TypeSafe AI n’est pas un autre chatbot, et Jev n’est pas un modèle polyvalent à grande échelle pour remplacer ChatGPT ou Claude. Il est conçu pour l’automatisation logicielle : les programmes soumettent un état et des questions prédéfinies, et Jev retourne des options, des scores ou des réponses non probabilistes, permettant au code de ramifier, trier ou déclencher directement l’étape suivante.
Si vos besoins sont d’écrire des articles, de générer du code ou de continuer à discuter, vous devriez continuer à utiliser des modèles génératifs de grande taille ; Si vos besoins consistent à catégoriser les ordres de travail, évaluer les risques et trier les candidats, et à obtenir une structure de sortie fixe, alors JEV est l’outil le plus adapté.
La différence fondamentale réside dans la production, pas seulement dans la taille du modèle
| Points de comparaison | Modèles ordinaires de grande taille | Jev |
|---|---|---|
| Principal causeur de dégâts | Chaînes de caractères en langage naturel | Types de décisions prédéfinis |
| Utilisations typiques | Dialogue, écriture, génération de code | Classification, notation, itinéraire et vérification |
| Accès aux programmes | Habituellement, une analyse et une vérification sont également requises | Les résultats structurés peuvent être lus directement |
| Incertitude | Cela peut fournir des jugements sûrs par écrit | Le choix et le score rendent les distributions de probabilité et la confiance |
TypeSafe appelle ces modèles System One Models, mettant l’accent sur un jugement rapide et atomisé. Jev reçoit du texte ou des états JSON composés de texte, ne génère pas de texte libre, mais prend des décisions dans l’espace de réponse limité que vous fournissez.
Que résolvent les trois problèmes séparément ?
Le choix sélectionne une option parmi jusqu’à 255 options et retourne la probabilité pour chaque option ; Adapté au routage des tickets et à la classification par intention. Le score atteint jusqu’à 10 niveaux séquentiels, adapté à l’évaluation du risque, de la qualité et de l’intensité émotionnelle. Noul répond à une question vrai/non avec une probabilité de « oui », adaptée pour tester si une condition est valable.
Trois types de questions peuvent être exécutées en parallèle dans une même requête. Elles partagent le même état mais sont indépendantes l’une de l’autre, et la réponse à la question précédente ne change pas la question suivante.
Pour quels scénarios réels convient-il ?
Les étapes les plus appropriées sont celles où le jeu de réponses est connu mais où les règles sont difficiles à écrire complètement, comme assigner des messages de service client aux équipes de facturation ou techniques, vérifier la pertinence des fragments RAG, déterminer si les références supportent les revendications, et décider si l’agent appelle une compétence. Le code est toujours responsable du calcul des montants, de la vérification des permissions et des actions métier finales ; Jev ne gère que les parties nécessitant un jugement sémantique.
Quand ne pas choisir JEV
Lorsque vous avez besoin de génération en format long, de raisonnement complexe en plusieurs étapes, de comptage précis, de calculs de dates, ou de compréhension d’images ou d’audio, vous ne devriez pas appliquer JEV de façon rigide. L’explication officielle de JEV 1.13 recommande également de conserver les comparaisons mathématiques et de dates dans le code et de laisser la tâche de génération au modèle génératif. Les critères sont simples : la réponse peut-elle être définie à l’avance comme une option ou un niveau limité ? Sinon, JEV n’est probablement pas le modèle principal.
