40 milyon dolar yatırım alan girişim TypeSafe AI, insanlarla değil makinelerle etkileşim kurmak için tasarlanan yeni YZ modeli Jev‘i yayınlayarak kendisini sınır modeller geliştiren bir şirket olarak konumlandırdı.
TypeSafe AI, Jev’i bir metin girdisine doğal dille yanıt vermek yerine, diğer yazılımların veya YZ modellerinin kullanabileceği tiplendirilmiş olasılıksal kararlar üretecek şekilde tasarladı.
Programlamada tip güvenliği, bir işlemin bir tam sayıyı metin dizesine bölmeye çalışması gibi yazılımın beklenmedik bir veri tipini işlemesiyle ortaya çıkan hataları yakalamaya yarar. Jev, tiplendirilmiş ve yapılandırılmış değerler sağlayarak Büyük Dil Modellerinin (LLM) metin yanıtlarını işlemek için gereken ayrıştırma ve doğrulama adımlarını ortadan kaldırıyor.
Bu yaklaşım, bir YZ sistemiyle yapılan etkileşimlerin sınırlı bir yanıt kümesiyle kısıtlanması gereken senaryolarda oldukça fayda sağlıyor. Örneğin, oyuncunun oyun durumunu tanımlayan yapılandırılmış veriler beslendiğinde Doom oynayabiliyor ancak sistemin müşteri hizmetleri sorunlarını sıralamak ve diğer iş akışlarını yürütmek için kullanılması daha olası.
Geliştiriciler Jev’i kullanırken bir JSON nesnesi veya doğrudan “Kartımdan iki kez çekim yapıldı” şeklinde bir metin dizesi olabilen bir durum değeriyle işe başlıyor. Model, durum bilgisini her biri olasılık içeren farklı bir yapılandırılmış yanıt tipi döndüren soru ilkeleri (Choice, Score, Noul) aracılığıyla alıyor.
Böylece modelden belirli bir müşteri hizmetleri talebini üç departmandan hangisinin ele alacağını seçmesi istendiğinde yanıt; 0.82 güven skoruyla {“billing”: 0.08, “technical”: 0.85, “sales”: 0.07} şeklinde dönebiliyor.
Bu durum bir soruya yanıt arayan bir insan için pek kullanışlı olmasa da bir yazılım geliştiricisinin belirli bir müşteri hizmetleri işlevini daha güvenilir çalıştırmasını sağlayabiliyor.
Jev, Kalibre Edilmiş Kararlar için Pekiştirmeli Öğrenme (RLCD) adlı farklı bir mimariye dayanan bir Sistem Bir modelidir. TypeSafe AI kurucu ortağı ve CEO’su Diogo Almeida, eski bir OpenAI araştırmacısı olmakla birlikte RLHF (insan geri bildirimiyle pekiştirmeli öğrenme) ile ChatGPT’nin ortak mucitleri arasında.
Almeida yaptığı açıklamada, “TypeSafe, makineye özgü YZ konusuna odaklanarak YZ araştırmalarında alternatif bir yol izlemek için kuruldu. Yazılımları insanların etkileşimine daha uygun hale getirmeyi amaçlayan modeller üzerinde yıllarca çalıştım. Ancak YZ işlerin yapılış şeklini kökten değiştirecekse zekanın tek tüketicisi insanlar olamaz.” dedi.
ChatGPT veya Claude gibi sistemlerden alınan doğal dil yanıtları, kısıtlı bir yanıt kümesi üretmek için başka kodlarla sarmalanabilse de Jev’in çekiciliği sunduğu verimlilikten geliyor.
TypeSafe, LLM’lerin genellikle dakikalara varan değişken yanıt sürelerine sahip olduğunu öne sürüyor. Jev’in yanıt süresi ise 70 ms ile 500 ms arasında değişerek geleneksel LLM’lerden 40 ile 200 kat daha hızlı çalışıyor.
Model bu hıza paralel işleme kullanarak ulaşıyor. OpenAI’ın GPT-5.6 Terra modeli gibi LLM’ler bir dizideki sonraki metin simgesini tahmin eder ve bu yüzden ardışık çalışır. Sistem Bir mimarisi ise bir sorguya ait tüm çıktıları tek seferde döndürür.
TypeSafe web sitesinde yayınlanan demo, Jev’in 0.114 saniyede yanıt verdiğini gösteriyor; OpenAI’ın GPT-5.6 Terra modeli ise aynı yanıtı 8.566 saniyede veriyor.
Bunun yanında bir de maliyet konusu var. Jev, girdi için 1 milyon simge başına 0.042 dolar talep ederken çıktı için 0 dolar alıyor. GPT-5.6 Terra ise girdi için 2.00 dolar, çıktı için 12.00 dolar maliyet çıkarıyor. Jev, Fable 5.1 gibi üst düzey bir modelle karşılaştırıldığında 238 kat daha ucuza geliyor.
“Jev” ismi, kömür kullanımındaki teknolojik verimliliğin kömür tüketimini azaltmak yerine artırdığını savunan ve Jevons Paradoksu ile tanınan 19. yüzyıl İngiliz ekonomisti William Stanley Jevons’a bir gönderme taşıyor. Bu isim aynı zamanda YZ sektörünün, simge fiyatları düşse bile artan verimliliğin simge tüketimini artıracağına dair yaptığı bahsi yansıtıyor.
Bu bahis, simge pazarının enerji pazarı kadar geniş olacağı varsayımına dayanıyor fakat YZ araçlarına erişimi olan bir çok kişinin bunları kullanacak bir alan bulamaması veya ahlaki gerekçelerle YZ araçlarından uzak durması sebebiyle bu varsayım henüz kesinleşmiş değil.
TypeSafe, Jev’in halüsinasyon üretmediğini iddia ediyor ama çıktısı doğal dil olmadığı için bu durum adil bir karşılaştırma değil. Jev bunun yerine olasılıklar içeren yapılandırılmış yanıtlar döndürüyor ve bu da hatalı olma ihtimalini ortadan kaldırmıyor. TypeSafe’in modeli uydurma hukuki emsaller gibi yanlış bilgi kaynağı olmuyor ancak yanıtları yazılımlar tarafından tüketilmek üzere tasarlandığı için aynı şekilde de kullanılmıyor.
Bu durumun önem kazandığı yer, YZ etmeni araç çağrıları ve otomasyon süreçlerinin yönetimi.
Şirket blog yazısında, “Bir etmen içinde halüsinasyonlu bir araç çağrısının bulunması elverişsizdir; ancak bu çağrı gecikme garantisi olan bir sistemin parçasıysa veya bir bağımlılık zincirinin birkaç katman derinliğine gömülmüşse süreci tamamen kilitler. Mevcut modeller ne kadar akıllı olursa olsun halüsinasyon görmeye ve tip hataları yapmaya devam ediyor.” açıklamasında bulunuyor.
TypeSafe, Jev’in YZ otomasyon yazılımları, hızlı karar gerektiren gerçek zamanlı uygulamalar, büyük veri külliyatlarını sınıflandırmaya yarayan YZ haritalama işleri, YZ girdilerinin doğrulanması ve YZ model donatıları için biçilmiş kaftan olduğunu belirtiyor.
Model Doom oyununu ilan edildiği gibi başarılı ve verimli bir şekilde oynayabiliyorsa kullanıcıların Jev’den drone hedefleme kararları almasını istemesi çok uzun sürmeyebilir.
Kaynak: https://www.theregister.com/ai-and-ml/2026/09/16/typesafe-ai-debuts-model-for-machines-that-plays-doom/5296711
