> Для AI-агентів: це Markdown-версія сторінки https://figmatica.com/uk/blog/jev-444-times-cheaper. Повний індекс сайту Figmatica для LLM: https://figmatica.com/llms.txt

# Вам обіцяють економію в 444 рази. Скільки виходить насправді?

- Автор: [Михайло Ємчура](https://figmatica.com/uk/blog/authors/mike-yemchura), Засновник і CEO
- Опубліковано: 2026-09-22
- Категорія: Дослідження й стратегія

**15 вересня компанія TypeSafe AI випустила Jev, модель, яка відповідає готовим значенням замість абзацу тексту, і поставила на головну сторінку 193,6 раза швидше і 444,6 раза дешевше. Ми звірили ці числа з власними сторінками вендора і з замірами, які за перший тиждень опублікували інші люди. Економія справжня, і вимірюється вона разами, не сотнями разів; а те, чого не пишуть на головній сторінці, це що модель ніколи не каже «не знаю».**

15 вересня компанія TypeSafe AI [випустила модель під назвою Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev). На її [головній сторінці](https://typesafe.ai/) великим шрифтом стоять два числа: «193.6x Faster, 444.6x Cheaper», тобто у 193,6 раза швидше і в 444,6 раза дешевше. За кілька днів модель зʼявилась в інструментах, якими користуються ваші розробники, тож цілком імовірно, що слово Jev у вашій команді вже звучало, а слідом за ним і сума, яку це зекономить.

Ця сторінка для людини, яка ухвалює рішення і не пише коду. Нижче: що ця штука робить, що з нею вже працює і що лише показали на відео, скільки вона коштує, звідки взялось число з головної сторінки і чому воно не сходиться, і який ризик жоден вендор на головну сторінку не виносить. Усе тут звірене або з власними сторінками вендора, або із замірами, які опублікували й підписали своїм імʼям інші люди. Коду на цій сторінці немає.

## Що ця штука робить

Сьогодні програма надсилає моделі питання і отримує назад абзац тексту. Далі другий шматок коду читає той абзац і витягує з нього одне слово, яке програмі й було потрібне: категорію, згоду, число. Цей другий шматок пише людина, підтримує теж людина, і коли якоїсь ночі модель сформулює відповідь трохи інакше, ламається саме він.

Jev відповідає самим значенням. Приходить сама відповідь: варіант номер три з восьми; оцінка чотири за пʼятибальною шкалою; число від нуля до одиниці. Для вибору і для оцінки поруч з відповіддю приходить число, яке показує, наскільки модель у ній упевнена, і програма вирішує, чи цього досить, щоб діяти. [Документація](https://docs.typesafe.ai/primitives) вендора називає три типи питань уже після того, як їх описала: вибір зі списку зветься Choice, оцінка за шкалою зветься Score, число від нуля до одиниці зветься Noul.

Для грошей важливі дві властивості. Усі три типи питань уміщаються в один запит, і документація каже, що додавання питань майже не міняє час відповіді. І писати тексти ця модель не вміє взагалі. Вона не заміна чатботу, і люди самого вендора кажуть це прямо: [«It's not really a chat interface, it's meant for consumption by machines»](https://news.ycombinator.com/item?id=49720433), тобто це не чат; відповіді тут читає програма, і для людини вони не призначені.

## Що саме зникає

Найзрозуміліший приклад дала служба підтримки, яка викинула зі свого коду цілий список. Її команда тримала вручну написаний список префіксів у темі листа кількома мовами, щоб ловити автовідповіді й спам. У день виходу Jev вони [замінили той список](https://freek.dev/3194-detecting-spam-and-auto-replies-with-jev-and-the-laravel-ai-sdk) трьома питаннями в одному запиті. Розкласти один лист по цих трьох питаннях забирає 639 мілісекунд, менше за секунду, а все разом коштує «about 36 cents a month», близько 36 центів на місяць.

Ось із чого складається виграш, і це варто тримати в голові раніше за будь-яке велике число. Зник шматок коду, який хтось у вашій команді підтримував, а на його місці три речення, написані звичайними словами.

## Що вже збудовано: три різні речі під одним словом

За тиждень після виходу показали близько сотні проєктів. Це різні за вагою докази, і саме різниця між ними вирішує, чи стосується вас конкретне число. Ми ділимо їх на три групи і не змішуємо.

Працює в живому продукті, і зробив це не вендор. Таких два. Компанія, що продає сховище даних, [додала функцію класифікації](https://motherduck.com/blog/motherduck-supports-jev/) для своїх платних клієнтів: на ста тисячах новинних заголовків ця функція обробляла 2 484 рядки на секунду з точністю 89% за 50 центів, тоді як модель, яку вона замінила, витратила на ту саму роботу півгодини і $37,58. І служба підтримки вище, яка з першого дня фільтрує справжню пошту.

Виміряно на справжніх даних, але для клієнтів не вмикали. Ця група більша і корисніша. Команда, яка оцінює відповіді за шкалою, працюючи в ранньому доступі в день виходу, [повідомила](https://goodstartlabs.com/research/verification-is-the-bottleneck) про $160 за мільйон оцінок проти $33 000 у великої універсальної моделі, з тих, що відповідають у чатах, причому обидві дійшли однакового вердикту в 91,5% випадків. Команда з безпеки [прогнала сто справжніх викликів агента](https://archestra.ai/blog/we-tested-jev-on-100-real-agent-calls) і отримала від 93% до 95% правильних відповідей проти 98% у такої самої великої моделі. Компанія, яка обробляє звіти про витрати, [класифікувала дві тисячі звітів за 21 секунду приблизно за пʼять центів](https://www.elvex.com/blog/early-experimentation-using-jev-to-rethink-harness-ux) і в тому ж дописі написала: «None of this is in production yet, it's just alpha work», тобто нічого з цього ще не ввімкнено для клієнтів, це рання проба. Команда, яка звіряє записи між базами, [зрізала вартість моделі на 99,56%](https://www.southbridge.ai/blog/jev-entity-resolution) і втратила менше пів відсоткового пункту точності.

Показано на відео, і автори самі це кажуть. Браузерний агент [бронює авіаквиток за 7,1 секунди](https://github.com/browser-use/jev-ultrafast), і його ж опис каже, що це «three repeats of one task on one browser profile, not a general reliability benchmark», тобто три повтори одного завдання в одному браузері, і це не перевірка надійності взагалі. Дрон [проходить смугу перешкод](https://github.com/RomanSlack/jev-drone) у симуляторі, а його автор пише, що Jev «cannot be the perception layer», він не може бути тим, що бачить світ навколо, і не встигає віддавати команди вчасно. Торговий бот [вирішує купувати чи продавати кожні 300 мілісекунд, тричі на секунду](https://github.com/jarrodwatts/jev-trader) проти справжнього списку заявок на біржі, але з вигаданими угодами і без грошей усередині.

Найгучніший приклад тижня прийшов з допису, який переглянули 112 575 разів. Засновник компанії, що продає автоматизовану бухгалтерію, [написав](https://x.com/andywang/status/2102265179543400907): «The bookkeeping services industry is dead… I fed it 34 months of work a firm charged $20,000+ for. Jev did a better job in 20 seconds, for just $0.32». Тридцять чотири місяці роботи, за яку бухгалтерська фірма виставила понад двадцять тисяч доларів, прогнані за двадцять секунд і тридцять два центи.

Поруч із цим числом мають стояти дві речі. Автор продає продукт, який на власному [сайті](https://finta.com) обіцяє «replace QuickBooks plus manual bookkeepers», замінити QuickBooks і бухгалтерів, тож ринок, який він оголосив мертвим, це ринок, з яким він конкурує. І два числа в тому дописі різні за природою. Гонорар фірми покриває рішення, відповідальність, спілкування з податковою і підпис під звітом; модель розклала операції по категоріях. Порівняння, яке щось вам скаже, вимірюється не гонораром фірми. Воно вимірюється тим, скільки те саме розкладання коштує вам сьогодні в інший спосіб.

Практична користь із цього поділу одна: про будь-яке демо, яке вам показують, можна спитати команду, до якої з трьох груп воно належить. Число з третьої групи каже, на що модель здатна в хороший день. Що вона робить у будній день, каже лише перша.

## Скільки це коштує

Сторінки з цінами не існує. Обидві адреси, де вона мала б бути, віддають помилку. Уся ціна продукту це чотири рядки в таблиці всередині документації: [$42 за мільярд токенів на вході](https://docs.typesafe.ai/models), а токен це шматочок слова, яким модель рахує текст, і відповіді безкоштовні. В одиниці, яку легше втримати в голові: у замірі вище розкласти сто тисяч новинних заголовків коштувало пʼятдесят центів.

Дві речі з тієї сторінки мають прозвучати в будь-якій розмові про бюджет. Ліміти на те, скільки ви можете надсилати, «adjusting dynamically» і «can change without notice», тобто змінюються динамічно і можуть змінитись без попередження. А в дописі про запуск вендор пише: [«We can't prove it isn't subsidized»](https://typesafe.ai/blog/introducing-system-one-models-and-jev), ми не можемо довести, що ціна не субсидована. Це чесне речення, і це ж попередження: ціна, під яку ви плануєте, це ціна, яку продавець не гарантує.

## Тепер про ті 444 рази

На головній сторінці написано про 193,6 раза швидше і 444,6 раза дешевше. Одразу під цим та сама сторінка показує демонстрацію, з якої ці числа нібито й узяті: один запит за $0,000081 і 0,114 секунди проти $0,013880 і 8,566 секунди. Поділіть, як поділили ми. Виходить 75 разів швидше і 171 раз дешевше. Власний доказ сторінки не дає того числа, яке на ній написано великим шрифтом.

Допис про запуск обережніший, і треба віддати вендору належне: він сам називає свої слабкі місця. Числа із заголовка, пише він, узяті з чотирьох робочих сценаріїв, і «we expect that these are on the higher end of real world gains», тобто це радше верхня межа виграшу. Правильною відповіддю, за якою всіх оцінювали, був «the average of GPT-6 Astra and Fable 5.1», усереднення відповідей двох конкурентів, і допис визнає, що це «biases answers towards OpenAI and Anthropic's models», тобто перекошує відповіді на користь моделей OpenAI і Anthropic. А самі сценарії «were made by individuals on our model capabilities team, so some bias could exist», їх склали люди з його ж команди.

[Власна порівняльна таблиця](https://evals.typesafe.ai/) вендора це найцікавіша сторінка, яку він публікує, бо Jev її не виграє. У Jev точність 67,8%, тобто приблизно кожна третя відповідь хибна. У двох інших моделей 74,1% і 73,1%. З третьою Jev іде врівень, 67,8%. Виграє Jev ціну і час на один випадок, і виграє з великим відривом.

Візьміть із тієї таблиці найближчого до Jev за ціною і швидкістю конкурента з приблизно тією ж точністю і поділіть опубліковані вендором числа. Виходить приблизно у 32 рази швидше і приблизно у 8 разів дешевше. Це ділення наше, на числах вендора.

І є замір, зроблений на власній живій пошті однієї команди. Команда [прогнала Jev і свою звичайну модель через власну поштову систему](https://dev.to/devopsdaily/we-measured-the-200x-claim-and-got-it-wrong-twice-first-5ch5) і отримала «Twelve times faster at the median», у дванадцять разів швидше за медіаною, 605 мілісекунд проти 7 326, тобто півсекунди проти семи з половиною секунд. А далі не зупинилась, і саме тому той допис вартий читання: «Divide latency by output tokens and the gap narrows to roughly 3x», поділіть затримку на довжину відповіді, і розрив стискається приблизно до трикратного. Окремим рядком там же: «Per input token the two are 1.31x apart. The whole of the rest is that Jev does not charge for output at all», на одному вхідному токені різниця в 1,31 раза, а вся решта економії це те, що за відповіді поки не беруть грошей.

Чесна версія заголовка така. Дешевше і швидше, рахунок іде на одиниці й десятки разів, чимала частина економії тримається на тому, що відповіді сьогодні безкоштовні, а ще частину виграшу дає сам спосіб питати дрібними питаннями з готовими варіантами.

## Модель ніколи не каже «не знаю»

Вендор цього не ховає. Головна сторінка обіцяє «Zero Hallucinations», нуль галюцинацій, тобто нуль вигаданих відповідей. Допис про запуск пояснює, що саме це означає: «Our number is not empirical. Schema matching is guaranteed», цього числа ми не міряли, гарантовано лише те, що відповідь матиме задану форму. Власна довідка компанії каже ще різкіше: модель «can't invent a category outside that list, but it can choose the wrong one», вона не вигадає категорії поза списком, але може обрати неправильну.

Як це виглядає в замірі: незалежна перевірка [поклала перед моделлю тридцять повідомлень, що лежали поза темою питання](https://github.com/priorbench/jev), і вона не позначила жодного, відповідаючи з упевненістю 0,99. Рецепт торта вона віднесла до технічних проблем з упевненістю 0,94, а випадковий набір літер з 0,97. В окремій роботі [іншого дослідника](https://dev.to/aitejiu/benchmarking-jev-what-a-decision-model-can-and-cant-do-in-an-agent-harness-20po) серед відповідей, у яких модель була найменш упевнена, 16,6% усе одно виявились небезпечними.

Найгостріше проблему сформулював читач, який публічно сперечався із засновником компанії: [«An approve for an unauthorized action still meets the schema guarantee… I still have to define the constraints and test which wrong actions get through the complete workflow on my own data. That's a substantial part of the work being pushed back onto the developer.»](https://news.ycombinator.com/item?id=49720703). Дозвіл на дію, якої робити не можна, теж має правильну форму, і йому все одно доведеться самому визначати обмеження і перевіряти, які хибні дії пройдуть крізь увесь процес на його ж даних. Чимала частина роботи просто переходить на розробника.

Це і є чесний обмін. Код, який витягував відповідь з абзацу, зник. На його місце приходить рішення, за яке тепер відповідає хтось у вашій команді: за якої впевненості ми діємо і хто перевіряє відповіді, у яких упевненість нижча.

## Де воно не працює

- **Мови, крім англійської.** В [одному замірі](${LIMITS}) та сама задача дала 14,6% на китайській частині даних проти 57,7% на англійській. Про поведінку на українській не опублікував жодного числа ніхто у світі.
- **Довгі документи з багатьма категоріями.** Розробник [натренував власну маленьку модель на 250 розмічених рядках](https://dev.to/ikkun1222/jev-vs-a-310m-encoder-i-trained-myself-750-rows-three-tasks-two-different-winners-242e) і обійшов Jev у класифікації тем на 12 відсоткових пунктів, і розрив завеликий, щоб бути випадковістю.
- **Усе, що потребує очей.** Вона не бачить зображень. У демонстрації з дроном картинку спершу перетворювала на текст інша програма, і автор сам про це пише.
- **Чимала частина виграшу належить самому способу питати.** У [власній таблиці](${EVALS}) вендора кожна модель стає кращою, коли ту саму задачу розбивають на дрібні питання з готовими варіантами відповіді. Одна маленька модель так іде з 18,1% до 53,6%: була правильна приблизно кожна пʼята відповідь, стала більш ніж половина. Чимала частина того, що продають як перевагу цієї моделі, насправді дає інший спосіб питати, і він працює з будь-якою моделлю.

## Хто за цим стоїть і чого ще немає

TypeSafe AI заснована в 2024 році й підняла посівний раунд на $40 мільйонів на чолі з DCVC, і це кажуть як оголошення про раунд, так і сам інвестор. Її власний профіль компанії подає штат від 11 до 50 осіб, працює вона із Сан-Франциско. Список очікування закрився 20 вересня, тож зареєструватись тепер може будь-хто.

Чого немає, то це незалежної перевірки. Компанія прямо каже, що з новими моделями не публікує стандартних порівняльних таблиць, за якими міряють усіх. Наукової статті немає. У звичних незалежних рейтингах моделі немає. Усе вище, що походить не від компанії, опубліковано за останні сім днів, частина компаніями, частина окремими розробниками, і жоден із цих замірів ніхто поки не повторив.

І ще одне, що варто знати, перш ніж читати чийсь огляд. Велика платформна компанія [додала Jev до власного продукту](https://vercel.com/blog/ai-gateway-jev-model-launch) і випустила про нього девʼять сторінок за чотири дні. Ми прочитали сім із цих девʼяти, і в жодній немає власного заміру; в одній числа прямо названі вигаданими для прикладу. Це канал продажу пише про те, що продає, і так робити можна. І це ж причина питати про будь-яку захоплену сторінку: хто виграє, якщо ви скажете так.

## Що спитати у своєї команди

- **Яка з наших задач це вибір зі списку?** Якщо відповідь «жодна», розмова на цьому закінчується. Ця модель робить одне: вибирає зі списку, оцінює за шкалою і каже, наскільки впевнена. Усе, що продає компанія, тримається на тому, що у вас є задача такої форми і ви робите її часто.
- **Скільки ця задача коштує нам на місяць зараз?** Без цієї цифри економію порахувати неможливо. Команда, яка платить сорок доларів на місяць за класифікацію, скорочення на 90% не помітить; команда, яка платить чотири тисячі, помітить.
- **За якої впевненості ми діємо і хто це вирішив?** Це та робота, яка приходить в обмін на ту, що зникає. Якщо відповісти на це в команді нікому, економію порахували, а нову роботу ні.
- **Що станеться з повідомленням, якого наші питання не покривають?** Відповідь прийде і виглядатиме впевненою. Спитайте, що команда з цим робитиме, і спитайте до запуску, поки перший інцидент ще не стався.
- **До якої з трьох груп належить демо, яке ви мені показуєте?** Працює в чиємусь живому продукті; виміряно на справжніх даних, але вимкнено; записано один раз для відео. Ці три важать по-різному, і різниця зазвичай написана в тексті самого автора.

AI-продукти, які ми спроєктували для клієнтів, серед них [Sona AI, асистент із чатом, зображеннями, відео й кодом в одному місці](https://figmatica.com/uk/cases/sona-ai), і відгук клієнта на Clutch.

- [Sona AI](https://figmatica.com/uk/cases/sona-ai): AI-асистент: чат, зображення, відео й код в одному місці. Продуктовий дизайн і бренд.
- [AI Drone ChatBot](https://figmatica.com/uk/cases/ai-drone-chatbot): AI-чатбот для операторів дронів. Продуктовий дизайн у складі виділеної команди стартапу.

> Хлопці зробили більше, ніж обіцяли, і швидко вносили зміни, які ми просили, тож співпраця пройшла гладко.
> Артем Кузьмич, COO, Clutch

## Наша позиція

Figmatica будує сайти і програмне забезпечення навколо них, а на нашому власному сайті [працює асистент](https://figmatica.com/uk/services/agentic-website), який робить рівно такий вибір: яку сторінку відкрити відвідувачу, з восьми. Тобто в нас є причина хотіти, щоб Jev працював, і читати цю сторінку варто з цією поправкою. Наше прочитання першого тижня таке: економія справжня, вона менша за обіцяну на головній сторінці, і разом з нею приходить нова робота, якої ніхто не порахував: вирішувати, коли відповідь достатньо впевнена, щоб за нею діяти.

Числа на цій сторінці взяті або з власних сторінок вендора, або із замірів, які опублікували інші, і посилання стоїть при першій появі кожного. Якщо якесь із них хибне або застаріло, напишіть на hello@figmatica.com, і ми перевіримо того ж дня.

## Що це означає для вашого сайту

Такі моделі вибирають зі списку, і коли хтось просить асистента порадити студію, магазин чи сервіс, ваш сайт це один із варіантів у цьому списку. Для повної картини, з реальними промптами ваших клієнтів, конкурентами і списком виправлень, є наш [аудит видимості в AI](https://figmatica.com/uk/services/ai-visibility-audit).

> **Головне:** [Перевірте безкоштовно, що ChatGPT, Claude і Perplexity можуть прочитати на вашому сайті](https://figmatica.com/uk/tools/perevirka-saitu): шість перевірок головної сторінки.

> **Про Figmatica.** Figmatica є дизайн-студією, яка розробляє [AI-нативні сайти](https://figmatica.com/uk/services/agentic-website). Серед наших клієнтів є WWF Україна, KFC Україна, Український фонд стартапів, BRDO, RIEL і TAF Industries. Ми робимо [редизайн сайтів так, щоб ви не втратили трафік з Google](https://figmatica.com/uk/services/legacy-migration) і [вас почали знаходити й рекомендувати ChatGPT, Claude і Perplexity](https://figmatica.com/uk/services/demand-generation). Так, це реклама в кінці статті, зате коротка, тож [запишіться на дзвінок](https://figmatica.com/uk/book), і ми покажемо на концептах, як може виглядати сайт вашої компанії.


## Часті питання

### Чи замінює Jev ChatGPT або Claude?

Ні, і вендор це каже. Вона взагалі не вміє писати текст. Вона вибирає зі списку, оцінює за шкалою і дає число від нуля до одиниці. Команди, які нею користуються, ставлять її поруч із чат-моделлю.

### Чи означає нуль галюцинацій, що відповіді правильні?

Ні. Це означає, що відповідь завжди має ту форму, яку ви просили. Вендор пише, що число не емпіричне і що модель усе одно може обрати неправильний варіант із вашого списку. Один замір показав тридцять повідомлень поза темою: модель упевнено відповіла на всі й не позначила жодного.

### Чи працюватиме воно з українським текстом?

Відповіді не опублікував ніхто. Єдиний опублікований замір іншою мовою, ніж англійська, показує велике падіння: 14,6% проти 57,7% на тій самій задачі, тобто правильна відповідь кожна сьома замість більш ніж половини. Доки цього ніхто не виміряв, вважайте українську недоведеною і просіть перевірку на власних даних, перш ніж на щось погоджуватись.

### Чи варто зачекати?

Залежить від однієї речі: від розміру рахунку за ту задачу, яку ви переносили б. Моделі тиждень, ліміти можуть змінитись без попередження, вендор сам каже, що не може довести, що ціна не субсидована, а незалежної перевірки поки немає. Якщо задача маленька, три місяці очікування вам майже нічого не коштують. Якщо велика, спершу проженіть її на власних даних і порівняйте з тим, що платите зараз.


## Пов'язане

- [Що таке агентний сайт](https://figmatica.com/uk/services/agentic-website): Пояснюємо простими словами.
- [Безкоштовний аудит видимості в AI](https://figmatica.com/uk/services/ai-visibility-audit): Безкоштовно: де ви у відповідях AI.
- [Sona AI: AI-асистент, який наводить лад у хаосі](https://figmatica.com/uk/cases/sona-ai)