TypeSafe AI مدل Jev را برای تصمیم‌گیری در عامل‌های هوش مصنوعی عرضه کرد

TypeSafe AI هفته گذشته Jev را، به‌عنوان نخستین مدل این شرکت در خانواده‌ای که آن را System One می‌نامد، عرضه کرد؛ مدلی که قرار نیست با کاربر گفت‌وگو کند یا کد و خلاصه تولید کند، بلکه برای پاسخ‌دادن به پرسش‌های محدود و ساختاریافته در جریان کار عامل‌های هوش مصنوعی طراحی شده است. Jev می‌تواند به این پرسش‌ها پاسخ دهد که کدام مدل باید فراخوانی شود، اجرای یک فرمان ایمن است یا نه، کدام متن به موضوع مربوط‌تر است و آیا عامل واقعاً کارش را تمام کرده است. اهمیت این رویکرد در آن است که به‌جای واگذاری همه تصمیم‌های کوچک به یک مدل مولد، برخی از آن‌ها را به سامانه‌ای سپرد که خروجی‌های قابل‌سنجش و احتمال‌محور می‌دهد.

مدلی برای تصمیم‌های محدود، نه تولید متن

بر اساس توضیحات TypeSafe AI، هر درخواست به Jev شامل یک وضعیت ورودی ــ به‌شکل متن یا JSON ــ و مجموعه‌ای از پرسش‌های نوع‌دار است. این مدل پاسخ را در قالب متن آزاد تولید نمی‌کند؛ خروجی آن متناسب با نوع پرسش، گزینه‌ای از میان انتخاب‌های مشخص، امتیازی بر اساس یک مقیاس، یا احتمال درست‌بودن یک گزاره است. چنین محدودیتی می‌تواند ادغام خروجی در نرم‌افزار را ساده‌تر کند، چون برنامه‌نویس از پیش می‌داند پاسخ چه ساختاری خواهد داشت.

مستندات TypeSafe سه ابزار اصلی Jev را معرفی می‌کنند. «Choice» یک گزینه را از فهرست انتخاب می‌کند و برای هر گزینه احتمال و میزان اطمینان می‌دهد. این قابلیت می‌تواند حداکثر ۲۵۵ گزینه را پشتیبانی کند. «Score» وضعیت را بر اساس سطح‌های مرتب‌شده در یک معیار می‌سنجد و برای سطح‌ها احتمال و اطمینان گزارش می‌کند. «Noul» نیز احتمال صفر تا یکِ درست‌بودن یک گزاره را برمی‌گرداند.

در یک درخواست، چند پرسش می‌توانند به‌طور موازی و درباره همان وضعیت ارزیابی شوند. به این ترتیب، برای نمونه، یک سامانه می‌تواند در یک فراخوانی هم مقصد درخواست را تشخیص دهد، هم فوریت آن را بسنجد و هم درباره لزوم ارجاع به نیروی انسانی تصمیم بگیرد. TypeSafe می‌گوید Jev با روشی به نام یادگیری تقویتی برای تصمیم‌های کالیبره‌شده آموزش دیده است. کالیبراسیون یعنی احتمال اعلام‌شده تا حد ممکن با میزان درستی واقعی پاسخ تناسب داشته باشد؛ بااین‌حال، دریافت یک احتمال یا اطمینان بالا به‌تنهایی تضمین نمی‌کند که تصمیم درست است.

از مسیریابی درخواست‌ها تا کنترل ابزارها

بخش بزرگی از کاربردهای معرفی‌شده برای Jev به هدایت کار در سامانه‌های چندمدلی و عامل‌ها مربوط است. در مسیریابی مدل، Jev دشواری درخواست را امتیازدهی می‌کند تا نرم‌افزار آن را به یک مدل سریع یا مدلی قوی‌تر بفرستد. TypeSafe به پشتیبانی ModelRouterMiddleware در LangChain و ابزار jev-router برای تصمیم‌گیری در هر نوبت از کار Claude Code و Codex اشاره کرده است.

در انتخاب مهارت، یک دستورالعمل نمونه شرکت از Jev می‌خواهد حداکثر یک مهارت را از میان ۱۸۲ مهارت موجود در فهرست Hermes متعلق به Nous Research انتخاب کند. در کاربرد دیگری، مدل می‌تواند درخواست طبیعی کاربر را به نام تابع و آرگومان‌هایی با گزینه‌های ازپیش‌تعریف‌شده تبدیل کند؛ از جمله برای درخواست‌های معاملاتی. TypeSafe این شیوه را فراخوانی تابع نوع‌دار توصیف می‌کند و می‌گوید تصمیم می‌تواند بر اساس میزان اطمینان از یک آستانه عبور کند یا نکند.

کنترل ایمنی فراخوانی ابزارها نیز از کاربردهای محوری است. برای مثال، ابزار pi-warden بررسی می‌کند که اجرای یک فرمان bash یا عملیات نوشتن و ویرایش، برگشت‌ناپذیر یا نامرتبط با خواسته کاربر هست یا نه. در مثالی که شرکت مطرح کرده، سامانه باید میان دستور «بازنشانی پایگاه داده» و درخواست «افزودن یک ستون» تمایز بگذارد تا یک فرمان پرخطر صرفاً به‌دلیل شباهت ظاهری متن تأیید نشود. AutoModeMiddleware در LangChain نیز بنا بر توضیحات منبع، برای فراخوانی‌های پرخطر خطا برمی‌گرداند.

در نمونه‌ای دیگر، jev-auto-approve فقط در صورتی فرمان‌ها را خودکار تأیید می‌کند که احتمال اطمینان دست‌کم ۰٫۹۵ باشد. در ارزیابی منتشرشده برای این ابزار، هیچ‌یک از ۸ فرمان تغییردهنده وضعیت به‌صورت خودکار تأیید نشد. ابزار jev-secret-guard نیز رشته‌های پوشانده‌شده را برای شناسایی اسرار می‌فرستد و در کالیبراسیون اعلام‌شده، هر ۶ مورد حاوی راز را مسدود کرد و به هیچ‌یک از ۶ مورد بی‌خطر واکنش نشان نداد. این اعداد مربوط به همان آزمون‌های گزارش‌شده‌اند و نباید به‌عنوان تضمین عملکرد در همه محیط‌ها تلقی شوند.

TypeSafe همچنین Jev را برای غربالگری تزریق دستور در متن‌های بازیابی‌شده و اعمال قواعد ورودی و خروجی به کار برده است. در نمونه‌ای از دستورالعمل بازیابی اطلاعات، شباهت کسینوسی ــ معیاری برای سنجش نزدیکی دو بردار متنی ــ یک متن آلوده‌سازی‌شده را در رتبه نخست قرار داد؛ Jev به آن امتیاز ۰٫۹۹ داد و آن را کنار گذاشت. دستورالعمل دیگری احتمال خطر پیام را برای تصمیم‌گیری میان عبور، بازبینی، مسدودسازی یا ارجاع به مسیر دیگری به کار می‌گیرد.

بازیابی اطلاعات و عامل‌های کار با رایانه

کاربردهای دیگر Jev به یافتن و بررسی اطلاعات مربوط می‌شود. در آزمونی با ۴۰ پرسش حقوقی از مجموعه CLERC، دستورالعمل بازرتبه‌بندی TypeSafe دقت انتخاب نخست را از ۵ درصد به ۱۸ درصد و دقت ده نتیجه نخست را از ۳۸ درصد به ۶۲ درصد رساند. بازرتبه‌بندی یعنی مرتب‌کردن دوباره نتایج بازیابی‌شده بر پایه میزان ارتباطشان با پرسش. برای بررسی استناد نیز یک درخواست Choice می‌تواند مشخص کند که بخش منبع از یک ادعا پشتیبانی می‌کند، با آن تناقض دارد یا درباره‌اش چیزی نمی‌گوید.

در عامل‌های مرورگر و رایانه، Jev قرار است گام بعدی را از میان عملیات و عناصر صفحه انتخاب کند. طبق گزارش منبع، نسخه Jev Ultrafast از Browser Use یک عملیات و یک عنصر DOM را در یک درخواست برمی‌گزیند و جست‌وجویی در Google Flights را در حدود ۷٫۱ ثانیه به پایان رسانده است. ابزار typesafe-computer-use تصویر صفحه macOS را با تشخیص نوری نویسه‌ها (OCR) می‌خواند و از Jev برای دسته‌بندی اقدام بعدی استفاده می‌کند؛ هزینه اعلام‌شده برای هر گام حدود ۰٫۰۰۰۲ دلار است.

در نمونه‌ای برای تلفن همراه، Jev برای انتخاب هر ضربه روی صفحه Android به کار رفته و طبق گزارش، در حدود ۲۱ ثانیه و با ۹ اقدام به صفحه پرداخت Uber رسیده است. در محیط بازی نیز نمونه Doom شرکت با وضعیت ساختاریافته بازی کار می‌کند و بنا بر اعلام TypeSafe، حدود ۱۰ درخواست در ثانیه با هزینه تقریبی ۷ دلار در ساعت اجرا می‌شود. این مثال‌ها نشان می‌دهند که دامنه پیشنهادی شرکت از تصمیم‌های متنی فراتر می‌رود، اما اعداد منتشرشده همچنان به نمونه‌های مشخص و شرایط همان اجراها مربوط‌اند.

سرعت، هزینه و محدودیت ارزیابی‌ها

TypeSafe در معرفی Jev ادعا کرده است که این مدل در برخی ارزیابی‌های گردش‌کار ۱۹۳٫۶ برابر سریع‌تر و ۴۴۴٫۶ برابر ارزان‌تر بوده است. این اعداد از ارزیابی‌های خود شرکت می‌آیند؛ در پست معرفی نیز GPT-6 Astra و Fable 5.1 به‌عنوان پاسخ‌های مرجع ذکر شده‌اند. خود شرکت تأکید کرده که این نتایج در بخش بالاترِ دستاوردهای مشاهده‌شده در کاربردهای واقعی قرار می‌گیرند، بنابراین نمی‌توان آن‌ها را بدون بررسی بیشتر به همه کارها و پیاده‌سازی‌ها تعمیم داد.

در مقایسه‌ای دیگر، آزمون Banking77 در OpenRouter نزدیک‌ترین مقایسه مستقیم معرفی شده است. طبق ارقام منتشرشده، Jev با دقت ۸۱ درصد، ۳٫۳ واحد درصد پایین‌تر از Claude Opus 5 قرار گرفت؛ در عوض، تأخیر میانه آن ۱۳ برابر کمتر و هزینه‌اش حدود یک‌بیست‌ودوم بود. «تأخیر میانه» زمان معمول پاسخ را نشان می‌دهد و می‌تواند برای کاربردهایی که باید سریع تصمیم بگیرند مهم باشد. بااین‌حال، خود مقاله یادآوری می‌کند که ارقام پروژه‌های متن‌باز از سوی هر پروژه و بر پایه بستر آزمون خودش اعلام شده‌اند و باید آن‌ها را جهت‌نما دانست، نه مقایسه قطعی.

TypeSafe قیمت ورودی Jev را ۰٫۰۴۲ دلار به‌ازای هر یک میلیون توکن اعلام کرده و می‌گوید خروجی رایگان است؛ زمان پاسخ اعلام‌شده بین ۷۰ تا ۵۰۰ میلی‌ثانیه است. این مدل در جایگاه دستیار تصمیم‌گیر کنار یک مدل زبانی بزرگ قرار می‌گیرد: مدل زبانی می‌تواند برنامه‌ریزی و تولید متن را انجام دهد و Jev تصمیم‌های محدود و قابل‌تعریف را بررسی کند. بنابراین، ساختاریافته‌بودن پاسخ به معنی درست‌بودن آن نیست. شرکت نیز توصیه می‌کند آستانه‌های اطمینان پیش از استفاده عملی با داده‌های واقعی همان سامانه تنظیم شوند.

این خبر برای چه کسانی اهمیت دارد

Jev برای تیم‌هایی اهمیت دارد که عامل‌های هوش مصنوعی را به ابزارهای نرم‌افزاری، مرورگر، رایانه یا جریان‌های کاری حساس متصل می‌کنند و باید میان سرعت، هزینه و کنترل تصمیم‌ها تعادل برقرار کنند. توسعه‌دهندگان می‌توانند آن را برای مسیریابی درخواست‌ها، محدودکردن اجرای فرمان‌های پرخطر، سنجش ارتباط نتایج و بررسی ادعاها آزمایش کنند. برای مدیران محصول و تیم‌های ایمنی نیز نکته مهم این است که خروجی نوع‌دار و احتمال‌محور امکان تعریف قواعد روشن‌تری را فراهم می‌کند.

اما ارزش عملی Jev به آزمون مستقل و ارزیابی روی داده‌های هر سازمان وابسته است. نتایج منتشرشده درباره سرعت، هزینه، دقت و کالیبراسیون از سوی TypeSafe یا پروژه‌های مربوط گزارش شده‌اند و برخی از آن‌ها تنها به نمونه‌های محدود اشاره دارند. سازمان‌ها پیش از سپردن تصمیم‌های حساس به چنین مدلی باید بسنجند که احتمال‌های اعلام‌شده در کاربرد خودشان چقدر قابل اتکا هستند و در چه شرایطی تصمیم باید به انسان یا سامانه‌ای دیگر ارجاع شود.