مدل‌های تصمیم‌گیر هوش مصنوعی؛ رقابت Jev و GLiDE بر سر پاسخ‌های ساختاریافته

مدل‌های تصمیم‌گیر هوش مصنوعی با پاسخ‌دادن به پرسش‌های محدود در قالب گزینه، امتیاز یا احتمال، می‌کوشند تصمیم‌گیری نرم‌افزارها را سریع‌تر و کم‌هزینه‌تر کنند؛ حوزه‌ای که پس از عرضه Jev از سوی TypeSafe AI و ورود رقیبانی مانند GLiDE و GLiNER2.5-Decide توجه تازه‌ای گرفته است. این مدل‌ها برخلاف ابزارهای مولد، برای نوشتن پاراگراف طراحی نشده‌اند: خروجی آن‌ها داده‌ای ساختاریافته است که یک برنامه می‌تواند مستقیماً از آن برای انتخاب مرحله بعد استفاده کند.

مدل‌های تصمیم‌گیر هوش مصنوعی چگونه کار می‌کنند؟

به گزارش MarkTechPost، در این رویکرد کاربر متن یا داده‌ای را به‌عنوان «وضعیت» به مدل می‌دهد و یک یا چند پرسش مشخص درباره آن مطرح می‌کند. مدل به‌جای پاسخ آزاد، نتیجه‌ای محدود و قابل‌استفاده برای کد برمی‌گرداند؛ برای نمونه مشخص می‌کند یک درخواست به کدام گروه تعلق دارد یا احتمال درست‌بودن یک گزاره چقدر است.

TypeSafe برای Jev سه نوع خروجی معرفی کرده است. «انتخاب» (Choice) از میان چند پاسخ ممکن، یک گزینه را برمی‌گزیند و همراه آن احتمال و میزان اطمینان می‌دهد؛ طبق مستندات شرکت، این بخش تا ۲۵۵ گزینه را پشتیبانی می‌کند. «امتیازدهی» (Score) وضعیت را بر اساس سطح‌های ازپیش‌تعریف‌شده ارزیابی می‌کند. نوع سوم، «Noul»، احتمال درست‌بودن یک گزاره را بین صفر و یک می‌سنجد؛ نام آن کوتاه‌شده اصطلاحی مرتبط با توزیع برنولی است.

به گفته TypeSafe، هر پرسش جداگانه و به‌صورت موازی روی همان ورودی ارزیابی می‌شود. بنابراین افزودن پرسش‌ها قرار نیست به همان نسبت زمان پاسخ را افزایش دهد. این مدل رشته‌های متنی تولید نمی‌کند و پاسخ‌هایش در قالب‌های ازپیش‌تعیین‌شده قرار می‌گیرند؛ شرکت می‌گوید همین ویژگی احتمال خطاهای نوع داده را کاهش می‌دهد. خطای نوع داده زمانی رخ می‌دهد که برنامه مقداری را دریافت کند که با قالب مورد انتظارش سازگار نیست.

TypeSafe همچنین از معماری تازه، نمونه‌گیری موازی و روش آموزشی RLCD برای Jev نام برده است. این روش، طبق توضیح شرکت، به‌جای بهینه‌سازی پاسخ‌ها بر اساس ترجیح انسان ــ رویکرد رایج در RLHF ــ روی کالیبره‌کردن احتمال‌ها تمرکز دارد. کالیبراسیون یعنی عدد اطمینانی که مدل اعلام می‌کند، تا حد ممکن با میزان واقعی درستی پاسخ تناسب داشته باشد.

هزینه، سرعت و نتایج آزمون Jev

قیمت اعلام‌شده برای Jev برابر با ۰٫۰۴۲ دلار به‌ازای هر یک میلیون توکن ورودی است و TypeSafe هزینه‌ای برای خروجی ذکر نکرده است. توکن واحدی برای بخش‌های کوچک متن است که مدل‌ها هنگام پردازش از آن استفاده می‌کنند. OpenRouter پنجره زمینه ۳۲هزار توکنی برای این مدل فهرست کرده و TypeSafe زمان پاسخ انتهابه‌انتها را بین ۷۰ تا ۵۰۰ میلی‌ثانیه اعلام کرده است.

شرکت برای سنجش عملکرد Jev مجموعه‌ای از آزمون‌ها در چهار حوزه ساخته است: رخدادهای امنیتی، مشاهده‌پذیری ردپای عامل‌ها، پردازش فاکتور و خدمات مشتری. بر اساس گزارش TypeSafe، برچسب‌های مرجع این آزمون‌ها از میانگین‌گیری پاسخ‌های GPT-6 Astra و Claude Fable 5.1 در حالت استدلال بالا به‌دست آمده‌اند.

در همین ارزیابی‌ها، Jev به دقت میانگین ۶۷٫۸ درصد رسید؛ رقمی برابر با Claude Sonnet 5 در همان جریان کاری. شرکت هزینه هر مورد را برای Jev حدود ۰٫۰۰۰۴ دلار و زمان آن را ۰٫۴ ثانیه اعلام کرده است، درحالی‌که برای Claude Sonnet 5 هزینه ۰٫۱۱۷۴ دلار و زمان ۷۸٫۱ ثانیه گزارش شده است. بهترین مدل مقایسه‌ای در آزمون TypeSafe، با نام «sol» از OpenAI، به دقت ۷۴٫۱ درصد رسید و هزینه و زمان هر مورد برای آن به‌ترتیب ۰٫۰۸۳۶ دلار و ۲۳٫۳ ثانیه اعلام شد.

این ارقام را باید در چارچوب آزمون‌های خود شرکت دید؛ به‌ویژه آن‌که نتیجه Jev هنوز ۶٫۳ واحد درصد پایین‌تر از بهترین پیکربندی گزارش‌شده است. عملکرد نیز در همه کارها یکسان نبود: طبق داده‌های TypeSafe، دقت Jev در خدمات مشتری ۷۶ درصد و در پردازش فاکتور ۶۱٫۸ درصد بود. بنابراین هزینه کمتر به‌تنهایی نشان نمی‌دهد یک مدل برای هر وظیفه‌ای انتخاب مناسب‌تری است.

رقبا و کاربردهای عملی

پس از عرضه Jev، Fastino Labs دو مدل رقیب را معرفی کرد: GLiNER2.5-Decide در ۲۴ سپتامبر و GLiDE در ۳۰ سپتامبر. طبق گزارش MarkTechPost، GLiDE به‌صورت API میزبانی‌شده عرضه شده و GLiNER2.5-Decide گزینه‌ای با وزن‌های باز است. مدل‌هایی مانند Laya، kev، OpenJev و JevK5 نیز در میان گزینه‌های متن‌باز یا بازوزن این حوزه قرار گرفته‌اند.

ارقام بنچمارک منتشرشده از سوی سازندگان را نباید بی‌واسطه با هم مقایسه کرد: آزمون‌ها و داده‌های هر شرکت متفاوت است. MarkTechPost همچنین یادآوری می‌کند که Fastino در مقایسه‌های GLiDE و GLiNER2.5-Decide آزمون‌ها و مدل‌های رقیب را خودش انتخاب کرده است و یکی از مقایسه‌های Fast Decisions با JevK5 انجام شده، نه با نسخه TypeSafe از Jev. این تفاوت‌ها برای فهم معنای نتایج اهمیت دارد.

کاربرد اصلی این مدل‌ها زمانی است که پاسخ باید در محدوده‌ای مشخص بماند و نرم‌افزار قرار است بر مبنای آن شاخه‌ای از فرایند را اجرا کند. در یک سامانه پشتیبانی، برای مثال، مدل می‌تواند پیام را به گروهی مناسب هدایت کند؛ در یک عامل هوش مصنوعی می‌تواند میان ادامه‌دادن، تکرار کار، پرسیدن از کاربر یا توقف یکی را انتخاب کند. مسیریابی درخواست‌های ساده به مدل ارزان‌تر و ارجاع درخواست‌های دشوار به مدل پیشرفته‌تر نیز از کاربردهای مطرح‌شده است.

از دیگر موارد استفاده می‌توان به دسته‌بندی ایمیل و تیکت، غربال هشدارهای امنیتی، تشخیص هرزنامه، بررسی خروجی مدل‌ها، ارزیابی ردپای عامل‌ها و تعیین مرتبط‌بودن نتایج جست‌وجو اشاره کرد. در رتبه‌بندی مجدد نتایج، برای نمونه، مدل می‌تواند چندین نامزد بازیابی‌شده را از نظر ارتباط امتیازدهی کند. MarkTechPost از پیاده‌سازی ارزیاب‌های مبتنی بر Jev در Arize و Langfuse نیز گزارش داده است؛ پشتیبانی Langfuse از آن همچنان آزمایشی توصیف شده است.

گزارش به چند نمونه دیگر هم اشاره می‌کند. Vercel گفته است Jev در ۲۴ ساعت نخست، نزدیک به ۱۳ درصد از تیم‌های پولی AI Gateway را جذب کرده و از نظر سرعت پذیرش، رکورد این درگاه را داشته است. Simon Willison نیز از آن برای امتیازدهی به ۱۰۰ نامزد جست‌وجو استفاده کرده است. در نمونه‌ای پژوهشی درباره هماهنگ‌سازی شبکه لبه 6G، استفاده از Jev در سطح درستی برابر، زمان تصمیم‌گیری میانه را در مقایسه با DeepSeek به میزان ۲۲٫۴ درصد و در مقایسه با Gemini به میزان ۶۱٫۹ درصد کاهش داده است؛ این نتایج به همان پژوهش مربوط‌اند و به‌تنهایی نماینده همه کاربردها نیستند.

محدودیت‌ها و معنای رشد این دسته

مدل تصمیم‌گیر جایگزین عمومی برای مدل زبانی مولد نیست. اگر کاربر به خلاصه، توضیح، متن تازه یا استدلال باز نیاز داشته باشد، خروجی محدود چنین مدلی کفایت نمی‌کند. همچنین TypeSafe برای Jev انجام محاسبات دقیق، شمارش و کار با تاریخ را از موارد نامناسب دانسته است. در تصمیم‌هایی که بر زندگی و فرصت‌های افراد اثر می‌گذارند، مانند استخدام، خطر سوگیری پنهان نیز باید جدی گرفته شود؛ امتیاز عددی به‌خودی‌خود تصمیم را منصفانه یا قابل‌توضیح نمی‌کند.

از نظر تاریخی، دسته‌بندها و سامانه‌های رتبه‌بندی سال‌هاست تصمیم‌های محدود می‌گیرند. گزارش، ایده مدل‌های تصمیم بزرگ را نیز به پژوهش‌هایی پیش از عرضه Jev پیوند می‌دهد؛ از جمله Decision Transformer در سال ۲۰۲۱ و Gato از DeepMind در سال ۲۰۲۲. آنچه در سال ۲۰۲۶ تغییر کرده، بنا بر تحلیل MarkTechPost، بسته‌بندی و دسترس‌پذیری این قابلیت‌ها برای جریان‌های کاری عامل‌هاست، نه آغاز تصمیم‌گیری ماشینی از نقطه صفر.

چند عامل به رشد این رویکرد کمک کرده‌اند: عامل‌ها ممکن است در هر جریان کاری بارها برای انتخاب ابزار یا بررسی ایمنی به قضاوت نیاز داشته باشند؛ استفاده از مدل‌های گران‌قیمت برای همه این گام‌ها می‌تواند هزینه‌زا باشد. احتمال‌های کالیبره‌شده نیز به برنامه امکان می‌دهند در موارد مطمئن خودکار پیش برود و در موارد نامطمئن کار را به انسان یا مدل قوی‌تر ارجاع دهد. بااین‌حال، ارزش واقعی این روش باید روی داده‌های همان سازمان سنجیده شود، نه با تکیه صرف بر بنچمارک سازنده.

در انتخاب میان گزینه‌ها، گزارش Jev را برای API مدیریت‌شده و پشتیبانی گسترده‌تر اکوسیستم مناسب می‌داند؛ GLiDE را برای آزمودن تصمیم‌های دشوارتر و GLiNER2.5-Decide را برای استقرار آفلاین، تنظیم دقیق یا پاسخ‌های مقید به قواعد میان‌پرسشی مطرح می‌کند. انتخاب نهایی به نیازهای فنی، هزینه، حریم خصوصی و نتایج ارزیابی داخلی بستگی دارد.

این خبر برای چه کسانی اهمیت دارد

توسعه‌دهندگان عامل‌های هوش مصنوعی، تیم‌های زیرساخت و شرکت‌هایی که حجم زیادی از درخواست‌ها را دسته‌بندی یا مسیریابی می‌کنند، از مخاطبان اصلی این تحول‌اند. مدل‌های تصمیم‌گیر می‌توانند بخشی از قضاوت‌های پرتکرار را با خروجی قابل‌استفاده برای نرم‌افزار انجام دهند و در موارد مناسب، هزینه و تأخیر را پایین بیاورند. برای پژوهشگران و مدیران محصول نیز مهم است بدانند این ابزارها جای مدل‌های مولد را نمی‌گیرند و نتایج منتشرشده باید با آزمون مستقل و متناسب با کاربرد واقعی بررسی شوند.