ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
โมเดลปัญญาประดิษฐ์ (AI) Jev ซึ่งไม่สร้างประโยค แต่ส่งคืนเฉพาะตัวเลือกและค่าความน่าจะเป็นที่กำหนดไว้ล่วงหน้า มีการเปิดตัวโครงการโอเพนซอร์สที่พัฒนาในลักษณะคล้ายกันหลายโครงการภายในหนึ่งสัปดาห์ นับเป็นแนวทางใหม่ที่แยกโมเดลสำหรับการตัดสินใจออกจากการสร้างข้อความ
TypeSafe AI เปิดตัว Jev ในรูปแบบเออร์ลีแอกเซสเมื่อวันที่ 15 กันยายน โดยเป็นโมเดลแรกในชุด 'System One' บริษัทระบุว่า Jev สามารถประมวลผลการตัดสินใจหลายรายการแบบขนานจากสถานะและคำถามที่ป้อนเข้ามา พร้อมส่งคืนผลลัพธ์ ค่าความน่าจะเป็น และค่าความเชื่อมั่น
Jev ไม่ได้สร้างโทเคนตามลำดับเหมือนโมเดลภาษาขนาดใหญ่ (LLM) ทั่วไป เมื่อผู้พัฒนากำหนดขอบเขตผลลัพธ์และประเภทคำถามไว้ล่วงหน้า ซอฟต์แวร์จะได้รับค่าที่มีโครงสร้างและนำไปประมวลผลได้โดยตรง
รูปแบบที่รองรับ ได้แก่ 'Choice' สำหรับเลือกหนึ่งตัวเลือกจากรายการ 'Score' สำหรับให้คะแนนตามเกณฑ์ที่กำหนด และ 'Noul' สำหรับตัดสินว่าข้อความใดข้อความหนึ่งเป็นจริงหรือไม่ ทั้งสามรูปแบบสามารถประมวลผลร่วมกันได้ในการเรียก API ครั้งเดียว
ตัวอย่างเช่น หากต้องแยกคำถามไปยังทีมสนับสนุนด้านเทคนิคหรือทีมชำระเงิน Jev อาจระบุความน่าจะเป็นที่ 91% และ 9% ตามลำดับ เพื่อให้ระบบจัดหมวดหมู่อัตโนมัติได้ แต่หากผลการตัดสินใจใกล้เคียงกัน เช่น 52% ต่อ 48% ระบบอาจขอข้อมูลเพิ่มเติมหรือส่งต่อให้โมเดลที่มีความสามารถสูงกว่า
โค้ดเป็นผู้กำหนดเกณฑ์การตัดสินใจและการดำเนินการถัดไป ไม่ใช่โมเดล Jev จึงไม่ได้ออกแบบมาเพื่อสร้างประโยคให้มนุษย์ตีความ แต่เพื่อส่งคืนผลลัพธ์ด้านการอนุมัติ การจัดหมวดหมู่ และการกำหนดเส้นทางที่โปรแกรมนำไปใช้ได้ทันที
TypeSafe AI ระบุว่า Jev ใช้เวลาตอบสนอง 70-500 มิลลิวินาที ขณะที่โมเดลแนวหน้าที่บริษัทนำมาเปรียบเทียบมีเวลาตอบสนอง 3-329 วินาที
เว็บไซต์ของบริษัทระบุค่าใช้จ่ายไว้ที่ 0.000081 ดอลลาร์ต่อหนึ่งงาน (ประมาณ 0.11 วอน) และ 42 ดอลลาร์ต่อโทเคนอินพุต 1,000 ล้านโทเคน (ประมาณ 58,254 วอน) อย่างไรก็ตาม การเปรียบเทียบเวลาและต้นทุนดังกล่าวอ้างอิงการประเมินและการวัดผลที่ TypeSafe AI ออกแบบและดำเนินการเอง
ยังไม่มีผลการทดสอบซ้ำจากหน่วยงานอิสระ ความได้เปรียบด้านประสิทธิภาพและต้นทุนของ Jev ในสภาพแวดล้อมการทำงานอื่นจึงยังต้องได้รับการตรวจสอบเพิ่มเติม
Jev อาจช่วยลดข้อผิดพลาดด้านรูปแบบเอาต์พุตได้ แต่ไม่ได้กำจัดข้อผิดพลาดในการตัดสินใจ แม้ค่าที่ส่งคืนจะอยู่ในตัวเลือกที่กำหนดไว้ล่วงหน้า โมเดลก็ยังมีโอกาสเลือกคำตอบที่ไม่ถูกต้อง
การอภิปรายเกี่ยวกับการเปิดตัว Jev บน Hacker News มีความเห็นว่าการมุ่งเน้นการจัดหมวดหมู่ การกำหนดเส้นทาง และการให้คะแนนแทนการสร้างข้อความอาจเป็นประโยชน์ ขณะเดียวกันก็มีความเห็นว่าเป็นเรื่องยากที่จะเปรียบเทียบประสิทธิภาพกับ LLM แบบเดิมโดยตรง
รายงานก่อนหน้านี้เกี่ยวกับเอาต์พุตการตัดสินใจแบบมีโครงสร้างของ Jev เป็นพื้นฐานของการอภิปรายต่อเนื่องครั้งนี้ Jev มุ่งเป็นโมดูลการตัดสินใจที่เชื่อมต่อกับซอฟต์แวร์เดิม มากกว่าจะเข้ามาแทนที่ AI แบบสนทนา
การพัฒนาต่อยอดจากชุมชนโอเพนซอร์สเริ่มปรากฏตั้งแต่วันที่ 16 กันยายน โดยมีทั้งการใช้งานทดแทนบน GPU ในเครื่อง และโครงการที่จำลองการทำงานของ Jev ด้วยโมเดลภาษาที่มีอยู่เดิม
บน Hugging Face มีการลงทะเบียนโมเดล 'system-one-qwen3.5-4b-scorer' ซึ่งพัฒนาบน Qwen3.5 และให้คะแนนคำถามกับตัวเลือกพร้อมกันโดยไม่สร้างสตริงข้อความ
'cua-s1-forms' บน Hugging Face เป็นการใช้งานอิสระที่มุ่งรองรับงานควบคุมคอมพิวเตอร์ และส่งคืนความน่าจะเป็นของแต่ละตัวเลือก แม้เผยแพร่ภายใต้ใบอนุญาต MIT แต่ไม่ได้ใช้วิธีฝึก RLCD ของ TypeSafe AI และไม่ได้เป็นโมเดลที่จำลองประสิทธิภาพของ Jev
จุดร่วมที่ยืนยันได้ในขณะนี้คืออินเทอร์เฟซที่ไม่สร้างข้อความ แต่ประเมินตัวเลือกที่กำหนดไว้ล่วงหน้าแบบขนาน ระดับความแม่นยำและเสถียรภาพของแนวทางนี้ในระบบอัตโนมัติจริงยังต้องรอผลการประเมินในระยะต่อไป
ความคิดเห็น 0