A Jev döntési modell, a TypeSafe AI fejlesztése a Vercel AI Gateway adatai szerint két hét alatt a fizetős Vercel-csapatok 35 százalékához jutott el — közel kétszer annyihoz, mint a második helyen álló Sonnet 5.5. A TechCrunch beszámolója szerint ez a leggyorsabb elterjedés, amit modell valaha elért a gateway mérései alapján — és az a furcsa benne, hogy a Jev nem is szöveget generál.
A heti AI összefoglalónk fő témája ezért nem egy újabb csúcsmodell. Hanem egy új modellkategória, amely pontosan az ellenkező irányba megy, mint az elmúlt két év fegyverkezési versenye: nem nagyobb, hanem kisebb, gyorsabb és szűkebb feladatra kihegyezett.
Mi a Jev döntési modell, és miért nem LLM?
A Jev nem mondatokat ír, hanem előre megadott kimenetek közül választ, és valószínűséget rendel a választásához. A TechCrunch megfogalmazásában a Jev
„könnyűsúlyú eszköz néhány előre meghatározott kimenet közötti választásra” — a TechCrunch leírása a Jev-ről.
Ez a különbség a gyakorlatban sokkal nagyobb, mint amilyennek hangzik. Egy nyelvi modellnél a döntés mindig szöveg formájában érkezik: megkéred, hogy válaszoljon „igen” vagy „nem”, ő pedig legenerál egy mondatot, amit neked kell visszaparszolnod. A Jev esetében a döntés maga a kimenet, a hozzá tartozó valószínűséggel együtt.
A TypeSafe dokumentációja szerint három kérdéstípus van: Choice (válassz a felsorolt opciók közül), Score (adj pontszámot) és egyszerű igen/nem. A kérdéseket párhuzamosan lehet feltenni, a válaszidő pedig 70 és 500 milliszekundum között mozog az AI Success Lab gyakorlati útmutatója szerint. A Vercel fejlesztői csapata ugyanezt egy mondatban foglalta össze a bejelentéskor:
„Építs ügynököket, amelyek milliszekundumok alatt döntenek, irányítanak, pontoznak és leállnak” — Vercel Developers (X, 2026-09-17).
A szám, ami mögötte van: 35 százalék két hét alatt
A modell 2026. szeptember 15-én jelent meg korlátozott kiadásban. A Vercel saját gateway-forgalmából vett adat szerint két héten belül a fizetős csapatok 35 százaléka használta valamire — a második helyen álló Sonnet 5.5 arányának körülbelül a kétszerese. A TechCrunch idézi a Vercel értékelését:
„Ez a leggyorsabb elterjedés, amit modell valaha elért az első két hetében” — a Vercel adatai, a TechCrunch beszámolója alapján.
Egy dolgot viszont fontos tisztán látni: ez nem független mérés. A Vercel AI Gateway kizárólag a saját forgalmát látja, vagyis azoknak a csapatoknak a hívásait, akik rajta keresztül érik el a modelleket. Az OpenAI és az Anthropic közvetlen API-forgalma ebben a számban nem jelenik meg, így a „leggyorsabban elterjedt” cím egy adott platform ökoszisztémáján belül érvényes állítás.
Az is lényeges, hogy az elterjedtség itt nem tokenarányt és nem költségarányt jelent. Azt méri, hány csapat nyúlt hozzá a modellhez — nem azt, hogy mekkora munkát bíztak rá. Egy döntési modellnél ez a kettő különösen messze eshet egymástól, hiszen egyetlen Choice-hívás töredéke annak a tokenmennyiségnek, amit egy hosszú szöveggenerálás elfogyaszt.
A Vercel a saját biztonsági szűrését is átállította
A legbeszédesebb részlet nem a statisztika, hanem egy használati eset. A TechCrunch szerint a Vercel a káros parancsok osztályozására a GPT-6 Luna helyett a Jev-et használja. Vagyis egy olyan feladatot adott át egy döntési modellnek, ahol eddig egy frontier nyelvi modell dolgozott.
Ez logikus csere. A „ez a kérés káros-e?” kérdés valójában egy osztályozási feladat — nem igényel szövegalkotást, viszont annál fontosabb, hogy gyorsan és kiszámítható formátumban jöjjön a válasz. Ha emellé kalibrált valószínűséget is kapsz, akkor küszöböt is tudsz hozzá állítani: egy bizonyos bizonytalansági szint alatt a kérés mehet emberhez vagy egy drágább modellhez felülvizsgálatra.
Ugyanez a minta ismerhető fel az ügynöki rendszerek apró döntéseiben is: melyik eszközt hívja a következő lépésben, érdemes-e még egy kört futni, melyik modellhez irányítsa a kérést, elég magabiztos-e a válasz a lezáráshoz. Ezekről korábban részletesen is írtunk, amikor azt vizsgáltuk, hol lesz az új szűk keresztmetszet az AI-ügynököknél — a döntési modellek pontosan erre a szűk keresztmetszetre válaszolnak.
Árazás: szinte ingyen, de nem véletlenül
A Jev árazása szokatlan. Az AI Success Lab adatai szerint a bemenet millió tokenenként 0,042 dollár, a kimenet pedig ingyenes — a Vercel AI Gateway-en pedig 2026. szeptember 25-ig teljesen ingyen volt elérhető.
Az ingyenes kimenet nem marketingtrükk, hanem a modell szerkezetéből következik: a Jev nem generál hosszú választ, hanem egy opciót jelöl meg. A költség így gyakorlatilag a bemenet hosszán múlik. Ez teszi lehetővé, hogy olyan helyekre is beépüljön, ahol egy LLM-hívás eddig túl drága vagy túl lassú volt — például minden egyes ügynöki lépés előtti ellenőrzésbe.
Érdemes ezt egymás mellé tenni a frontier modellek árversenyével. Az elmúlt hetekben a nagy labok is lefelé mentek az árakkal: a Claude Haiku 5.5 esetében 90 százalékos árcsökkenést láttunk egymillió tokenes kontextussal, a Sonnet 5.5 pedig feladatonként 30 százalékkal lett olcsóbb változatlan tokenár mellett. A döntési modellek viszont nem ugyanazon a skálán versenyeznek: egy nagyságrenddel lejjebb nyitnak egy új sávot.
Korlátok, amiket a bevezetés előtt ismerni kell
A Jev nem univerzális megoldás, és a dokumentációból kiolvasható korlátai élesen behatárolják, mire jó. Az AI Superior elemzése és a TypeSafe dokumentációja alapján:
- Egy Choice legfeljebb 255 opciót tartalmazhat. Nagyobb választási tér esetén előszűrésre vagy többszintű döntési fára van szükség.
- A modell hajlik az első opció felé. Vagyis az opciók sorrendje befolyásolja az eredményt — ha ez kritikus, randomizálni kell a felsorolást.
- Hosszú állapotnál romlik a pontosság („context rot”). Minél több előzményt pakolsz a döntés mellé, annál kevésbé stabil a kimenet.
A nyilvánosan hozzáférhető teljesítményszámok döntő része emellett gyártói teszt. A legrészletesebb ilyen mérés egy skill-választási feladat volt: 182 elérhető skill közül kellett a helyeset kiválasztani 488 kérésen keresztül. Az AI Superior összefoglalója szerint a téves betöltések aránya a Haiku 4.5 16,8 százalékáról 7,3 százalékra esett. Ez erős eredmény — de a gyártó saját mérése, és a TechCrunch cikkében a 35 százalékos elterjedtségi adaton kívül nincs független szám a Jev-ről.
Amit a gateway a nyílt modellekről is elárul
A TechCrunch ugyanabból az adathalmazból egy másik, legalább ennyire érdekes összefüggést is kiemel. A Vercel AI Gateway forgalmában a nyílt modellek adják a tokenek több mint 70 százalékát, ugyanakkor a kiadásoknak csak körülbelül 25 százalékát. A frontier labokra fordított kiadás tízszerese a nyílt modellekre fordítottnak.
Ez a két szám együtt nem versenyt, hanem munkamegosztást ír le. A nagy mennyiségű, rutinszerű munka a nyílt, olcsó modelleken fut, a drága frontier modellek pedig a nehéz, értékes lépéseket kapják. A Jev sikere ugyanennek a logikának a következő állomása: ha a tömeges, egyszerű hívásokat érdemes lejjebb tolni a költségskálán, akkor a legegyszerűbb hívásokhoz — az apró döntésekhez — már nem is kell nyelvi modell.
Ugyanezt a trendet erősíti, hogy a nyílt modellek ökoszisztémája önmagában is gyorsul: a Hugging Face adatai alapján a nyílt AI-fejlesztésben már Kína vezet, miközben a Mistral Large 4 nyílt súlyokkal, egybillió paraméterrel jelent meg.
Mit jelent ez a piacnak?
A válasz a konkurenciából olvasható ki a legjobban: a TechCrunch szerint az OpenAI és az Amazon is saját döntésimodell-ajánlattal reagált. Amikor két ekkora szereplő hetek alatt válaszol egy korlátozott kiadású modellre, az nem termékhír, hanem kategóriaalapítás.
Három következtetés adódik:
- Az ügynöki költségszerkezet szétesik rétegekre. Nem egy modell futtatja az egész hurkot: külön ár- és latenciakategóriába kerülnek a döntések, a rutinmunka és a nehéz generálás.
- A kalibrált valószínűség önálló értékké vált. Nem csak a döntés kell, hanem az is, mennyire biztos — mert erre lehet eszkalációs küszöböt építeni.
- A platformadat stratégiai eszköz. A Vercel azért tud ilyen hírt bejelenteni, mert látja a gateway teljes forgalmát. Az elterjedtségi narratíva ma azé, aki a mérőpontot birtokolja.
A hét száma
35% — a fizetős Vercel-csapatok ennyi része használta a Jev-et a megjelenést követő két héten belül. A második helyen álló Sonnet 5.5 arányának közel a duplája. Fontos: ez a Vercel gateway saját adata, nem piaci részesedés.
A hét tippje: hol érdemes először kipróbálni
Ha ügynöki rendszert építesz, a döntési modell bevezetéséhez nem kell átírni a teljes architektúrát. A legkisebb kockázatú első lépés egy olyan pont kiválasztása, ahol ma egy LLM-et kérdezel meg valami egyszerűről — tipikusan egy routing- vagy leállási döntésről —, és ahol a válasz amúgy is néhány fix opció egyike.
Ezt a lépést érdemes párhuzamosan futtatni a meglévő megoldás mellett, mérni a két döntés egyezését, és csak akkor átállni, ha a konfidencia-küszöb felett stabilan egyezik. Figyelj a sorrendhatásra: mivel a modell az első opció felé hajlik, a felsorolás sorrendjét érdemes váltogatni a mérés alatt. És ne vidd bele a teljes beszélgetési előzményt — a hosszú állapot a dokumentáció szerint is rontja a pontosságot.
Ha segítség kell abban, hogy egyáltalán melyik feladathoz melyik modell a megfelelő, ehhez korábban összeállítottunk egy AI döntési térképet 10 tipikus feladatra. Vállalati bevezetésnél pedig az automatizálási oldalt a WebAIPro csapata viszi végig a tervezéstől az üzemeltetésig.
Elérhetőség
A Jev három úton érhető el: a TypeSafe konzolján (várólistás hozzáféréssel), a langchain-typesafe csomagon keresztül (alpha, 0.0.1a3-as verzió) és a Vercel AI Gateway-en, ahol a typesafe-ai/jev modellazonosítóval hívható. Az alpha-státusz azt is jelenti, hogy az API felülete még változhat — éles rendszerbe ennek tudatában érdemes beépíteni.
Kitekintés
A következő hetek kérdése nem az, hogy a Jev marad-e az első. Hanem az, hogy a döntési modellek kategóriája önálló piac lesz-e, vagy a nagy labok egyszerűen beolvasztják a funkciót a meglévő modellcsaládjaikba — ahogy az OpenAI és az Amazon reakciója sejteti. A fejlesztői oldalon viszont már most eldőlt valami: az ügynöki hurkok apró döntéseit nem kell többé a legdrágább modellel megfizetni.
Kapcsolódó összefoglalónk: Gemini 4: a Google felgyorsít – 7 fontos heti AI-hír
Ha nem akarsz lemaradni a heti AI összefoglalókról és az ilyen piaci fordulatokról, iratkozz fel az AI Hírek hírlevelére — minden héten összeszedjük, mi történt valójában, és mi ebből a lényeg.