Jev من TypeSafe AI: ما الجديد، وكيف يعمل، والبدائل (2026)

ركزت معظم عمليات إطلاق النماذج هذا العام على تقديم المزيد. أما هذا الإطلاق فيهدف إلى تقديم الأقل، عن عمد.

أطلقت شركة TypeSafe AI نموذجًا لا يدردش، ولا يكتب، ولا يفسر نفسه. بل يجيب عن الأسئلة بقيم محددة النوع واحتمالات. هذه هي واجهة المنتج بأكملها.

يغطي هذا الدليل ماهية النموذج وكيفية عمل أنواع الأسئلة الثلاثة الخاصة به. كما يغطي الأسعار، وما يقول المطور إنه لا يجيده، وموقعه مقارنة بالعمل الفعلي الذي تقوم به معظم الفرق.

ما تم إطلاقه

يُعد Jev النموذج الرائد لشركة TypeSafe. ووفقًا لـ الوثائق الرسمية للمطور، فإنه يُعد أيضًا "أول نموذج System One".

يبدأ هذا التأطير من شكوى حول كيفية عمل بقية الفئة. فتقول الوثائق إن النماذج اللغوية الكبيرة "مصممة لإنتاج نصوص يقرأها البشر". وعندما تحتاج إلى قرار يستهلكه الكود البرمجي الخاص بك، "فإن ذلك يخلق عدم توافق".

وتوضح الوثائق هذا عدم التوافق؛ حيث إنك "تجبر نظام توليد النصوص على إخراج قرارات مهيكلة، ثم تقوم بتحليل النتائج مجددًا لتحويلها إلى شيء يمكن للكود البرمجي الخاص بك الاعتماد عليه".

أما البديل المعروض فيلغي هذه العملية الدائرية. حيث يقوم Jev "بتقييم الأسئلة محددة النوع بناءً على حالة معينة وإرجاع نتائج مهيكلة مباشرة. دون توليد نصوص، ودون تحليل".

يضع موقع الشركة نفسه Jev في نهاية سلسلة من التطور. النماذج اللغوية المبكرة، ثم نماذج LLMs المدربة مسبقًا، ثم نماذج دردشة RLHF، ثم نماذج الاستدلال RLVR. والآن RLCD، والتي تعني "التعلم بالتعزيز لاتخاذ قرارات معيرة".

ما هو نموذج System One

الاسم مستعار، وتذكر الوثائق ذلك صراحة. فهو "يأتي من المفهوم الذي شاع على يد دانيال كانمان في كتابه Thinking, Fast and Slow".

يتميز System 1 بالسرعة والبديهية، بينما يتميز System 2 بالبطء والتأني. وهنا "ينصب التركيز على القرارات السريعة والموجهة".

التعريف الوظيفي أضيق من الاستعارة المجازية. فهذه النماذج تمثل "فئة من نماذج الذكاء الاصطناعي المصممة لاتخاذ قرارات سريعة ومهيكلة يمكن للبرمجيات استخدامها مباشرة". ويقوم هذا النموذج "بتقييم حالة معينة وإرجاع إجابات محددة النوع واحتمالات".

يفصل سطر واحد بين Jev وكل شيء آخر في السوق: "مثل نماذج LLM، يفهم نموذج System One المدخلات باللغة الطبيعية. ولكنه يرجع قرارات محددة النوع واحتمالات بدلاً من النصوص المولدة".

ويوضح المطور الجوانب المستبعدة بصراحة أيضًا. فنماذج System One "لا تكتب ردودًا، ولا تنتج أكوادًا برمجية، ولا تولد تفسيرات لاستدلالها".

أنواع الأسئلة الثلاثة

أنت لا توجه الأوامر لـ Jev. بل تحدد نطاقًا للإجابات، وهو يختار من بينها.

هناك ثلاثة عناصر أساسية. وتقدم الوثائق مثالاً على كل منها.

العنصر الأساسي	السؤال	نطاق الإجابة	المخرجات
Choice	أي فريق يجب أن يتعامل مع هذه التذكرة؟	billing أو technical أو account	choice: "billing"
Score	ما مدى إحباط هذا العميل؟	0 = هادئ، 1 = محبط، 2 = محبط جدًا	score: 1.4
Noul	هل تطلب هذه الرسالة استرداد الأموال؟	صحيح أم خطأ	noul: 0.95

يختار Choice خيارًا واحدًا من مجموعة محددة. ويقيم Score بناءً على مستويات وصفية مرتبة. بينما يرجع Noul احتمال أن يكون سؤال نعم/لا صحيحًا.

يستحق مثال Score نظرة ثانية. فالإجابة هي 1.4 وليست 1. يضع Jev الحالة بين مستويين محددين بدلاً من الانتقال المفاجئ إلى أقربهما. وهذا شكل مخرجات مختلف تمامًا عما يرجعه أي نموذج نصوص.

التكلفة والمدخلات المقبولة

تتميز صفحة الأسعار بوضوح غير معتاد. وهذا ليس بالشيء الذي يكتبه المرء غالبًا عند إطلاق أي نموذج.

النموذج الحالي هو jev-1.13.0. والسعر هو 42 دولارًا لكل مليار توكن، أو 0.042 دولار لكل مليون توكن. وتوضح الوثائق صراحة أن الرسوم تُحتسب "لكل توكن مدخل" وأن "توكنز المخرجات مجانية".

تم تحديد حدود معدل الاستخدام بـ 250,000 توكن في الثانية و1,200 طلب في الدقيقة. ويبلغ طول السياق 64k توكن لكل طلب، يتوفر منها 32k للحالة بالإضافة إلى السؤال الأطول.

المدخلات نصية فقط. وتشير الوثائق إلى أن Jev "يقيم السلاسل النصية، وكائنات JSON، ومصفوفات النصوص". وتضيف أن "الصور والصوت والفيديو غير مدعومة (حتى الآن)".

يمر كل شيء عبر نقطة نهاية واحدة، وهي POST /v1/systemone. ويحدد حقل model النموذج الذي سيتعامل مع الطلب.

الخاصية	القيمة
النموذج	jev-1.13.0
السعر	42 دولارًا لكل Btok / 0.042 دولار لكل Mtok، للمدخلات فقط
توكنز المخرجات	مجانية
حدود معدل الاستخدام	250,000 توكن في الثانية؛ 1,200 طلب في الدقيقة
السياق	64k لكل طلب؛ 32k للحالة بالإضافة إلى السؤال الأطول
أنواع المدخلات	نص فقط

الثقة هي الجزء الذي يجب الانتباه إليه

الأسعار هي العنوان الرئيسي، لكن التعامل مع مستوى الثقة هو قرار التصميم الأكثر إثارة للاهتمام.

تحمل كل إجابة من نوع Choice وScore خاصية probabilities عبر الخيارات أو المستويات. وتوضح الوثائق كيفية قراءة ذلك؛ حيث إن التوزيع "المتركز على نتيجة واحدة يعني إجابة واثقة، بينما يعني التوزيع المتشتت إجابة غير مؤكدة".

وتختزل خاصية confidence المنفصلة هذا الشكل في رقم واحد من 0 إلى 1. والغرض الموثق من ذلك هو "تمكينك من تحديد حد أدنى دون الحاجة إلى إجراء الحسابات بنفسك".

ويتم التعبير عن السبب الكامن وراء تقديم هذا الرقم كمبدأ أساسي: "إذا كان النظام الذكي، سواء كان بشريًا أو آليًا، لا يستطيع التعبير عن عدم اليقين بصدق، فلا يمكن الوثوق بهذا النظام".

ما يمنحه لك هذا هو قاعدة توجيه بدلاً من إجابة أفضل. فالإجابات ذات الثقة العالية تمر مباشرة، بينما تذهب الإجابات ذات الثقة المنخفضة إلى مراجع بشري. وتصيغ الوثائق ذلك على أنه قرار لتحديد "متى يجب اتخاذ إجراء ومتى يجب التصعيد إلى شخص أو إلى نموذج استدلال".

يدرك أي شخص قام بتشغيل مسار تصنيف سبب أهمية ذلك. فمسار التصعيد، وليس رقم الدقة، هو ما يحدد ما إذا كان النظام سينجح عند مواجهة البيانات الفعلية.

ما يقول المطور إنه لا يجيده

تنشر TypeSafe صفحة تسمى "model jaggedness" (عدم استواء أداء النموذج)، تمت مراجعتها في 17-09-2026. وهي تسرد حالات الفشل التي تعرفها الشركة. ويُعد نشر مثل هذه الصفحة بالتزامن مع الإطلاق أمرًا نادرًا، ويوفر على الجميع عناء التخمين.

السطر التلخيصي صريح للغاية؛ حيث إن Jev 1.13 "سريع، ومعاير، وجيد في إطلاق الأحكام القائمة على المنطق العام، ولكنه ليس مثاليًا".

تم تحديد نقاط ضعف ثلاث بشكل مباشر. فهو "قد يواجه صعوبة في المهام التي تتطلب مستويات إضافية من المواربة أو عدم المباشرة"، و"يمكن أن يكون حرفيًا للغاية في فهمه"، و"يواجه صعوبة في المهام التي تتطلب دقة عددية".

يقرن جدول حالات الفشل كل حالة بعلاج لها. وهناك نصيحتان تستحقان التكرار لأي شخص يقيم تجربة أولية.

• بالنسبة للرياضيات والأرقام، فإن النصيحة الموثقة هي "إبقاء العمليات الحسابية داخل الكود البرمجي".
• بالنسبة للحالات الكبيرة المليئة بالتفاصيل غير المهمة، فإن النصيحة هي "التصفية أولاً؛ وإرسال ما يحتاجه السؤال فقط".

يشير كلا الأمرين إلى نفس فرضية التصميم. هذا محرك لإصدار الأحكام، وليس آلة حاسبة ولا فهرس بحث. وهو يعمل بأفضل شكل عندما يكون النظام المحيط قد قام بالفعل بتضييق نطاق السؤال.

موقع هذا النموذج مقارنة بالعمل الفعلي لديك

هناك تقسيم واضح للعمل يكمن في مثال المطور نفسه. وتحديد هذا التقسيم هو ما يحدد ما إذا كان هذا الإطلاق يهمك على الإطلاق أم لا.

يبني سير عمل استرداد الأموال الموثق حالة معينة ويطرح عدة أسئلة مستقلة في آن واحد. ثم يدمج الإجابات "مع فحوصات حتمية في الكود البرمجي" ويوجه الحالة "لاتخاذ إجراء أو للمراجعة".

تفترض كل خطوة هناك وجود مطور، وتطبيق، وحجم طلبات مرتفع. ويجب أن تكون تكلفة التوكن الواحد بندًا ماليًا حقيقيًا قبل أن يحقق أي من هذا عائدًا مجديًا.

أما معظم أعمال إعداد التقارير فتأخذ شكلاً آخر. حيث يكون لديك ملف بدلاً من تدفق مستمر من الطلبات. وتكون الأحكام وسيلة وليست المنتج النهائي. وما يجب أن يتوفر في النهاية هو مستند يقرأه شخص ما.

يمثل تصنيف أربعة آلاف صف من آراء العملاء منتصف هذه المهمة. أما نهايتها فهي ملخص يحدد المحاور الثلاثة الرئيسية ويشير إلى الاستثناءات.

هذا النصف الثاني هو ما تتعامل معه مساحات العمل المعتمدة على الملفات أولاً. حيث تقوم برفع الملف المصدر وتصف الفئات باللغة الطبيعية. فتعود الصفوف مصنفة، ويصل التقرير الذي يشرحها في نفس الخطوة. تعمل منصة Powerdrill Bloom بهذه الطريقة، وتغطي الفئة المجانية بالفعل العروض التقديمية والمستندات وجداول البيانات والصور الأساسية.

الاثنان لا يتنافسان على نفس المكانة. فأحدهما عبارة عن API تقوم بربطه بمنتج ما. والآخر هو المكان الذي تذهب إليه جداول البيانات عندما يحتاج شخص ما إلى إجابة بحلول يوم الخميس. إذا كانت نسختك من هذه المشكلة تأتي في شكل ملف، فجرب Powerdrill Bloom.

بالنسبة لنسخة مهمة التصنيف الخاصة بجداول البيانات، هناك دليل إرشادي حول تصنيف بيانات Excel. وبالنسبة لنسخة البحث عن المحاور الرئيسية، هناك مجموعة مختارة من أدوات تحليل آراء العملاء.

بدائل تستحق المقارنة

تغطي ثلاثة أساليب نفس المجال. ويعتمد الأسلوب المناسب منها بشكل أساسي على حجم العمل.

النماذج العامة ذات المخرجات المهيكلة. يفرض كل مزود رئيسي الآن قيودًا على الاستجابات لتتبع مخططًا محددًا. وبذلك تحصل على نموذج واحد لإصدار الأحكام والتوليد معًا. وتكمن التكلفة في دفع أسعار التوليد مقابل أعمال إصدار الأحكام، والقيام بالمعايرة الخاصة بك بنفسك.

المصنفات التقليدية. يُعد النموذج الصغير المضبوط بدقة أو شجرة تعزيز التدرج أرخص تكلفة وقابلًا للتنبؤ به تمامًا. وينطبق هذا شريطة أن تكون لديك بيانات مصنفة ومجموعة تصنيفات مستقرة. ولكنه لن يفهم سياسة مكتوبة بنص نثري عادي.

مساحات عمل التحليل المعتمدة على الملفات أولاً. تتعامل هذه المساحات مع إصدار الأحكام كخطوة واحدة ضمن إنتاج مخرج نهائي. دون الحاجة إلى API، أو مخطط، أو ميزانية مخصصة لكل توكن. كما أنها لا تملك القدرة على العمل ضمن مسار الطلبات المباشرة.

إذا كان وضعك هو	فانظر إلى
ملايين الأحكام داخل منتج ما	نموذج مخصص لاتخاذ القرارات فقط
مزيج من إصدار الأحكام والصياغة، بحجم عمل منخفض	نموذج عام ذو مخرجات مهيكلة
تصنيفات مستقرة ووفرة في بيانات التدريب	مصنف تقليدي
ملف يجب تحويله إلى تقرير	مساحة عمل معتمدة على الملفات أولاً

هناك مجموعة مختارة ذات صلة حول أدوات إنشاء التقارير تغطي الخيار الأخير منها.

من يجب أن يهتم الآن

تمتلك الفرق التي تدير عمليات إصدار أحكام بحجم كبير داخل منتج ما الحالة الأكثر وضوحًا لاستخدام Jev. ويندرج تحت ذلك توجيه التذاكر، وقوائم انتظار الإشراف، وتأهيل العملاء المحتملين، والفحوصات المسبقة للأهلية. والنمط هنا هو سؤال محدد يُطرح آلاف المرات يوميًا، ليغذي مسارًا متفرعًا في الكود البرمجي.

أما الفرق التي تقوم بالتصنيف من حين لآخر كجزء من التحليل فلديها الحالة الأضعف للاستخدام. فالعوامل الاقتصادية التي تجعل Jev خيارًا جذابًا على نطاق واسع لا تظهر قيمتها عند التعامل مع بضعة آلاف من الصفوف. كما أنك ستظل بحاجة إلى شيء يكتب الملخص بعد ذلك.

وبالنسبة للجميع، فإن الأمر يتعلق باستعارة المفاهيم بدلاً من تبني الأداة نفسها. إن الفصل بين إصدار الأحكام السريعة والتركيب المتأني يمثل منظورًا مفيدًا لمسار العمل الخاص بك. ويظل هذا المنظور مفيدًا سواء أرسلت طلبًا إلى هذا الـ API أم لا.

ملاحظة عملية أخرى لأي شخص يقوم بالتقييم: اقرأ صفحة "jaggedness" (عدم استواء الأداء) قبل صفحة الأسعار. فمعرفة نقاط ضعف النموذج تشكل التجربة الأولية بشكل أكبر بكثير من معرفة تكلفته.

الأسئلة الشائعة

ما هو نموذج System One؟

هو فئة من النماذج المصممة لاتخاذ قرارات سريعة ومهيكلة يمكن للبرمجيات استخدامها مباشرة. حيث يقوم بتقييم حالة معينة وإرجاع إجابات محددة النوع واحتمالات. ويشير الاسم إلى نظام System 1 لدى كانمان، وهو نمط التفكير السريع والبديهي. وبخلاف نماذج الدردشة، فهو لا يكتب ردودًا، ولا ينتج أكوادًا برمجية، ولا يفسر استدلاله.

كم تبلغ تكلفة Jev؟

السعر المعلن لـ jev-1.13.0 هو 42 دولارًا لكل مليار توكن، أو 0.042 دولار لكل مليون توكن. ويتم الاحتساب على توكنز المدخلات فقط، وتوكنز المخرجات مجانية.

ما الذي يمكن لـ Jev قبوله كمدخلات؟

النص فقط، في شكل سلاسل نصية، أو كائنات JSON، أو مصفوفات من النصوص. وتشير الوثائق إلى أن الصور والصوت والفيديو غير مدعومة بعد. ويبلغ السياق 64k توكن لكل طلب، مع تخصيص 32k للحالة بالإضافة إلى السؤال الأطول.

كيف يختلف ذلك عن مطالبة نموذج LLM بإخراج بتنسيق JSON؟

كلاهما يفهم المدخلات باللغة الطبيعية. ويكمن الاختلاف في المخرجات وكيفية تدريب النموذج. يرجع Jev قرارات محددة النوع مع توزيع احتمالي وقيمة ثقة. وتُقاس المعايرة عبر مجموعات من التنبؤات، لذا فهي لا تضمن صحة أي إجابة فردية.

ما الذي لا يجيده Jev؟

تسرد صفحة "jaggedness" (عدم استواء الأداء) الخاصة بالمطور القراءة الحرفية، والرياضيات والأرقام، ومقارنة التاريخ والوقت. كما تسرد المواربة، والحالات الكبيرة المليئة بالتفاصيل غير المهمة، والمحتوى العدائي، والمعايير المتناقضة. ونصيحتها الموثقة لحالات الحساب هي إبقاء العمليات الحسابية داخل الكود البرمجي.

المصادر: وثائق TypeSafe AI — مقدمة، System One، النماذج، الثقة، وعدم استواء أداء Jev 1.13، موقع docs.typesafe.ai، بتاريخ 18 سبتمبر 2026.