Контекст: Почему Jev потерял монополию
15 сентября 2026 года TypeSafe представила Jev — первую модель типа «System One», которая не генерирует текст, а выдает метки, оценки или вероятности (yes/no). Несмотря на скорость (0.4 с на кейс) и цену ($0.042 за 1M токенов), Jev имеет критические недостатки: закрытые веса, отсутствие поддержки изображений, невозможность самохостинга и тонкой настройки. За 4 недели появилось более 20 альтернатив, закрывающих эти пробелы.
Лидеры рынка: Cloudflare и Perplexity
Главный вызов Jev исходит от Cloudflare Clef (27B) и Clef-flash (9B). В собственном бенчмарке Cloudflare Clef показал F1-score 94.20 на наборе BANKING77, значительно превзойдя Jev (79.74). При этом Jev сохранил лидерство в сложном логическом reasoning (GPQA Diamond: 78.3 против 48.0). API Clef полностью совместима с TypeSafe, поддерживает до 4 изображений и стоит $0.24/1M токенов.
Perplexity pplx-decider (27B) также показал высокие результаты: 85.71% на 11-задачном панели против 84.51% у Jev, хотя Jev выиграл в BBH (94.27 против 82.80). Цена Perplexity ниже — $0.02/1M токенов.
Open-Source и Self-Hosted решения
Для разработчиков, предпочитающих контроль над данными, ключевыми стали:
- AWS Strands Decider 2B: 1.9B параметров, обучен на 246k примеров. Работает на одной RTX 3090 (медианная задержка 115 мс). Совместим с TypeSafe SDK.
- Kev (Jared Palmer): Модели от 0.8B до 27B. Kev-4B помещается в 24 GB VRAM. Точность 0.833, но чувствителен к порядку вариантов ответа.
- Mapika Decider: Включает 35B-A3B и 4B GGUF (2.7 GB, работает на CPU). decider-12b v1 сравнялся с Jev на JevBench Hard (0.730).
Сравнительная таблица ключевых метрик
| Модель | Размер | Лицензия | Ключевая метрика (бенчмарк) | Цена (за 1M input) |
|---|---|---|---|---|
| Cloudflare Clef | 27B | Apache-2.0 | BANKING77 F1: 94.20 | $0.24 |
| Jev (TypeSafe) | Не раскрыто | Закрытая | BANKING77 F1: 79.74 | $0.042 |
| Perplexity pplx-decider | 27B | Apache-2.0 | 11-task panel: 85.71% | $0.02 |
| AWS Strands Decider | ~1.9B | Apache-2.0 | JevBench Public: 77.9% | Self-hosted |
| OpenAI Decisions API | gpt-6-luna | Закрытая | Нет публичных данных | $0.10 |
| Fastino GLiNER2.5 | 340M | Apache-2.0 | Exact Match: 60.2% | Self-hosted |
Важные нюансы для разработчиков
Не все модели равны. Laya от Convai Innovations показала слабые результаты на Banking77 (0.425 против 0.870 у Jev) и высокую вероятность инъекций (39.6%). OpenAI Decisions API использует собственную схему, несовместимую с TypeSafe, но обещает скорость в 10 раз выше стандартных ответов. Разработчикам стоит учитывать, что бенчмарки (JevBench, Decision Index, Respan) часто не взаимозаменяемы, а многие цифры являются self-reported.
Бенчмарки
| Бенчмарк | Jev | Cloudflare Clef | Kev-4B | Perplexity pplx-decider-v1-27b | Standard One 8B |
|---|---|---|---|---|---|
| BANKING77 F1 | 79.74% | 94.2% | — | — | — |
| GPQA Diamond | 78.3% | 48% | — | — | — |
| JevBench public hard | 72.07% | — | — | — | 54.95% |
| BBH | 94.27% | — | — | 82.8% | — |
| MMLU-Pro | 84% | — | 56.5% | — | — |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗