
Новые Decision‑модели: Jev, Clef, pplx-decider, Strands Decider, Laya и GLiDE
TypeSafe представила Jev — первую модель System One, а за две недели появились ещё пять решений от Cloudflare, Perplexity, AWS, Convai и Fastino, способных за один проход выдавать распределения вероятностей и обрабатывать до миллиона запросов.
Что произошло?
15 сентября 2026 г. компания TypeSafe анонсировала Jev – первую модель из серии System One. В отличие от традиционных генеративных LLM, Jev получает состояние системы и набор типизированных вопросов, после чего за один прямой проход возвращает распределение вероятностей по всем допустимым ответам. Токены не генерируются, что делает работу модели существенно быстрее и дешевле.
Быстрый рост экосистемы
За 16 дней после релиза Jev появились ещё пять реализаций той же идеи:
- Clef и Clef‑flash от Cloudflare – оптимизированные под edge‑вычисления варианты;
- pplx‑decider‑v1‑27b от Perplexity – 27‑млрд параметров, ориентированный на сложные бизнес‑запросы;
- Strands Decider 2B от AWS – 2 млрд параметров, интегрированный в SageMaker;
- Laya от Convai Innovations – фокус на диалоговых системах с ограниченным набором ответов;
- GLiDE от Fastino – самая дешёвая версия, способная обрабатывать миллион решений в сутки при минимальных затратах.
Почему это важно?
Decision‑модели открывают новый слой в AI‑инфраструктуре: они позволяют мгновенно получать вероятностные оценки без необходимости пост‑обработки токенов. Это особенно ценно для задач маршрутизации запросов, выбора действий в реальном времени, рекомендаций и контроля качества. По словам разработчиков, стоимость одного предсказания в таких моделях может быть в десять раз ниже, чем у аналогичных генеративных моделей.
Ссылки
- Оригинальная статья на Habr ML: https://habr.com/ru/articles/1091188/
- Репозитории моделей (GitHub/ HuggingFace) – ссылки указаны в статье.
Для разработчиков и студентов это шанс познакомиться с новой парадигмой AI‑принятия решений, подготовить собственные пайплайны и протестировать их в реальных проектах.
Decision‑модели дают возможность быстро и дешево решать задачи, где важна лишь вероятность ответа, а не генерация текста. Для студентов это отличная площадка для экспериментов с probabilistic programming, а для разработчиков – шанс сократить расходы на inference в сервисах реального времени.


