Jev'in ilginç kullanımlarından bazıları: Cevap yazmayan, yalnızca karar veren bir AI modeli

PrimeLine tarafından yapılan çift kör, ön kayıtlı bir değerlendirmede dikkat çekici bir detay var.

İki gerçek görevde Claude Opus 5 ve Haiku 4.5'in mutlak doğruluk oranlarıJev ile karşılaştırılabilir düzeydeydi, hatta başlangıçta daha iyi performans gösterdiler. Ancak değerlendirme, modelin en emin olmadığı örnekleri atlamasına izin verdiğinde,Jev her iki görevde de öne geçti.

Bunun nedeni, ürettiği güven skorlarınınkalibre edilmiş olması, oysa genel amaçlı üretken modeller çoğunlukla kötü kalibre edilir ve kendi yargılarında fazla kendinden emindir. Başka bir deyişle: "bilmediğini bilmek"in "zorla cevap vermek"ten daha önemli olduğu durumlarda Jev'in değeri ortaya çıkar.

Nasıl başlanır

Zaten bir model agregasyon platformu kullanıyorsanız, entegrasyon maliyeti neredeyse sıfır:

• OpenRouter: Jev resmi model kataloğunda yayında; model adı typesafe/jev, kodda yalnızca model adını değiştirerek geçiş yapabilirsiniz
• Vercel AI Gateway: Yayınlandıktan sonraki 72 saat içinde entegre edildi; Vercel'in küresel edge ağı üzerinden dağıtılır, gecikmesi düşüktür
• Resmi SDK: TypeSafe çevrimiçi konsol (Playground) ve eksiksiz dokümantasyon sunar; HTTP API, Python SDK ve JavaScript SDK destekler
• Resmi beceri paketi: TypeSafe, GitHub'daki skills deposunu açık kaynak hâline getirdi; kodlama ajanlarına tek tek soru sorarak ilerlemek yerine "bir seferde tüm belirsizlik noktalarını sormayı" öğretiyor

Fiyat: Girdi için milyon token başına $0.042, çıktı ücretsiz. Yeni hesaplar için deneyebileceğiniz ücretsiz kota da var.

Biraz soğukkanlı konuşalım

Birincisi,bu, büyük modellerin yerine geçen bir şey değil. Jev uzmanlaşmış bir karar modelidir; ondan açık uçlu akıl yürütme veya içerik üretme beklentisi taşımayın. Değeri, "iyi tanımlanmış olası sonuçlar içinde hızlı ve güvenilir karar verme" işini olabilecek en iyi biçimde yapmasında yatar.

İkincisi,birçok örnekte "başarı kime ait" sorusunu netleştirmek gerekir. Örneğin Browser Use'un 7 saniyelik uçuş arama demosu, tüm araç zincirinin iş birliğinin sonucudur; tüm yeteneği Jev'e atfedemeyiz. Örnekleri derleyen topluluk deposu, kanıt sınırlarını da işaretliyor — hangi ilkeler net, hangi etkiler doğrulanmayı bekliyor, hangi iddialar dayanaksız. Bu tutum öğrenilmeye değer.

Üçüncüsü,kör hayranlığa dikkat edin. Jev yayınlandıktan bir hafta sonra her yeri sardı; bu ilginin içinde gerçek bir teknik değer de var, epey pazarlama payı da. Gerçekte gereken, onu kendi görevlerinizde çalıştırıp ne kadar gecikme ve para tasarrufu sağladığını görmektir.

Ama bir şey kesin:AI uygulamalarında tek yol "üretmek" değil. Bu pistin ötesinde, uzun süredir ihmal edilen "yargı" altyapı katmanı şimdi tamamlanıyor. Jev'in nihai cevap olup olmayacağı belirsiz, ama gündeme getirdiği soru doğru.

Büyük modeller cevabı yazar, Jev kararı verir — her biri kendi işini yapsın; iyi mimari budur.

Kaynaklar: TypeSafe AI resmi yayın notları, Jev_apps örnek kütüphanesi (137 örnek / 11 kullanım kategorisi), Wikipedia, DataCamp teknik analizi

Bu, bugün itibarıyla mühendislik değeri en yüksek yönlerden biri.

Browser Use ekibi, Jev yayınlandıktan yalnızca 3 günsonra resmi jev-ultrafast entegrasyonunu yayınladı; iki gün içinde 2700 GitHub yıldızı aldığı söyleniyor. Web işlemlerini iki seçim grubuna ayırıyor (işlem + hedef),ekran görüntüsü gerekmez, multimodal token gerekmez, her gidiş-dönüşte yalnızca iki karar üretilir.

Kurucu Gregor Zunic, kurgusuz bir demonstrasyon paylaştı: Jev destekli tarayıcı otomasyonu, gerçek bir havayolu sitesinde tek yönlü uçuş araması tamamladı,tüm süreç 7 saniye sürdü, model çağrısı maliyeti yaklaşık 0.0039 ABD doları oldu.

Benzerlerinden birkaçı daha: Stagehand tarayıcı kontrolü, Cua'nın jev-use'u, Mac'te CoreML + OCR ile düğmeleri konumlandırıp tıklama yerini Jev'e seçtiren TipTour, sesle kontrollü tarayıcı… Bu kategoride şu anda 13 örnek var ve en çok örneğe sahip kategori bu.

4. "Yönlendirici" rolü: Görevlere uygun modeli seçmek

Çok modelli dönemde gerçekçi bir israf var: Basit sorular için pahalı model kullanmak saf para yakmaktır. Jev'in düşük gecikmesi ve düşük maliyeti, onu şu iş için ideal kılar:trafik triyajı.

• Claude Code yönlendiricisi: Bilet triyajı gibi, Jev önce görevin zorluğunu değerlendirir; eklenti de buna göre alt ajan modelini ve ana oturumdaki akıl yürütme yoğunluğunu seçer
• Codex görev zorluğu yönlendirmesi: Yürütmeden önce kodlama görevinin mantıksal karmaşıklığını tahmin eder; basit düzenlemeleri ucuz modele havale eder, yalnızca karmaşık dosyalar arası yeniden yapılandırmalarda daha güçlü modeli devreye alır — bildirildiğine göretoplam model maliyetini %60'tan fazla düşürdü
• Eve koşullu yönlendirme / istek dağıtımı: Önce sorunun hangi tür modele ihtiyaç duyduğunu belirler, sonra uygun modele devreder
• Yerel kodlama ajanlarında iş bölümü: Basit işleri, karmaşık soruları ve uzun soluklu görevleri farklı AI asistanlarına dağıtır

LangChain, "Jev ile Emniyet Kemeri İnşa Etmek" başlıklı ayrı bir makale yayınladı; ajan çerçevelerindeki sınıflandırma ve yönlendirme mantığının geleneksel olarak her firmanın kapalı kaynak uygulamasında gizli olduğunu, Jev gibi genel amaçlı düşük maliyetli bir sınıflandırma modelinin bu karar mantığını açık kaynak ajanlarda yeniden kullanılabilir kıldığını belirtti. Sentry'nin kurucusu Armin Ronacher da üretken büyük modellerle yönlendirme kararı almanın ekonomik olarak mantıksız olduğu görüşünde.

5. Güvenlik ve mühendislik: Göze batmayan arka plan işleri

Bu tür uygulamalar gösterişli değildir ama hayata en iyi geçenlerdir.

• Vercel, Shell komutu güvenlik sınıflandırıcısını değiştirdi: Mühendis Pranit Sharma, OpenAI tabanlı dahili Shell komutu güvenlik sınıflandırıcısını Jev ile değiştirdi. Bildirildiğine görehız 5-18 kat arttı, ayrıca yanlış pozitif oranı daha düşük — yanlış pozitiflerin azalması, sistemin gerçek doğruluğunu yükseltti
• Prompt enjeksiyonu tespiti: Topluluk, jev-mcp'yi (MCP protokolü tabanlı bir eklenti) açık kaynak olarak yayınladı; Jev ile kaynaklar arası doğruluk kontrolü yapabilir, kullanıcı promptlarına gizlenmiş prompt enjeksiyon saldırılarını tespit edebilir ve getirilen içeriğin anlamsal ilgisini puanlayabilirsiniz
• Uzun bağlam sıkıştırma: fast-jev-compaction, her araç çağrısının değerini Jev ile hızla değerlendirir; gereksiz günlükleri silerken kritik durumu korur — kodlama ajanları uzun görevlerde bağlamı kolayca şişirir, bu proje ayrıca Jev resmi ekibinin takdirini kazandı
• PR ön eleme: CI hattında değiştirilen dosya listesini ve otomatik test sonuçlarını analiz eder, PR'ın birleşmeye uygun olup olmadığını ön değerlendirir; yüksek riskli PR'lar otomatik işaretlenip insana yönlendirilir

6. İş hatları: E-posta, bilet, müşteri hizmetleri

Bu senaryoların ortak noktası:sayısız küçük kararı hızlı ve tutarlı biçimde vermek gerekmesidir, bunu büyük modelle yapmak hem pahalı hem yavaştır.

• Kurumsal e-posta niyet sınıflandırması: BryoAI'nin CTO'su Nikhil Mudholkar Jev ile Gemini'yi karşılaştırdı; Gemini mutlak doğrulukta hafif öndeydi amaçağrı başına maliyet 10-20 kat daha yüksekti. Daha önemlisi, Jev kalibre edilmiş olasılık dağılımı sağlıyor; bu da aşağı akış sistemlerin güven eşiği belirlemesini kolaylaştırıyor
• Bilet ataması ve otomatik yönlendirme: Gelen mesajı kritik bilgilere özetleyip Jev'e verir, bir grup iş ekibi arasından en uygun olanı seçer; kırılgan elle yazılmış regex kurallarının yerini alır
• Tekrarlanan ücretlendirme ve acil destek sınıflandırması: Finans ve e-ticaret senaryolarında yüksek riskli şikayetleri (örneğin tekrarlanan ücretlendirme) hızla tespit eder; müşteri öfkeliyken veya iade talep ederken birkaç milisaniye içinde acil etiketi basar ve öncelikli olarak insana yönlendirir

7. Daha çılgın fikirler

• Piksel piksel görüntü üretimi: Geliştirici @anshuc, görüntü üretimini piksel düzeyinde bir sınıflandırma problemine dönüştürdü — her piksele bir renk seçenekleri ve olasılıklar kümesi veriliyor; program, Jev'in seçtiği en yüksek olasılıklı renkle adım adım dolduruyor ve sonunda düşük çözünürlüklü bir görüntü ortaya çıkıyor
• Otomatik zincir üstü işlem: Bazı Web3 geliştiricileri Jev'i merkeziyetsiz borsalara bağladı; gerçek zamanlı emir defteri derinliğini okuyor ve yalnızca üç eylem çıkarıyor: al, sat, tut. Topluluk bunu en dikkat çekici uygulamalardan biri olarak görüyor ama gerçek piyasa koşullarında risk de bariz
• Web arayüzü için bileşen seçimi: json-render projesinde Jev bileşenleri seçiyor, ilişkileri düzenliyor; program sonucu render edilebilir bir arayüz hâline getiriyor — tıpkı bloklarla yapı kurmak gibi

8. Dikkat çekici bir değerlendirme sonucu

PrimeLine tarafından yapılan çift kör, ön kayıtlı bir değerlendirmede dikkat çekici bir detay var.

İki gerçek görevde Claude Opus 5 ve Haiku 4.5'in mutlak doğruluk oranlarıJev ile karşılaştırılabilir düzeydeydi, hatta başlangıçta daha iyi performans gösterdiler. Ancak değerlendirme, modelin en emin olmadığı örnekleri atlamasına izin verdiğinde,Jev her iki görevde de öne geçti.

Bunun nedeni, ürettiği güven skorlarınınkalibre edilmiş olması, oysa genel amaçlı üretken modeller çoğunlukla kötü kalibre edilir ve kendi yargılarında fazla kendinden emindir. Başka bir deyişle: "bilmediğini bilmek"in "zorla cevap vermek"ten daha önemli olduğu durumlarda Jev'in değeri ortaya çıkar.

Nasıl başlanır

Zaten bir model agregasyon platformu kullanıyorsanız, entegrasyon maliyeti neredeyse sıfır:

• OpenRouter: Jev resmi model kataloğunda yayında; model adı typesafe/jev, kodda yalnızca model adını değiştirerek geçiş yapabilirsiniz
• Vercel AI Gateway: Yayınlandıktan sonraki 72 saat içinde entegre edildi; Vercel'in küresel edge ağı üzerinden dağıtılır, gecikmesi düşüktür
• Resmi SDK: TypeSafe çevrimiçi konsol (Playground) ve eksiksiz dokümantasyon sunar; HTTP API, Python SDK ve JavaScript SDK destekler
• Resmi beceri paketi: TypeSafe, GitHub'daki skills deposunu açık kaynak hâline getirdi; kodlama ajanlarına tek tek soru sorarak ilerlemek yerine "bir seferde tüm belirsizlik noktalarını sormayı" öğretiyor

Fiyat: Girdi için milyon token başına $0.042, çıktı ücretsiz. Yeni hesaplar için deneyebileceğiniz ücretsiz kota da var.

Biraz soğukkanlı konuşalım

Birincisi,bu, büyük modellerin yerine geçen bir şey değil. Jev uzmanlaşmış bir karar modelidir; ondan açık uçlu akıl yürütme veya içerik üretme beklentisi taşımayın. Değeri, "iyi tanımlanmış olası sonuçlar içinde hızlı ve güvenilir karar verme" işini olabilecek en iyi biçimde yapmasında yatar.

İkincisi,birçok örnekte "başarı kime ait" sorusunu netleştirmek gerekir. Örneğin Browser Use'un 7 saniyelik uçuş arama demosu, tüm araç zincirinin iş birliğinin sonucudur; tüm yeteneği Jev'e atfedemeyiz. Örnekleri derleyen topluluk deposu, kanıt sınırlarını da işaretliyor — hangi ilkeler net, hangi etkiler doğrulanmayı bekliyor, hangi iddialar dayanaksız. Bu tutum öğrenilmeye değer.

Üçüncüsü,kör hayranlığa dikkat edin. Jev yayınlandıktan bir hafta sonra her yeri sardı; bu ilginin içinde gerçek bir teknik değer de var, epey pazarlama payı da. Gerçekte gereken, onu kendi görevlerinizde çalıştırıp ne kadar gecikme ve para tasarrufu sağladığını görmektir.

Ama bir şey kesin:AI uygulamalarında tek yol "üretmek" değil. Bu pistin ötesinde, uzun süredir ihmal edilen "yargı" altyapı katmanı şimdi tamamlanıyor. Jev'in nihai cevap olup olmayacağı belirsiz, ama gündeme getirdiği soru doğru.

Büyük modeller cevabı yazar, Jev kararı verir — her biri kendi işini yapsın; iyi mimari budur.

Kaynaklar: TypeSafe AI resmi yayın notları, Jev_apps örnek kütüphanesi (137 örnek / 11 kullanım kategorisi), Wikipedia, DataCamp teknik analizi

Bu, bugün itibarıyla mühendislik değeri en yüksek yönlerden biri.

Browser Use ekibi, Jev yayınlandıktan yalnızca 3 günsonra resmi jev-ultrafast entegrasyonunu yayınladı; iki gün içinde 2700 GitHub yıldızı aldığı söyleniyor. Web işlemlerini iki seçim grubuna ayırıyor (işlem + hedef),ekran görüntüsü gerekmez, multimodal token gerekmez, her gidiş-dönüşte yalnızca iki karar üretilir.

Kurucu Gregor Zunic, kurgusuz bir demonstrasyon paylaştı: Jev destekli tarayıcı otomasyonu, gerçek bir havayolu sitesinde tek yönlü uçuş araması tamamladı,tüm süreç 7 saniye sürdü, model çağrısı maliyeti yaklaşık 0.0039 ABD doları oldu.

Benzerlerinden birkaçı daha: Stagehand tarayıcı kontrolü, Cua'nın jev-use'u, Mac'te CoreML + OCR ile düğmeleri konumlandırıp tıklama yerini Jev'e seçtiren TipTour, sesle kontrollü tarayıcı… Bu kategoride şu anda 13 örnek var ve en çok örneğe sahip kategori bu.

4. "Yönlendirici" rolü: Görevlere uygun modeli seçmek

Çok modelli dönemde gerçekçi bir israf var: Basit sorular için pahalı model kullanmak saf para yakmaktır. Jev'in düşük gecikmesi ve düşük maliyeti, onu şu iş için ideal kılar:trafik triyajı.

• Claude Code yönlendiricisi: Bilet triyajı gibi, Jev önce görevin zorluğunu değerlendirir; eklenti de buna göre alt ajan modelini ve ana oturumdaki akıl yürütme yoğunluğunu seçer
• Codex görev zorluğu yönlendirmesi: Yürütmeden önce kodlama görevinin mantıksal karmaşıklığını tahmin eder; basit düzenlemeleri ucuz modele havale eder, yalnızca karmaşık dosyalar arası yeniden yapılandırmalarda daha güçlü modeli devreye alır — bildirildiğine göretoplam model maliyetini %60'tan fazla düşürdü
• Eve koşullu yönlendirme / istek dağıtımı: Önce sorunun hangi tür modele ihtiyaç duyduğunu belirler, sonra uygun modele devreder
• Yerel kodlama ajanlarında iş bölümü: Basit işleri, karmaşık soruları ve uzun soluklu görevleri farklı AI asistanlarına dağıtır

LangChain, "Jev ile Emniyet Kemeri İnşa Etmek" başlıklı ayrı bir makale yayınladı; ajan çerçevelerindeki sınıflandırma ve yönlendirme mantığının geleneksel olarak her firmanın kapalı kaynak uygulamasında gizli olduğunu, Jev gibi genel amaçlı düşük maliyetli bir sınıflandırma modelinin bu karar mantığını açık kaynak ajanlarda yeniden kullanılabilir kıldığını belirtti. Sentry'nin kurucusu Armin Ronacher da üretken büyük modellerle yönlendirme kararı almanın ekonomik olarak mantıksız olduğu görüşünde.

5. Güvenlik ve mühendislik: Göze batmayan arka plan işleri

Bu tür uygulamalar gösterişli değildir ama hayata en iyi geçenlerdir.

• Vercel, Shell komutu güvenlik sınıflandırıcısını değiştirdi: Mühendis Pranit Sharma, OpenAI tabanlı dahili Shell komutu güvenlik sınıflandırıcısını Jev ile değiştirdi. Bildirildiğine görehız 5-18 kat arttı, ayrıca yanlış pozitif oranı daha düşük — yanlış pozitiflerin azalması, sistemin gerçek doğruluğunu yükseltti
• Prompt enjeksiyonu tespiti: Topluluk, jev-mcp'yi (MCP protokolü tabanlı bir eklenti) açık kaynak olarak yayınladı; Jev ile kaynaklar arası doğruluk kontrolü yapabilir, kullanıcı promptlarına gizlenmiş prompt enjeksiyon saldırılarını tespit edebilir ve getirilen içeriğin anlamsal ilgisini puanlayabilirsiniz
• Uzun bağlam sıkıştırma: fast-jev-compaction, her araç çağrısının değerini Jev ile hızla değerlendirir; gereksiz günlükleri silerken kritik durumu korur — kodlama ajanları uzun görevlerde bağlamı kolayca şişirir, bu proje ayrıca Jev resmi ekibinin takdirini kazandı
• PR ön eleme: CI hattında değiştirilen dosya listesini ve otomatik test sonuçlarını analiz eder, PR'ın birleşmeye uygun olup olmadığını ön değerlendirir; yüksek riskli PR'lar otomatik işaretlenip insana yönlendirilir

6. İş hatları: E-posta, bilet, müşteri hizmetleri

Bu senaryoların ortak noktası:sayısız küçük kararı hızlı ve tutarlı biçimde vermek gerekmesidir, bunu büyük modelle yapmak hem pahalı hem yavaştır.

• Kurumsal e-posta niyet sınıflandırması: BryoAI'nin CTO'su Nikhil Mudholkar Jev ile Gemini'yi karşılaştırdı; Gemini mutlak doğrulukta hafif öndeydi amaçağrı başına maliyet 10-20 kat daha yüksekti. Daha önemlisi, Jev kalibre edilmiş olasılık dağılımı sağlıyor; bu da aşağı akış sistemlerin güven eşiği belirlemesini kolaylaştırıyor
• Bilet ataması ve otomatik yönlendirme: Gelen mesajı kritik bilgilere özetleyip Jev'e verir, bir grup iş ekibi arasından en uygun olanı seçer; kırılgan elle yazılmış regex kurallarının yerini alır
• Tekrarlanan ücretlendirme ve acil destek sınıflandırması: Finans ve e-ticaret senaryolarında yüksek riskli şikayetleri (örneğin tekrarlanan ücretlendirme) hızla tespit eder; müşteri öfkeliyken veya iade talep ederken birkaç milisaniye içinde acil etiketi basar ve öncelikli olarak insana yönlendirir

7. Daha çılgın fikirler

• Piksel piksel görüntü üretimi: Geliştirici @anshuc, görüntü üretimini piksel düzeyinde bir sınıflandırma problemine dönüştürdü — her piksele bir renk seçenekleri ve olasılıklar kümesi veriliyor; program, Jev'in seçtiği en yüksek olasılıklı renkle adım adım dolduruyor ve sonunda düşük çözünürlüklü bir görüntü ortaya çıkıyor
• Otomatik zincir üstü işlem: Bazı Web3 geliştiricileri Jev'i merkeziyetsiz borsalara bağladı; gerçek zamanlı emir defteri derinliğini okuyor ve yalnızca üç eylem çıkarıyor: al, sat, tut. Topluluk bunu en dikkat çekici uygulamalardan biri olarak görüyor ama gerçek piyasa koşullarında risk de bariz
• Web arayüzü için bileşen seçimi: json-render projesinde Jev bileşenleri seçiyor, ilişkileri düzenliyor; program sonucu render edilebilir bir arayüz hâline getiriyor — tıpkı bloklarla yapı kurmak gibi

8. Dikkat çekici bir değerlendirme sonucu

PrimeLine tarafından yapılan çift kör, ön kayıtlı bir değerlendirmede dikkat çekici bir detay var.

İki gerçek görevde Claude Opus 5 ve Haiku 4.5'in mutlak doğruluk oranlarıJev ile karşılaştırılabilir düzeydeydi, hatta başlangıçta daha iyi performans gösterdiler. Ancak değerlendirme, modelin en emin olmadığı örnekleri atlamasına izin verdiğinde,Jev her iki görevde de öne geçti.

Bunun nedeni, ürettiği güven skorlarınınkalibre edilmiş olması, oysa genel amaçlı üretken modeller çoğunlukla kötü kalibre edilir ve kendi yargılarında fazla kendinden emindir. Başka bir deyişle: "bilmediğini bilmek"in "zorla cevap vermek"ten daha önemli olduğu durumlarda Jev'in değeri ortaya çıkar.

Nasıl başlanır

Zaten bir model agregasyon platformu kullanıyorsanız, entegrasyon maliyeti neredeyse sıfır:

• OpenRouter: Jev resmi model kataloğunda yayında; model adı typesafe/jev, kodda yalnızca model adını değiştirerek geçiş yapabilirsiniz
• Vercel AI Gateway: Yayınlandıktan sonraki 72 saat içinde entegre edildi; Vercel'in küresel edge ağı üzerinden dağıtılır, gecikmesi düşüktür
• Resmi SDK: TypeSafe çevrimiçi konsol (Playground) ve eksiksiz dokümantasyon sunar; HTTP API, Python SDK ve JavaScript SDK destekler
• Resmi beceri paketi: TypeSafe, GitHub'daki skills deposunu açık kaynak hâline getirdi; kodlama ajanlarına tek tek soru sorarak ilerlemek yerine "bir seferde tüm belirsizlik noktalarını sormayı" öğretiyor

Fiyat: Girdi için milyon token başına $0.042, çıktı ücretsiz. Yeni hesaplar için deneyebileceğiniz ücretsiz kota da var.

Biraz soğukkanlı konuşalım

Birincisi,bu, büyük modellerin yerine geçen bir şey değil. Jev uzmanlaşmış bir karar modelidir; ondan açık uçlu akıl yürütme veya içerik üretme beklentisi taşımayın. Değeri, "iyi tanımlanmış olası sonuçlar içinde hızlı ve güvenilir karar verme" işini olabilecek en iyi biçimde yapmasında yatar.

İkincisi,birçok örnekte "başarı kime ait" sorusunu netleştirmek gerekir. Örneğin Browser Use'un 7 saniyelik uçuş arama demosu, tüm araç zincirinin iş birliğinin sonucudur; tüm yeteneği Jev'e atfedemeyiz. Örnekleri derleyen topluluk deposu, kanıt sınırlarını da işaretliyor — hangi ilkeler net, hangi etkiler doğrulanmayı bekliyor, hangi iddialar dayanaksız. Bu tutum öğrenilmeye değer.

Üçüncüsü,kör hayranlığa dikkat edin. Jev yayınlandıktan bir hafta sonra her yeri sardı; bu ilginin içinde gerçek bir teknik değer de var, epey pazarlama payı da. Gerçekte gereken, onu kendi görevlerinizde çalıştırıp ne kadar gecikme ve para tasarrufu sağladığını görmektir.

Ama bir şey kesin:AI uygulamalarında tek yol "üretmek" değil. Bu pistin ötesinde, uzun süredir ihmal edilen "yargı" altyapı katmanı şimdi tamamlanıyor. Jev'in nihai cevap olup olmayacağı belirsiz, ama gündeme getirdiği soru doğru.

Büyük modeller cevabı yazar, Jev kararı verir — her biri kendi işini yapsın; iyi mimari budur.

Kaynaklar: TypeSafe AI resmi yayın notları, Jev_apps örnek kütüphanesi (137 örnek / 11 kullanım kategorisi), Wikipedia, DataCamp teknik analizi

Son günlerde AI dünyasında bambaşka bir model belirdi — Jev. GPT ve Claude ile "cevap yazma" işi için yarışmıyor; bunun yerine uzun süredir ihmal edilen bir konuma odaklanıyor:yargıda bulunmak.

Ona bir durum özeti, bir soru veya bir seçenek kümesi verirsiniz; geri döndüğü şey bir çoktan seçmeli sorunun cevabı, bir puan ya da evet/hayır olasılığıdır — gerisini program icra eder. Yayın tarihi 15 Eylül 2026 (sınırlı erken erişim); arkasındaki şirket TypeSafe AI, kurucusu Diogo Almeida ChatGPT'nin ortak mucitlerinden biri, tohum turunda DCVC öncülüğünde 40 milyon dolar yatırım aldı.

Kavram soyut gelebilir ama topluluk bir hafta içinde yüzlerce örnek üretti bile. En ilginç birkaçını anlatacağım; sonunda aslında hangi sorunu çözdüğünü anlayacaksınız.

Önce onun sıradan büyük modellerden farkını anlayalım

Geleneksel büyük modeller özünde üretkendir: sorarsınız, token token yazarak ilerler. Makale yazmak, mantık yürütmek, kod yazmakta ustadır; ama "şu seçenekler arasından birini seç" gibi basit bir çoktan seçmeli soruda iş, tavuk kesmek için öküz bıçağı kullanmaya döner — hem yavaş hem pahalı.

Jev başka bir yol izliyor: o, hafif yapılı birsınıflandırma ve puanlama modeli. Her çağrıda ona bir bağlam bilgisi ve iyi tanımlanmış bir seçenek kümesi verirsiniz; bu seçeneklerin olasılık dağılımını doğrudan çıkarır ve en yüksek güvenli olanı döndürür. Gecikme onlarca-yüzlerce milisaniye, maliyet ise ana akım büyük modellerin ancak küsuratı.

TypeSafe resmi olarak ona bir ad verdi:System One modeli"Sistem Bir" (sezgi, hızlı yargı) olarak adlandırıyor — psikolojideki "Sistem Bir" kavramından ödünç; karşılığı ise "Sistem İki"nin (yavaş, derin akıl yürütme) büyük dil modelleri. Resmi verilere göre öncü büyük modellerden 40-200 kat daha hızlı, girdi için milyon token başına yalnızca $0.042,çıktı ücretsiz.

1. Onunla oyun oynamak: Doom'dan 50 Subway Surfers'a

Jev'in değerini anlaması en kolay uygulama sınıfı budur — oyunlar her saniye pek çok küçük karar gerektirir ve bu tam olarak onun güçlü yanıdır.

• Resmi demo: Doom'u gerçek zamanlı oynamak. Jev saniyede yaklaşık 10 hareket kararı veriyor; karakterin hareketini ve ateş etmesini kontrol ediyor.Kesintisiz bir saat çalışmanın maliyeti yaklaşık 7 dolar — bu sayı mühendisleri hayli şaşırttı; yüksek frekanslı gerçek zamanlı karar vermenin mümkün olduğunu gösteriyor
• Aynı anda 50 Subway Surfers'ı kontrol etmek. Geliştirici @_MaxBlade otomatik bir ortam kurdu; Jev aynı anda 50 oyunu yönetiyor — şerit değiştirme, zıplama, kayma, her hareket bir küçük karar. Rapora göre 50 oyunun tamamını bitirdi,toplam maliyet bir sentin altında kaldı
• Açık kaynak Super Mario kontrolcüsü. Geliştirici @faadilhshaik'in sistemi, yapılandırılmış oyun durumunu doğrudan bellekten okuyor; Jev ne zaman zıplayacağına, ne zaman hızlanacağına karar veriyor; proje açık kaynak
• Slay the Spire 2'yi hızlı bitirmek. Çinli geliştirici paulwei bununla stratejik bir kart oyunu oynuyor. Büyük model kullandığı dönemde iki hamle arasında belirgin bir gecikme vardı; Jev'e geçtikten sonraher karar yalnızca 0.7 saniye sürüyor, bir sonraki komut, bir önceki animasyon bitmeden gönderilebiliyor
• Viki Racer. Resmi bir diğer demo: Bir Wikipedia makalesinden yola çıkıp yalnızca sayfadaki hiper bağlantılarla hedef makaleye ulaşmak. Her adımda karşınıza yüzlerce hatta binlerce aday bağlantı çıkabilir; Jev, anlamsal olarak hedefe en yakın olanı seçmek zorunda — test edilen şey, çok sayıda seçenek arasından seçim yapma yeteneği

2. Fizik simülasyonu: Roketin kendi kendine inişi

Bu örneği özellikle seviyorum, çünkü Jev'in yalnızca oyun oynamadığını kanıtlıyor.

Geliştirici @uttkarsh_42, Jev'i MuJoCo fizik motoruna bağladı ve dikey iniş yapan bir roketi kontrol etti. Jev'in görevi şunlara karar vermek:ne zaman ateşleme yapılacağı, kaç motorun açılacağı, ne zaman iniş pozu değiştirileceği. 12 denemenin ardından sistem başarıyla iniş yaptı. Tamamlanan denemelerden biri 245 çağrı kullandı; bildirilen maliyet yaklaşık 0.04 dolar.

Bir de 3D şehir simülasyonunda otonom sürüş var: Geliştirici @jpschroeder, Jev'i sanal bir şehre entegre etti; araç giderken sensör verilerine ve yol durumuna göre yön kararı veriyor, her eylemden sonra yeni durum sisteme geri besleniyor. Söylenenlere göre tüm kurulum bir saatten az sürdü.

3. Tarayıcı otomasyonu: Gerçek uçuş araması 7 saniyede

Bu, bugün itibarıyla mühendislik değeri en yüksek yönlerden biri.

Browser Use ekibi, Jev yayınlandıktan yalnızca 3 günsonra resmi jev-ultrafast entegrasyonunu yayınladı; iki gün içinde 2700 GitHub yıldızı aldığı söyleniyor. Web işlemlerini iki seçim grubuna ayırıyor (işlem + hedef),ekran görüntüsü gerekmez, multimodal token gerekmez, her gidiş-dönüşte yalnızca iki karar üretilir.

Kurucu Gregor Zunic, kurgusuz bir demonstrasyon paylaştı: Jev destekli tarayıcı otomasyonu, gerçek bir havayolu sitesinde tek yönlü uçuş araması tamamladı,tüm süreç 7 saniye sürdü, model çağrısı maliyeti yaklaşık 0.0039 ABD doları oldu.

Benzerlerinden birkaçı daha: Stagehand tarayıcı kontrolü, Cua'nın jev-use'u, Mac'te CoreML + OCR ile düğmeleri konumlandırıp tıklama yerini Jev'e seçtiren TipTour, sesle kontrollü tarayıcı… Bu kategoride şu anda 13 örnek var ve en çok örneğe sahip kategori bu.

4. "Yönlendirici" rolü: Görevlere uygun modeli seçmek

Çok modelli dönemde gerçekçi bir israf var: Basit sorular için pahalı model kullanmak saf para yakmaktır. Jev'in düşük gecikmesi ve düşük maliyeti, onu şu iş için ideal kılar:trafik triyajı.

• Claude Code yönlendiricisi: Bilet triyajı gibi, Jev önce görevin zorluğunu değerlendirir; eklenti de buna göre alt ajan modelini ve ana oturumdaki akıl yürütme yoğunluğunu seçer
• Codex görev zorluğu yönlendirmesi: Yürütmeden önce kodlama görevinin mantıksal karmaşıklığını tahmin eder; basit düzenlemeleri ucuz modele havale eder, yalnızca karmaşık dosyalar arası yeniden yapılandırmalarda daha güçlü modeli devreye alır — bildirildiğine göretoplam model maliyetini %60'tan fazla düşürdü
• Eve koşullu yönlendirme / istek dağıtımı: Önce sorunun hangi tür modele ihtiyaç duyduğunu belirler, sonra uygun modele devreder
• Yerel kodlama ajanlarında iş bölümü: Basit işleri, karmaşık soruları ve uzun soluklu görevleri farklı AI asistanlarına dağıtır

LangChain, "Jev ile Emniyet Kemeri İnşa Etmek" başlıklı ayrı bir makale yayınladı; ajan çerçevelerindeki sınıflandırma ve yönlendirme mantığının geleneksel olarak her firmanın kapalı kaynak uygulamasında gizli olduğunu, Jev gibi genel amaçlı düşük maliyetli bir sınıflandırma modelinin bu karar mantığını açık kaynak ajanlarda yeniden kullanılabilir kıldığını belirtti. Sentry'nin kurucusu Armin Ronacher da üretken büyük modellerle yönlendirme kararı almanın ekonomik olarak mantıksız olduğu görüşünde.

5. Güvenlik ve mühendislik: Göze batmayan arka plan işleri

Bu tür uygulamalar gösterişli değildir ama hayata en iyi geçenlerdir.

• Vercel, Shell komutu güvenlik sınıflandırıcısını değiştirdi: Mühendis Pranit Sharma, OpenAI tabanlı dahili Shell komutu güvenlik sınıflandırıcısını Jev ile değiştirdi. Bildirildiğine görehız 5-18 kat arttı, ayrıca yanlış pozitif oranı daha düşük — yanlış pozitiflerin azalması, sistemin gerçek doğruluğunu yükseltti
• Prompt enjeksiyonu tespiti: Topluluk, jev-mcp'yi (MCP protokolü tabanlı bir eklenti) açık kaynak olarak yayınladı; Jev ile kaynaklar arası doğruluk kontrolü yapabilir, kullanıcı promptlarına gizlenmiş prompt enjeksiyon saldırılarını tespit edebilir ve getirilen içeriğin anlamsal ilgisini puanlayabilirsiniz
• Uzun bağlam sıkıştırma: fast-jev-compaction, her araç çağrısının değerini Jev ile hızla değerlendirir; gereksiz günlükleri silerken kritik durumu korur — kodlama ajanları uzun görevlerde bağlamı kolayca şişirir, bu proje ayrıca Jev resmi ekibinin takdirini kazandı
• PR ön eleme: CI hattında değiştirilen dosya listesini ve otomatik test sonuçlarını analiz eder, PR'ın birleşmeye uygun olup olmadığını ön değerlendirir; yüksek riskli PR'lar otomatik işaretlenip insana yönlendirilir

6. İş hatları: E-posta, bilet, müşteri hizmetleri

Bu senaryoların ortak noktası:sayısız küçük kararı hızlı ve tutarlı biçimde vermek gerekmesidir, bunu büyük modelle yapmak hem pahalı hem yavaştır.

• Kurumsal e-posta niyet sınıflandırması: BryoAI'nin CTO'su Nikhil Mudholkar Jev ile Gemini'yi karşılaştırdı; Gemini mutlak doğrulukta hafif öndeydi amaçağrı başına maliyet 10-20 kat daha yüksekti. Daha önemlisi, Jev kalibre edilmiş olasılık dağılımı sağlıyor; bu da aşağı akış sistemlerin güven eşiği belirlemesini kolaylaştırıyor
• Bilet ataması ve otomatik yönlendirme: Gelen mesajı kritik bilgilere özetleyip Jev'e verir, bir grup iş ekibi arasından en uygun olanı seçer; kırılgan elle yazılmış regex kurallarının yerini alır
• Tekrarlanan ücretlendirme ve acil destek sınıflandırması: Finans ve e-ticaret senaryolarında yüksek riskli şikayetleri (örneğin tekrarlanan ücretlendirme) hızla tespit eder; müşteri öfkeliyken veya iade talep ederken birkaç milisaniye içinde acil etiketi basar ve öncelikli olarak insana yönlendirir

7. Daha çılgın fikirler

• Piksel piksel görüntü üretimi: Geliştirici @anshuc, görüntü üretimini piksel düzeyinde bir sınıflandırma problemine dönüştürdü — her piksele bir renk seçenekleri ve olasılıklar kümesi veriliyor; program, Jev'in seçtiği en yüksek olasılıklı renkle adım adım dolduruyor ve sonunda düşük çözünürlüklü bir görüntü ortaya çıkıyor
• Otomatik zincir üstü işlem: Bazı Web3 geliştiricileri Jev'i merkeziyetsiz borsalara bağladı; gerçek zamanlı emir defteri derinliğini okuyor ve yalnızca üç eylem çıkarıyor: al, sat, tut. Topluluk bunu en dikkat çekici uygulamalardan biri olarak görüyor ama gerçek piyasa koşullarında risk de bariz
• Web arayüzü için bileşen seçimi: json-render projesinde Jev bileşenleri seçiyor, ilişkileri düzenliyor; program sonucu render edilebilir bir arayüz hâline getiriyor — tıpkı bloklarla yapı kurmak gibi

8. Dikkat çekici bir değerlendirme sonucu

PrimeLine tarafından yapılan çift kör, ön kayıtlı bir değerlendirmede dikkat çekici bir detay var.

İki gerçek görevde Claude Opus 5 ve Haiku 4.5'in mutlak doğruluk oranlarıJev ile karşılaştırılabilir düzeydeydi, hatta başlangıçta daha iyi performans gösterdiler. Ancak değerlendirme, modelin en emin olmadığı örnekleri atlamasına izin verdiğinde,Jev her iki görevde de öne geçti.

Bunun nedeni, ürettiği güven skorlarınınkalibre edilmiş olması, oysa genel amaçlı üretken modeller çoğunlukla kötü kalibre edilir ve kendi yargılarında fazla kendinden emindir. Başka bir deyişle: "bilmediğini bilmek"in "zorla cevap vermek"ten daha önemli olduğu durumlarda Jev'in değeri ortaya çıkar.

Nasıl başlanır

Zaten bir model agregasyon platformu kullanıyorsanız, entegrasyon maliyeti neredeyse sıfır:

• OpenRouter: Jev resmi model kataloğunda yayında; model adı typesafe/jev, kodda yalnızca model adını değiştirerek geçiş yapabilirsiniz
• Vercel AI Gateway: Yayınlandıktan sonraki 72 saat içinde entegre edildi; Vercel'in küresel edge ağı üzerinden dağıtılır, gecikmesi düşüktür
• Resmi SDK: TypeSafe çevrimiçi konsol (Playground) ve eksiksiz dokümantasyon sunar; HTTP API, Python SDK ve JavaScript SDK destekler
• Resmi beceri paketi: TypeSafe, GitHub'daki skills deposunu açık kaynak hâline getirdi; kodlama ajanlarına tek tek soru sorarak ilerlemek yerine "bir seferde tüm belirsizlik noktalarını sormayı" öğretiyor

Fiyat: Girdi için milyon token başına $0.042, çıktı ücretsiz. Yeni hesaplar için deneyebileceğiniz ücretsiz kota da var.

Biraz soğukkanlı konuşalım

Birincisi,bu, büyük modellerin yerine geçen bir şey değil. Jev uzmanlaşmış bir karar modelidir; ondan açık uçlu akıl yürütme veya içerik üretme beklentisi taşımayın. Değeri, "iyi tanımlanmış olası sonuçlar içinde hızlı ve güvenilir karar verme" işini olabilecek en iyi biçimde yapmasında yatar.

İkincisi,birçok örnekte "başarı kime ait" sorusunu netleştirmek gerekir. Örneğin Browser Use'un 7 saniyelik uçuş arama demosu, tüm araç zincirinin iş birliğinin sonucudur; tüm yeteneği Jev'e atfedemeyiz. Örnekleri derleyen topluluk deposu, kanıt sınırlarını da işaretliyor — hangi ilkeler net, hangi etkiler doğrulanmayı bekliyor, hangi iddialar dayanaksız. Bu tutum öğrenilmeye değer.

Üçüncüsü,kör hayranlığa dikkat edin. Jev yayınlandıktan bir hafta sonra her yeri sardı; bu ilginin içinde gerçek bir teknik değer de var, epey pazarlama payı da. Gerçekte gereken, onu kendi görevlerinizde çalıştırıp ne kadar gecikme ve para tasarrufu sağladığını görmektir.

Ama bir şey kesin:AI uygulamalarında tek yol "üretmek" değil. Bu pistin ötesinde, uzun süredir ihmal edilen "yargı" altyapı katmanı şimdi tamamlanıyor. Jev'in nihai cevap olup olmayacağı belirsiz, ama gündeme getirdiği soru doğru.

Büyük modeller cevabı yazar, Jev kararı verir — her biri kendi işini yapsın; iyi mimari budur.

Kaynaklar: TypeSafe AI resmi yayın notları, Jev_apps örnek kütüphanesi (137 örnek / 11 kullanım kategorisi), Wikipedia, DataCamp teknik analizi