Jev, System One і чужий ключ

Мої cc-рани закінчуються одним рядком: RESULT: ok. Я ловив цей рядок на брехні — ран відзвітував «зроблено», а факту під ним не було: тека порожня, тест не гонявся, curl ніхто не робив. Після третього разу я записав собі правило, і воно тут головне: агент, який каже «зроблено», — це свідчення, а не факт. Тому лог під RESULT я досі читаю очима.

Я хотів перестати читати його очима. Один класифікатор над out.log, який каже рівно одне — цей звіт вивід підтверджує чи ні. Так/ні, з чесною впевненістю. Ось із цим класом задачі я і прийшов до Jev, а не з абстрактним «AI для тікетів». Одна жива штука, яку я зараз роблю руками щодня.

Спершу туди, де ламається

Перше, куди я тицьнув Jev, — не туди, де він блищить. Кинув класифікацію на сорок категорій zero-shot, чекаючи заявлені 0.87 з їхнього ж бенчмарка. Отримав монетку. Пів вечора був певен, що зламав сам виклик, — поки не дійшло, що я не прочитав їхню ж примітку: за двадцятьма варіантами вибору точність осідає, бо бюджет уваги моделі на кожного кандидата скінченний. Zero-shot тут — демо, не прод. Факап на мені, і він показовий: перше, що треба знати про цей клас, — де в нього дно, а не де стеля.

А тепер що воно взагалі таке, від дна назад до норми. Jev — перша публічна модель класу, який TypeSafe AI назвали System One (early access з 15.09.2026, засновник Diogo Almeida, співавтор ChatGPT/RLHF/InstructGPT в OpenAI, $40M під DCVC). Вона тексту не генерує. Один forward pass — і на виході типізоване рішення (вибір / оцінка / булеве) плюс калібрована ймовірність. Ніякого автогресивного циклу, ніякого chain-of-thought. За Канеманом це System 1 проти System 2, а Jev — на честь Джевонса, того самого парадокса; до парадокса я ще повернусь у фіналі, і не там, де його чекають.

Одна річ тут справді нова, і це не швидкість. Коли LLM пише тобі "confidence": 0.95 — це вигаданий рядок, токени, а не ймовірність; модель не міряла нічого, вона це написала так само, як писала б будь-що інше. Jev тренований на RLCD (Reinforcement Learning for Calibrated Decisions), не на RLHF і не на RLVR, саме щоб число 0.94 означало, що з таких випадків приблизно 94 зі 100 справді той клас. Для мого аудит-класу це і є весь сенс: на 0.55 віддати рядок людині, на 0.98 пропустити без нагляду. Каліброване число, якому можна вірити, — це те, за що варто платити.

Друге дно: за що там $40M

Найсильніший доказ, що архітектура тут не нова, — не мій скепсис, а їхній власний конкурент. За рік опенсорсна Laya відтворила «System One» на ModernBERT-large, 421M параметрів, — енкодер із класифікаційною головою. Тобто BERT. Архітектура 2018-го з головою зверху. Не паралельний семплер із марсіанською фізикою, а річ, яку піврайну студентів файнтюнить на курсовій.

То за що $40M і два роки. За дві речі, і жодна з них не «нова модель». Перша — RLCD, тобто інженерія калібрування: змусити ту саму BERT-голову видавати чесну ймовірність, а не завищену. Друга — продуктовий шар: SDK, типізований контракт замість парсингу стрічок, білінг, документація з cookbook. Це реальна цінність, я не іронізую. Але вона інфраструктурна, а не інтелектуальна — за неї платять як за керований сервіс, не як за відкриття. Маркетинг продає «новий клас моделей»; інженерія під ним — обгортка навколо давно відомого енкодера, доведена до продукту. Двоє різних тверджень, і сильніше з них тихіше.

І тут напрошується питання, яке я поставив собі вголос: це if-else з достатньою вкладеністю? Майже. If-else програє рівно там, де вхід — довільний природний текст і межу рішення руками не випишеш: чи цей тікет злий, чи це спроба джейлбрейку, чи out.log підтверджує RESULT: ok. If-else виграє скрізь, де вхід уже структурований, — а більшість того, що продають як «AI-класифікацію», на практиці друге, замасковане під перше. Мій аудит-клас — чесно перше: межу «звіт підтверджений логом» я пробував виписати умовами й кинув, бо вона не пишеться. Ось за це — за єдиний випадок, де if-else реально не тягне, — і має сенс платити моделлю. За решту — ні.

Ціна дешева, ключ дорогий

Прайс: $0.042 за мільйон вхідних токенів, вихід безкоштовний, бо виходу як тексту нема. Саме по собі це число нічого не означає, тому переклав на свій обсяг. Мій аудит-клас — десяток cc-ранів на день, out.log по кілька тисяч токенів кожен. Це дробові центи на день, буквально шум у порівнянні з одним LLM-викликом, який я цим класифікатором і хочу зняти. Ціна — не причина відмовлятись. Ціна тут не існує.

Причина відмовитись інша, і вона окрема від якості. Метрований API — це чужий ключ на гарячому шляху. Мій аудит-клас читає прод-логи: що робили мої рани на моєму залізі. Пускати цей потік через чужий ендпоінт за чужим токеном — проти всього, як я взагалі будую: Hetzner, self-host, свої домени, нуль зовнішніх залежностей на критичному шляху. Це не «дорожче» і не «повільніше», це окрема вісь — де живе ключ і чиї логи виходять з мережі. За цією віссю Jev-як-сервіс програє ще до розмови про 0.87.

Що я беру натомість

Той самий клас, тільки на своєму залізі. Laya self-host на домашній RTX 3060 — Apache 2.0, нуль токенів у чужий API, логи не залишають мою мережу. Задача рівно та сама, що я ніс до Jev, залізо своє, ліцензія дозволяє все. Плачу я не грошима, а розміткою: пачка out.log із ручним вердиктом «підтверджено / ні», бо zero-shot у Laya ~0.35 — тобто без файнтюну це та сама монетка, що я вже кидав. Числа й застереження — у розкритому блоці нижче, бо там саме той випадок, де чужу цифру не можна брати як факт.

Чого не беру: jev-ultrafast

Найменш цікаве з усього релізу — browser-use/jev-ultrafast, і не тому що погане, а тому що місце вже зайняте. У мене на керуванні браузером стоїть self-hosted Stagehand MCP (browserbase/stagehand, локальний Chromium, без Browserbase-хмари, /root/projects/stagehand-mcp). Той самий трюк, що продає jev-ultrafast, — не пхати весь HTML у LLM, а структурувати DOM і вибирати дію та ціль, — у Stagehand уже працює, і вже з shadow DOM та frames. Форкати MVP, щоб отримати вужчу версію того, що вже стоїть, — робота проти власного стека. Деталі, чому саме MVP, — нижче.

Рішення

Три частини, всі названі.

Беру — Laya self-host на RTX 3060 під один клас: аудит out.log моїх ранів на «RESULT: ok підтверджений виводом чи ні». Своє залізо, свій ключ якого нема, файнтюн на своїй розмітці. Умова, за якої це зміниться: якщо після файнтюну калібрування не дотягне до порогу, на якому я довіряю авто-вердикту на 0.98, — тоді дивлюсь у бік Jev, але тільки на не-прод класі. Ключ на прод-логи я не віддам ні за яку точність; це не торгується.

Не беру — Jev як метрований API (чужий ключ на моїх логах) і jev-ultrafast (Stagehand уже стоїть і вміє більше). Ціна тут ні до чого — дробові центи, я порахував; вирішує вісь ключа й вісь «що вже в стеку».

Переоцінене — архітектурна новизна. Не швидкість, не калібрування, а саме риторика «новий клас моделей»: опенсорсна репліка на BERT-і 421M за рік закриває це питання переконливіше за будь-який мій абзац. $40M купили RLCD і продукт — реальні, корисні, інфраструктурні речі. Нову фізику вони не купили, бо її там не було.