Le pionnier de ChatGPT lance le modèle Jev pour la logique programmatique
TypeSafe, une startup fondée par Diogo Almeida, ancien ingénieur d'OpenAI et co-inventeur de ChatGPT, sort de son mode furtif après deux ans de développement pour lancer Jev, un modèle baptisé "System One Model". Contrairement aux grands modèles conversationnels qui génèrent du texte token par token de façon autorégressive, Jev prend en entrée un état non structuré et produit directement, en une seule requête parallèle, des valeurs structurées et typées, sans passer par la génération de chaînes de caractères. Le système repose sur une méthode d'entraînement propriétaire appelée Reinforcement Learning for Calibrated Decisions (RLCD), conçue pour que les scores de confiance renvoyés par le modèle correspondent réellement à la précision des résultats, à la différence des approches classiques RLHF ou RLVR. Son échantillonneur parallèle, optimisé pour le matériel, peut gérer jusqu'à 255 options discrètes en deux étapes. Selon les tests internes menés par TypeSafe sur ses serveurs de la côte ouest américaine, la latence de bout en bout se situe entre 70 et 500 millisecondes, contre 3 à 329 secondes pour des modèles conversationnels comme GPT-6 Astra ou Fable 5.1, soit des gains de vitesse allant jusqu'à 193,6 fois sur des graphes de calcul fixes. Le traitement des tokens d'entrée est facturé 0,042 dollar par million, contre 0,20 à 10 dollars pour les modèles conversationnels classiques, et les tokens de sortie ne sont pas facturés du tout. TypeSafe a ouvert aujourd'hui l'accès anticipé aux développeurs inscrits sur sa liste d'attente.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AI News. Lire l'article original →
Cette approche vise un problème concret pour les entreprises qui intègrent l'IA dans du code de production: éviter les erreurs de typage, les hallucinations de sortie et les lourdes couches de guardrails et de parsing nécessaires pour fiabiliser les réponses des LLM généralistes. En rendant les décisions probabilistes directement exploitables par des systèmes automatisés, Jev cible des usages comme l'extraction de caractéristiques en temps réel, le traitement de données à l'échelle du pétaoctet, les couches de vérification de sortie ou la logique de branchement automatisée, des tâches où des règles codées à la main deviennent vite trop rigides. La réduction drastique des coûts et de la latence pourrait rendre viables des architectures d'IA dans des contextes à très haute fréquence, jusqu'ici réservés à des systèmes déterministes classiques.
Pour démontrer la robustesse de Jev, les équipes de TypeSafe ont fait tourner un bot réactif en temps réel sur des états de jeu issus de Doom, interrogé dix fois par seconde pour un coût d'environ 7 dollars de l'heure, ainsi qu'un test de "Wikiracing" consistant à choisir des liens dans des arborescences d'encyclopédie denses, où Jev a surpassé des modèles non raisonneurs concurrents en évitant les impasses hallucinées. Ce lancement s'inscrit dans une tendance plus large de spécialisation des modèles d'IA, où certains acteurs délaissent le paradigme conversationnel généraliste au profit de modèles étroitement conçus pour des décisions programmatiques déterministes, en concurrence directe avec les usages actuellement couverts par des modèles frontières comme GPT-6 Astra ou Fable 5.1.
Pas d'impact direct sur la France/UE