TypeSafe AI lance Jev 1.14, avec prise en charge des images, type Box et contexte de 262k
TypeSafe AI a publié Jev 1.14, nouvelle version de son modèle de décision « System One », disponible dès maintenant sous l'alias jev-preview. Jev ne génère pas de texte : on lui envoie un état et des questions typées (Choice, Score ou Noul), et il répond à chacune par une valeur typée, des probabilités et un score de confiance. Il est entraîné par apprentissage par renforcement pour décisions calibrées (RLCD). Cette version, jev-1.14.0, apporte de petites améliorations générales, avec un gain attendu surtout en support multilingue, selon TypeSafe, sans scores publics à l'appui. Trois fonctions expérimentales dites « danger zone » font leur apparition. D'abord les images : PNG ou JPEG uniquement, jusqu'à 16 Mio par fichier, de 256 à 1568 pixels par côté, 32 Mio par requête, activées par l'en-tête TypeSafe-Danger-Zone-Images: true. Chaque image est déclarée une fois dans une table « assets » puis référencée dans l'état, les instructions ou les critères. Ensuite, le type Box, qui renvoie une boîte englobante (bords haut, bas, gauche et droit en fractions de 0 à 1) avec un score de confiance. Enfin, un contexte porté à 262 000 tokens, contre 64 000 par requête et 32 000 par question par défaut, via l'en-tête TypeSafe-Danger-Zone-Long-Context: true.
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 MarkTechPost. Lire l'article original →
Pour les développeurs, cette version rapproche un modèle de décision typé de tâches de vision comme l'inspection ou la localisation. TypeSafe prévient toutefois qu'aucune des trois fonctions n'est prête pour la production. Box renvoie toujours une boîte, même si l'objet recherché est absent, faute de réponse « introuvable ». L'éditeur recommande donc de l'associer à une question Noul vérifiant l'existence de la cible. Un test interne sur 36 recadrages de tableaux, chacun coupant une partie de l'objet, montre l'intérêt de la méthode : quatre questions Noul, une par bord, ont repéré 30 coupes, contre 26 pour une seule question « tout est-il à l'intérieur » et 20 en dessinant la boîte en contour puis en interrogeant le modèle. TypeSafe reconnaît aussi que tous les modèles, Jev compris, sont moins performants sur les images que sur le texte, et conseille des questions les plus simples possibles.
Jev est accessible uniquement via l'API hébergée de TypeSafe (POST /v1/systemone), sans poids ouverts, et le nombre de paramètres n'est pas communiqué. L'entreprise précise que Jev gérait déjà en interne les contextes longs, mais qu'elle les avait volontairement plafonnés, car la fiabilité baisse sur de longues entrées ; elle continue de recommander des contextes courts. Elle indique aussi que jev-1.13.0 était multimodal depuis le début, et accepte désormais les images. Les graphiques de performance publiés comparent Jev uniquement à des modèles à poids ouverts, sans tableau chiffré, et TypeSafe admet que la mesure est probablement biaisée en faveur de ses modèles, invitant à privilégier ses propres évaluations. Le prix reste inchangé, à 42 dollars le milliard de tokens en entrée (0,042 dollar le million), les tokens de sortie étant gratuits, et les images sont facturées comme des tokens d'entrée. Côté déploiement, jev-preview pointe déjà vers jev-1.14.0, et jev-latest doit basculer dans une semaine.
Pas d'impact direct sur la France/UE