Шесть копий за два дня: сообщество пытается повторить модель-«решалу» Jev

Модель Jev, которую стартап TypeSafe выпустил в среду, за два дня стала главной темой ИИ-сообщества. Об этом пишет дайджест AINews от Latent Space. Ролик о запуске набрал 36 млн просмотров. Для сравнения: у объявления OpenAI о результате по уравнениям Навье — Стокса было 74 млн, у выхода Fable 5 от Anthropic — 57 млн. Код Jev закрыт, поэтому сообщество принялось гадать, как она устроена, и попыталось её воспроизвести. Итог — как минимум шесть открытых копий.

Jev не пишет тексты. Она получает контекст и набор вариантов и возвращает вероятность для каждого: какую ветку выбрать, куда передать обращение, какую ссылку поставить. Авторы подают её как быстрое «мышление первого типа» в пару к большим языковым моделям, которые рассуждают медленно. Сервис оценки моделей Braintrust уже подключил Jev и говорит, что проверка результатов обходится примерно в 400 раз дешевле, чем раньше.

Копии устроены по-разному, и это показывает, насколько размыты догадки об оригинале. Laya — модель на 421 млн параметров: энкодер ModernBERT-large, к которому добавили два слоя для оценки вариантов. Её автор, по словам AINews, обижен, что его не признают. К тому же уверенность модели считается через энтропию и не откалибрована. DiffusionGemmaJev собрана на основе диффузионной модели, и на бенчмарках её результаты близки к оригиналу. Bespoke Nimble — дообучение Qwen3.5-9B методом LoRA на синтетических контрастных примерах. На собственной оценке авторов базовая Qwen выросла с 66% до 90% против 93% у Jev. Модель отвечает за 100 мс на H100 и запускается локально. SemIf, ранее OpenJev, построена на Qwen3.5 в версиях на 4 и 35 млрд параметров: поверх неё стоит крошечный классификатор на три класса. Jevlike — лёгкая модель, в которой каждый вариант «читает» общий контекст и получает оценку. Самая маленькая копия, Kev-0.5B от Джареда Палмера, собрана на Qwen2.5-0.5B и работает на MacBook Pro. Больше всего шансов угадать устройство оригинала, по мнению AINews, у вариантов на ModernBERT и на диффузии.

Первые внедрения тоже появились. Аарон Леви из Box показал, как Jev распределяет отчёты об инцидентах по путям эскалации. В связке с LangChain модель хорошо справилась с управлением браузером, а Cline выпустил плагин, который даёт Jev доступ к браузеру. Харрисон Чейз назвал управление браузером лучшим применением Jev из увиденных. Составители дайджеста делают вывод: это история не про чат-бот, а про слой, который управляет рабочими процессами.

Восторги разделяют не все. Михаил Парахин заметил, что люди, пришедшие в ИИ после ChatGPT, восприняли Jev как откровение. Специалисты по машинному обучению со стажем больше удивлены шумихой: классификаторы существовали и раньше. Разработчик Антон Абакадж указал, что в демонстрациях больше хвалят скорость, чем качество, а общепринятого бенчмарка для таких моделей пока нет. Мало обсуждают и данные: создатели признают, что обучающая выборка на 100% синтетическая.

Пока неясно, как на самом деле устроена Jev и насколько её копии уступают ей на задачах, которые не подбирали сами авторы. Но интерес понятен: небольшая модель, которая быстро и дёшево принимает однотипные решения, может снять с больших моделей рутину вроде маршрутизации запросов и выбора инструментов.