Model AI anyar miwiti debut minggu iki, lan nindakake perkara sing ora biasa kanggo model sing dibangun ing arsitektur trafo: ora tau ngasilake teks teks. Jev, dirilis dening wiwitan umur rong taun TypeSafe AI, tinimbang ngasilake probabilitas sing dikalibrasi - apa sing diarani perusahaan diketik, keputusan sing dikalibrasi - posisi dhewe minangka alternatif sing murah lan cepet kanggo model basa gedhe kanggo klasifikasi, rute, lan karya otomatisasi, miturut TechCrunch.
Perusahaan iki diadegake dening Diogo Almeida, peneliti OpenAI sing mbantu mbangun ChatGPT lan nyumbang kanggo panemuan penguatan sinau saka umpan balik manungsa (RLHF), teknik latihan sing akeh dikreditake kanthi mbentuk asisten AI generasi saiki. Panjaluk model anyar kasebut cukup kuat, saengga TypeSafe ilang kemampuan kanggo ngladeni sawetara pangguna API sawise diluncurake. For more context on this story, see our ongoing artificial intelligence updates.
Napa ChatGPT Pioneer Ninggalake Basa
Rute Almeida menyang model non-teks diwiwiti kanthi kuciwane ing OpenAI. "Kita duwe kilat ing botol, nanging ora ana gunane," ujare Almeida marang TechCrunch, nggambarake rasa frustasi yen sanajan kemampuan ChatGPT, teknologi kasebut ora ana otomatisasi. "Aku wis battling masalah sing wiwit iku. Butuh sawetara wektu kanggo teka menyang kesimpulan: Masalah iku kita ngoptimalake kanggo basa manungsa ... Kita wis super apik ing basa manungsa kanggo patang taun, nanging ora migunani kanggo otomatisasi amarga komputer nganggo basa liyane."
Rong taun kepungkur, Almeida ninggalake OpenAI kanggo nemokake TypeSafe AI lan nerusake tesis kasebut. Asil punika Jev, model basis trafo sing perusahaan nandheske ora model basa gedhe. Ing ngendi LLM ngasilake teks sing mbukak, Jev ngasilake kemungkinan ing sakumpulan output sing ditemtokake pangguna sadurunge - desain sing dikandhakake perusahaan nggawe halusinasi kanthi struktural ora mungkin, amarga model mung bisa mangsuli kanthi pilihan sing diwenehake.
Keuntungan efisiensi minangka bagean inti saka lapangan. Token output saka Jev gratis, lan token input diukur kanthi milyar tinimbang yuta, miturut TechCrunch. Perusahaan kasebut nggambarake Jev minangka "model Sistem Siji," fokus ing intuisi tinimbang nalar, lan ujar manawa dilatih sacara eksklusif babagan data sintetik kanthi nggunakake teknik Almeida sing diarani sinau penguatan saka keputusan sing dikalibrasi.
TypeSafe wis njaga arsitektur Jev, sanajan pengamat ing njaba nyangka sistem kasebut dibangun ing ndhuwur LLM bobot mbukak. "Setengah saka [perusahaan kita] minangka laboratorium sing duwe kabeh subfield data sintetik sing dingerteni kanthi statistik, lan saiki dadi kabungahan uripku," ujare Almeida marang TechCrunch.
Asil Pangembang Awal: Luwih Cepet lan Murah
Penerima awal nglaporake keuntungan sing signifikan ing tes. Pranit Sharma, insinyur piranti lunak ing Vercel, ngandhani TechCrunch manawa perusahaane nggunakake OpenAI's ChatGPT Luna 5.6 kanggo nglakokake klasifikasi sing mriksa prentah kanggo safety. Sawise ngalih beban kerja kasebut menyang Jev, Vercel ndeleng asil kaping lima nganti 18 luwih cepet lan luwih akurat.
Nikhil Mudholkar, CTO saka Bryo AI, nindakake perbandingan sing beda: nggolongake email bisnis karo Jev nglawan Gemini Google. Ing tes kasebut, Gemini rada luwih akurat, nanging 10 nganti 20 kaping luwih larang. Kanggo Mudholkar, properti Jev sing paling larang yaiku penanganan sing ora mesthi. "Iki mung siji-sijine sing menehi kemungkinan nyata sing cocog kanggo ngotomatisasi alur kerja," ujare TechCrunch.
Agen Ngawasi Agen, Tanpa Tagihan
Ngluwihi ngganti LLM ing tugas klasifikasi, TypeSafe udur Jev bisa polisi mau. Nggunakake agen AI kanggo ngawasi agen liyane dadi larang kanthi cepet, nanging Almeida negesake manawa profil kacepetan lan biaya Jev ndadekake praktis kanggo nglacak jejak agen LLM lan nyegah jailbreak ing wektu nyata.
Armin Ronacher, CTO Earendil lan pembangun model open source harness Pi, ngandhani TechCrunch manawa pendekatan kasebut ngganti tanggung jawab kanggo kahanan sing durung mesthi menyang pangembang. "Iki utusan masalah halusinasi sethithik marang pangguna," ujare Ronacher. "Panganggo kudu ngomong, oke, yen iki mung bali karo 50% kemungkinan, Mungkin iki duwit receh tos, lan aku disregard. Nanging yen 95%, mesthi, banjur aku bisa nindakake soko karo.
Ronacher uga menehi tandha rute model minangka kasus panggunaan sing njanjeni: prédhiksi manawa beban kerja sing diwenehake mbutuhake model tartamtu sing luwih larang. Nindakake ngurutake karo LLM bakal larang regane, nanging latensi lan rega sing sithik Jev bisa nggawe rute wektu nyata bisa ditindakake.
Jeneng Dipinjam Saka Ekonomi
Model kasebut dijenengi sawise William Stanley Jevons, ahli ekonomi abad ka-19 ing mburi paradoks Jevons - pengamatan yen minangka komoditas dadi luwih murah, konsumsi cenderung mundhak. Taruhan Almeida yaiku nyuda biaya intelijen tingkat keputusan bakal nyebabake penyebaran ing endi wae, ora mung ing chatbots unggulan.
"Kita mikir yen mung ana piranti lunak sing cerdas ing kabeh panggonan kanthi cara sing muncul lan disebarake ... luwih kaya internet awal tinimbang sing sampeyan ngerti kaya aplikasi mega sing dicoba wong saiki," ujare Almeida marang TechCrunch.
Apa pesaing ngetutake tetep dadi pitakonan sing mbukak. "Kita kudune ndeleng iki kanthi pirang-pirang cara, nanging bisa uga amarga LLM murah banget lan disubsidi, sampeyan asring ora kudu kreatif," ujare Ronacher marang TechCrunch. TypeSafe ngrancang versi tambahan Jev ing modalitas anyar.
Minangka kanggo apa TypeSafe counts minangka lab wewatesan, Almeida menehi jawaban nuding: "Produk utama labs wates wedi utawa hype. Aku pengin produk utama kita dadi Intelligence ... [nanging kita] dudu Lab ing pangertèn saka, ngerti, kaya nang ing kasugihan tanpa wates, utawa agama, utawa mbangun Gusti Allah ing pusat data, utawa apa wae sing saiki.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
