TypeSafe AI выпустила Jev 1.14 с изображениями

TypeSafe AI выпустила версию Jev 1.14 — обновление своей решающей модели System One, доступное под псевдонимом jev-preview. Релиз добавляет три экспериментальные функции, которые сама компания относит к «зоне риска»: поддержку изображений, новый тип вопроса Box для ограничивающих рамок и опциональный контекст на 262 тыс. токенов. TypeSafe прямо предупреждает, что ни одна из трёх функций пока не готова к промышленной эксплуатации.

Jev — это не генеративная модель в привычном смысле: она возвращает типизированные решения, а не текст. Разработчик отправляет состояние вместе с вопросами типов Choice, Score или Noul, а модель отвечает типизированным значением, вероятностями и оценкой уверенности. Обучение построено на методе RLCD — обучении с подкреплением для калиброванных решений. По словам TypeSafe, версия 1.14.0 вносит небольшие улучшения почти во все компоненты, а самый заметный прирост ожидается в многоязычной поддержке.

Работа с изображениями устроена композиционно: каждая картинка один раз указывается в верхнеуровневой карте assets под строкой-ссылкой, а затем эта ссылка размещается в любом месте состояния, инструкций или критериев. API подменяет ссылку на изображение до того, как модель его прочитает. Для использования функции нужен заголовок TypeSafe-Danger-Zone-Images: true. TypeSafe отмечает, что мультимодальность была у Jev 1.13 ещё раньше, но предупреждает: на изображениях все модели, включая Jev, работают хуже, чем на чистом тексте, поэтому советует формулировать максимально простые вопросы.

Новый тип вопроса Box возвращает одну ограничивающую рамку на запрос: координаты top, bottom, left и right в долях от 0 до 1 плюс оценку уверенности. Функция требует версии jev-1.14.0 или jev-preview и того же заголовка для изображений. Важная особенность: Box всегда возвращает рамку, даже если объекта на картинке нет, поэтому TypeSafe рекомендует дополнять его вопросом типа Noul для проверки наличия цели. В небольшом тесте на 36 фрагментах картин с частично обрезанными объектами четыре вопроса Noul на каждую границу поймали 30 обрезаний, один вопрос «целиком ли объект внутри» — 26, а обводка рамки с последующим вопросом — 20.

По умолчанию обе модели держат 64 тыс. токенов на запрос и 32 тыс. на вопрос. Заголовок TypeSafe-Danger-Zone-Long-Context: true поднимает оба лимита до 262 тыс. токенов. TypeSafe поясняет, что Jev и раньше поддерживал длинный контекст внутри, но лимиты были введены намеренно: как и все модели, Jev менее надёжен на длинных входах, поэтому команда по-прежнему рекомендует короткие контексты.

Цены не изменились: 42 доллара за миллиард входных токенов, то есть 0,042 доллара за миллион, а выходные токены бесплатны. В релизном посте TypeSafe опубликовала внутренние графики интеллекта модели, но сравнивает Jev только с открытыми моделями и не приводит таблицы числовых оценок. Компания признаёт, что измерение, вероятно, смещено в пользу её собственных моделей, и советует разработчикам опираться на собственные оценки.