TypeSafe เผยโฉม Jev ระบบตัดสินใจ AI เสนอ 20 เคสใช้งาน

ในโลกของการพัฒนาเอเจนต์ปัญญาประดิษฐ์ งานตัดสินใจชิ้นเล็กๆ มักเกิดขึ้นนับพันครั้ง เช่น การเลือกว่าควรเรียกโมเดลใด คำสั่งนั้นปลอดภัยหรือไม่ ข้อความใดเกี่ยวข้อง และเอเจนต์ทำงานเสร็จสิ้นหรือยัง ล่าสุด TypeSafe ได้เปิดตัว Jev ระบบที่ถูกสร้างขึ้นมาเพื่อแก้โจทย์นี้โดยเฉพาะ โดย Jev จะไม่ทำหน้าที่พูดคุย เขียนโค้ด หรือสรุปความเหมือนโมเดลทั่วไป แต่จะรับสถานะที่ไม่มีโครงสร้างแล้วส่งคืนการตัดสินใจที่มีการกำหนดชนิดข้อมูลพร้อมค่าความน่าจะเป็นที่ผ่านการสอบเทียบแล้ว

หลักการทำงานของ Jev เริ่มต้นจากการส่งสถานะซึ่งอาจเป็นข้อความหรือ JSON พร้อมด้วยพจนานุกรมของคำถามที่มีการกำหนดชนิดข้อมูล โดยเอกสารของ TypeSafe ได้กำหนดพรีมิทีฟไว้ 3 ประการหลักสำหรับนักพัฒนาที่ต้องการนำไปปรับใช้ในระบบอัตโนมัติ

คำถามทั้งหมดจะถูกประเมินแบบคู่ขนานบนสถานะเดียวกันภายในคำขอเดียว ทั้งนี้ TypeSafe ได้ฝึกฝน Jev ด้วยกระบวนการ Reinforcement Learning for Calibrated Decisions (RLCD) เพื่อให้ความมั่นใจที่สูงขึ้นสอดคล้องกับความแม่นยำที่เพิ่มขึ้น โดยฟังก์ชัน Choice สามารถรองรับตัวเลือกได้มากถึง 255 ตัวเลือกในคราวเดียว

ตัวเลขประสิทธิภาพที่น่าสนใจที่สุดระบุว่า Jev ทำความเร็วได้ดีกว่าถึง 193.6 เท่า และมีต้นทุนถูกลงถึง 444.6 เท่า ซึ่งเป็นตัวเลขที่อ้างอิงจากการประเมินเวิร์กโฟลว์ของ TypeSafe เอง โดยใช้ GPT-6 Astra และ Fable 5.1 เป็นโมเดลคำตอบอ้างอิงสำหรับการเปรียบเทียบ

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

อย่างไรก็ตาม ตัวเลขประสิทธิภาพที่สูงเหล่านี้จัดอยู่ในระดับสูงสุดของผลลัพธ์ในโลกจริง สำหรับการเปรียบเทียบแบบหัวต่อหัวที่ชัดเจนที่สุดคือผลทดสอบ Banking77 บน OpenRouter ซึ่งผลปรากฏว่า Jev มีความแม่นยำน้อยกว่า Claude Opus 5 อยู่ 3.3 จุด แต่มีความเร็วกณค่ามัธยฐานเร็วกว่าถึง 13 เท่า และมีต้นทุนถูกกว่าประมาณ 22 เท่า