımlarından ayrılarak Jev için Kalibre Edilmiş Kararlar İçin Pekiştirmeli Öğrenme (RLCD) yöntemini geliştirdi; bu yöntem modelin yalnızca bir yanıt seçmesini değil, o yanıta dair kesin bir olasılık ve güven skoru üretmesini sağlıyor. Model yüksek güven belirttiğinde doğruluk oranı belirgin biçimde artarken, kararsız kaldığı durumlarda yazılımlar işlemi otomatik olarak insan denetimine devredebiliyor ve böylece kritik iş akışlarında güvenilir bir denetim katmanı oluşuyor.
Şirketin yayımladığı iş akışı değerlendirmelerinde Jev, karmaşık kurumsal kararlarda OpenAI ve Anthropic modellerine kıyasla Pareto sınırında 193,6 kata kadar daha yüksek hız ve 444,6 kata kadar daha düşük maliyet sergiliyor; GPT-5.6 Terra ile varsayılan muhakeme ayarlarında karşılaştırıldığında benzer zeka seviyesine ulaşırken, GPT-6 Astra ve Fable 5.1 referanslı testlerde en optimize doğruluk-maliyet dengesini yakalıyor.
- RLCD ile her karara eşlik eden kalibre edilmiş olasılık ve güven skoru
- Düşük güven durumunda otomatik insan denetimine devretme mekanizması
- Pareto sınırında 193,6 kata kadar hız, 444,6 kata kadar maliyet avantajı
- GPT-5.6 Terra ile benzer zeka seviyesi, GPT-6 Astra referanslı testlerde optimize denge
Fiyatlandırma Modeli: Girdi Token Ücreti ve Ücretsiz Yapılandırılmış Çıktı Kararları
Jev’in fiyatlandırma yapısı, çıktıların serbest metin yerine yapılandırılmış karar değerleri olması nedeniyle alışılmışın dışında bir tablo izliyor; geleneksel sınır modellerinde girdi token maliyeti 1 milyon token başına 0,20 ile 10 dolar arasında seyrederken çıktı tokenları girdi maliyetinin yaklaşık 5 katı seviyesinde faturalandırılıyor. Jev modelinde ise girdi token ücreti 1 milyon token için 0,042 dolar (1 milyar token için 42 dolar) olarak belirlenmiş durumda ve çıktı kararları ölçülemeyecek kadar düşük maliyetli olduğu gerekçesiyle tamamen ücretsiz sunuluyor.
Bu yapı, yüksek hacimli API çağrılarında çalışan yazılım ekipleri için maliyet denklemini tersine çeviriyor; DOOM üzerinde oyun durumunu anlık metin tabanlı veri yapıları üzerinden takip ederek saniyede yaklaşık 10 sorgu gerçekleştiren sistemin saatlik toplam işlem maliyeti yalnızca 7 dolar civarında kalıyor. Wikiracing testinde tek seferde 255 adede kadar çıkan bağlantı seçeneğini iki aşamalı puanlama yöntemiyle değerlendiren model, serbest üretimde yaşanan halüsinasyon kaynaklı gecikmeleri de bu sayede engelliyor.
Typesafe AI’ın geliştirdiği Jev, metin üretmek yerine yalnızca hızlı ve deterministik kararlar almak üzere eğitilmiş, çıktı olarak kelime değil seçimler üreten bir yapay zeka modelidir. Bu modeli kullanan bir sistemde, saniyeler süren metin arama veya yanıt bekleme yerine, girdiğiniz parametrelere göre anında “evet/hayır” veya “A/B/C” gibi net bir karar çıktısı alırsınız; böylece özellikle gerçek zamanlı öneri, filtreleme veya yönlendirme akışlarında gecikmesiz bir deneyim elde edersiniz.
