एका माजी ओपनएआय संशोधकाने स्थापन केलेल्या नवीन एआय स्टार्टअपने लॉन्च केले आहे ज्याला ते मॉडेलचा एक संपूर्ण नवीन वर्ग म्हणतात - जो तुम्हाला निबंध लिहू शकत नाही आणि म्हणते की हाच मुद्दा आहे.

TypeSafe AI ने मंगळवारी त्याचे पहिले "सिस्टम वन मॉडेल" रिलीज केल्याची घोषणा केली, जेव्ह नावाचे, लवकर प्रवेशामध्ये त्वरित उपलब्ध. कंपनीची स्थापना डिओगो आल्मेडा यांनी केली होती, ज्यांचे म्हणणे आहे की ChatGPT च्या सूचना-अनुसरणामागील संशोधन हे OpenAI मध्ये त्यांनी दिलेल्या कामामुळे वाढले आहे. दोन वर्षांच्या चोरीनंतर, तो असा युक्तिवाद करत आहे की चॅटवर उद्योगाचे निर्धारण अस्पष्ट झाले आहे की ऑटोमेशन प्रत्यक्षात अपयशी ठरते. For more context on this story, see our ongoing latest AI developments.

"मॉडेल्स वर्षानुवर्षे चॅटमध्ये अतिमानवी आहेत, मग सर्व ऑटोमेशन कुठे आहे?" आल्मेडा यांनी लॉन्च पोस्टमध्ये लिहिले. "गेल्या चार वर्षांपासून हा माझा ड्रायव्हिंगचा प्रश्न आहे."

'सिस्टम वन' मॉडेल खरोखर काय आहे

हे नाव मानसशास्त्राच्या वेगवान, सहज विचार आणि मंद, मुद्दाम युक्तिवाद यांच्यातील फरकावरून घेतले आहे. जेथे मोठ्या भाषेचे मॉडेल टोकनद्वारे मजकूर व्युत्पन्न करतात — लवचिक, सामान्य, आणि अधूनमधून आत्मविश्वासपूर्ण मूर्खपणाची शक्यता असते — TypeSafe's Jev काहीतरी संकुचित करण्यासाठी तयार केले आहे: इनपुट म्हणून असंरचित स्थिती घ्या आणि कॅलिब्रेट केलेल्या संभाव्यतेसह टाईप केलेले, संरचित निर्णय परत करा.

कंपनी Jev चे वर्णन "एक फ्रंटियर-इंटेलिजन्स फंक्शन कॉल: अनस्ट्रक्चर्ड स्टेट इन, टाईप केलेले संभाव्य निर्णय बाहेर" असे करते. कारण संभाव्य आउटपुट अगोदरच परिभाषित केले जातात आणि मॉडेल कधीही फ्री-फॉर्म स्ट्रिंग्स व्युत्पन्न करत नाही, TypeSafe दावा करते की ते टाइप एरर निर्माण करू शकत नाही — कंपनी म्हणते की मालमत्ता सांख्यिकीयदृष्ट्या संभाव्यतेपेक्षा गणितीयदृष्ट्या हमी आहे — आणि मजकूर-निर्मिती मॉडेल ज्या प्रकारे करू शकतात त्याप्रमाणे भ्रम निर्माण करू शकत नाही.

लाँच पोस्टनुसार आर्किटेक्चर मुख्य प्रवाहातील सरावातून तीन मार्गांनी निघून जाते: एक नवीन मॉडेल आर्किटेक्चर, एक समांतर नमुना जो सर्व आउटपुट एका क्वेरीमध्ये अनुक्रमे न बनवता, आणि एक प्रशिक्षण पद्धत ज्याला कंपनी रीइन्फोर्समेंट लर्निंग फॉर कॅलिब्रेटेड डिसिजन (RLCD) म्हणतात, जी पूर्व-प्रामाणिकतेच्या कार्यक्रमासाठी अनुकूल करते. सत्यापित आउटपुट.

दावे: 100x जलद, खर्चाचा एक अंश

TypeSafe प्रकाशित संख्या आक्रमक आहेत. कंपनीचे म्हणणे आहे की Jev "सिस्टम वन शेप्ड" टास्क - वर्गीकरण, राउटिंग, स्कोअरिंग, एक्सट्रॅक्शन आणि ब्रँचिंग निर्णय — 70 ते 500 मिलीसेकंदमध्ये प्रतिसाद देत असताना, फ्रंटियर मॉडेलसाठी 3 ते 329 सेकंदांच्या एंड-टू-एंड प्रतिसाद वेळेच्या विरूद्ध सध्याच्या फ्रंटियर LLM च्या तुलनेत बुद्धीमत्ता प्रदान करते. ते 40x ते 200x वेगाने कार्य करते, कंपनी म्हणते.

किंमतही त्याचप्रमाणे अपारंपरिक आहे: $0.042 प्रति दशलक्ष इनपुट टोकन, आउटपुट टोकन मोफत, कारण टोकनद्वारे टोकन व्युत्पन्न न करता आउटपुटची गणना समांतर केली जाते. कंपनीने आपल्या पोस्टमध्ये कबूल केले आहे की ते अद्याप हे सिद्ध करू शकत नाही की किंमत मोठ्या प्रमाणावर टिकाऊ आहे.

"असाधारण दाव्यांना असाधारण पुरावे आवश्यक आहेत," पोस्ट वाचते, त्याच्याकडे कोणते पुरावे आहेत हे सांगण्यापूर्वी.

पावत्या — आणि संशयवादी काय म्हणतात

TypeSafe ने GPT-5.6 Terra विरुद्ध Jev ची तुलना करणारा एक शेजारी-बाय-साइड डेमो प्रकाशित केला, ज्याचे वर्णन समान बुद्धिमत्तेवर सर्वात तुलना करण्यायोग्य फ्रंटियर मॉडेल म्हणून केले आहे, आणि रेकॉर्ड केलेल्या रनमध्ये एकमात्र मतभेद असल्याने संदिग्ध निर्णय कॉलचा समावेश आहे. याने एक नवीन "वर्कफ्लो इव्हल" पद्धत देखील सादर केली जी सर्वात मोठ्या बाह्य मॉडेल - OpenAI's Astra आणि Anthropic's Fable - एका निश्चित गणना आलेखाच्या एकमताच्या विरूद्ध मॉडेल्सचे मोजमाप करते आणि दावा करते की Jev "जवळजवळ 2 परिमाणांसाठी पॅरेटो फ्रंटियरचा मालक आहे."

विशेष म्हणजे, कंपनीने "antibenchmaxxing" नावाची एक पोस्ट प्रकाशित केली आहे ज्यात हे स्पष्ट केले आहे की ते पारंपारिक बेंचमार्क का टाळते, असा युक्तिवाद करते की सॉफ्टवेअर वर्कफ्लोमध्ये संरचित निर्णयांसाठी डिझाइन केलेले मॉडेल अर्थपूर्ण जागतिक तुलनाला विरोध करते.

हॅकर न्यूजवरील प्रतिक्रिया, जिथे लाँचने काही तासांतच शेकडो गुण मिळवले, खऱ्या उत्साहापासून ते स्पष्ट संशयापर्यंत. बऱ्याच टिप्पणीकर्त्यांनी नोंदवले की सार्वजनिक पुराव्यामध्ये मोठ्या प्रमाणात डेमो व्हिडिओंचा समावेश आहे — पुनरुत्पादित तृतीय-पक्ष मूल्यांकनांऐवजी - डूम गेमप्ले लूपला सामर्थ्यवान मॉडेल दर्शविणारा एक समावेश आहे. इतरांनी असा युक्तिवाद केला की हा दृष्टिकोन अत्यंत वेगवान, सीमावर्ती-गुणवत्ता क्लासिफायर म्हणून समजला जातो, जो LLM च्या बदलीऐवजी वर्कलोडच्या तुकड्यासाठी उपयुक्त आहे.

सहानुभूती असलेल्या निरीक्षकांनीही पुराव्याचे ओझे स्पष्टपणे तयार केले. "होय, ते संशयवादी म्हणून बोलतात परंतु डेमोच्या दोन व्हिडिओंव्यतिरिक्त एक टन पुरावे देत नाहीत," एका टिप्पणीकर्त्याने लिहिले. "लाइव्ह डेमो अधिक खात्रीशीर असेल."

तरीही फरक का पडतो

खेळपट्टी खऱ्या वेदना बिंदूवर उतरते. व्यावसायिक सॉफ्टवेअरमधील उत्पादनातील LLM कॉल्सचा मोठा वाटा अजिबात जनरेटिव्ह नसतो — ते बायनरी निर्णय, श्रेणी असाइनमेंट आणि गद्यात गुंडाळलेले मार्ग निर्णय आहेत. जर एखादे मॉडेल कॅलिब्रेटेड आत्मविश्वासाने ७० मिलीसेकंदात आणि प्रभावीपणे शून्य आउटपुट खर्चात ते कॉल करू शकत असेल, तर AI-चालित सॉफ्टवेअरचे अर्थशास्त्र लक्षणीयरीत्या बदलते: रिअल-टाइम वापरकर्ता इंटरफेस व्यावहारिक बनतात आणि LLM सह स्वयंचलित करण्यासाठी खूप महाग असलेल्या पाइपलाइन पायऱ्या सर्वत्र चालण्यासाठी पुरेशा स्वस्त होतात.

TypeSafe च्या सुचविलेल्या वापराच्या प्रकरणांमध्ये डेटाचे वर्गीकरण आणि राउटिंग, LLM आउटपुटची पडताळणी आणि रक्षण करणे, जेलब्रेक शोधणे आणि मोठ्या डेटासेटवर नकाशा-कमी विश्लेषण यांचा समावेश होतो — वर्कलोड जेथे आसपासचा कोड मॉडेलच्या स्वातंत्र्याला बाधा आणू शकतो आणि त्रुटी पकडू शकतो.

कंपनी खुल्या प्रश्नांबद्दल प्रामाणिक आहे: तिचे प्रकाशित केलेले मूल्यांकन यूएस वेस्ट कोस्टवरील लॅपटॉपवरून चालवले गेले होते आणि दीर्घकालीन किंमत टिकवून ठेवण्याची क्षमता अप्रमाणित आहे. Jev चे बुद्धिमत्तेचे दावे स्वतंत्र चाचणीच्या संपर्कात टिकून राहतात की नाही हे "सिस्टम वन मॉडेल्स" श्रेणी बनते की कुतूहल हे ठरवेल.

कंपनीच्या वेबसाइटद्वारे आता लवकर प्रवेश खुला आहे.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →