TypeSafe Jev, TypeSafe AI’nin herkese açık ilk System One modeli. Programa bir durum (state) ve tipli sorular gönderiyorsunuz; karşılığında Choice, Score veya Noul cevapları ve kalibre olasılıklar geliyor. Serbest metin üretmiyor. Kodunuzun onlarca-yüzlerce milisaniyede dallanacağı bir karar istiyorsanız ürün bu. Sohbet, kod veya düz yazı istiyorsanız dil modeline ihtiyacınız var.
Bu yazı oguzhan.co’daki yedi günlük Jev serisinin merkez hub’ı. Önümüzdeki günlerde ilkel tipler, güven ve RLCD, hız-fiyat, ajan korumaları, bağlam sıkıştırma, Doom ile Wikiracing demoları ve cobanov/awesome-jev haritasını tek tek açacağım. Sitenin genel AI masası için Yapay zeka notları hub’ına bakın; bugünün model seçimi notu da Claude vs GPT vs Gemini: hangi iş hangi model.
⚡ TypeSafe Jev modeli ne, ne değil
TypeSafe AI yaklaşık 15 Eyl 2026’da gizlilikten çıktı ve Jev’i duyurdu. Kurucu Diogo Almeida’nın lansman yazısında Jev, frontier zekâyı bir fonksiyon çağrısı gibi konumlandırıyor: yapılandırılmamış durum giriyor, tipli olasılıksal kararlar çıkıyor. Üç ilkel tip var: Choice (kapalı listeden seç), Score (sıralı rubrik seviyelerine puanla), Noul (evet/hayır ifadesinin doğru olma olasılığı). Choice ve Score, dağılımdan türetilen bir güven skoru da döndürüyor. Noul yalnızca [0, 1] aralığında tek bir olasılık veriyor; ayrı güven alanı yok.
Jev sohbet botu değil. Kod ajanı değil. E-posta taslağı yazmıyor. TypeSafe’in kendi jaggedness notları üretimi kapsam dışı bırakıyor. Şirketin “halüsinasyon yok” iddiası, şema dışı string üretememek anlamına geliyor. Her Choice’un olgusal olarak doğru olduğu anlamına gelmiyor. Şema-geçerli ile doğru aynı şey değil. Bu serinin omurgası da bu ayrım.
🧠 System One neden chat LLM’den farklı
İsim, Daniel Kahneman’ın Thinking, Fast and Slow içindeki System 1 / System 2 ayrımına gönderme. TypeSafe SSS’si net: System One modeller yazılımın tüketebileceği hızlı, yapılandırılmış yargıları hedefliyor; yavaş ve uzun gerekçeli metinleri değil. Chat LLM’ler insan tercihine (RLHF) ve son dönemde doğrulanabilir ödüllere göre optimize edildi. String konuşuyorlar. Esnekler. Ama örneklemek pahalı, parse etmek zahmetli ve ajan döngüsünde raydan çıkmaları kolay.
Yazılım arayüzü argümanı benim için asıl mesele. if cümlesi paragraf istemez. Yönlendirici etiket ve olasılık ister. Guardrail, eşik koyabileceğiniz bir risk skoru ister. GPT sınıfı modelleri şemayla JSON’a zorlayabilirsiniz; yine sıralı token üretimine para ödersiniz ve güven sorunca aşırı özgüvenli metin alırsınız. TypeSafe’in iddiası şu: ürün bir kararsa, karar için eğitin ve örnekleyin. Almeida (eski OpenAI, kamuya açık şekilde RLHF / ChatGPT hattına bağlı) daha sert söylüyor: AI iş yapma biçimini değiştirecekse, zekânın tek tüketicisi insanlar olamaz.
🧩 Nasıl çalışıyor: Choice, Score, Noul
Dokümantasyon çağrı şeklini sade anlatıyor. Bir state (string, JSON nesnesi veya metin dizisi) ve isimli sorular haritası gönderiyorsunuz. Farklı tip sorular aynı çağrıda bir arada olabilir. Model hepsini aynı state’e karşı paralel değerlendiriyor. Soru eklemek gecikmeyi neredeyse oynatmıyor; çünkü örnekleme otoregresif değil, paralel.
- Choice: seçilen seçenek, seçenekler üzerinde tam olasılık dağılımı, güven.
- Score: rubrik seviyesi, seviyeler üzerinde olasılıklar, güven.
- Noul: “bu ifade doğru mu?” için [0, 1] aralığında
noul.
Güven ikinci bir gizemli model değil. TypeSafe bunu zaten aldığınız olasılık dağılımından çöken bir istatistik diye belgeliyor. Dağılım düzse güven düşük. Tek seçenekte sivrildiyse yüksek. Eşikleri kodunuz koyuyor. Yüksek güvende otomatik aksiyon, ortada insan, düşükte ret. Jaggedness rehberi ayrıca gösteriyor: aynı konuya dair bir Noul ile evet/hayır Choice’un düzgün aritmetik kimliklere uyması garanti değil. Bir ilkelden diğerine eşik taşıyıp buna bilim demeyin.
Eğitimde TypeSafe’in RLCD (Reinforcement Learning for Calibrated Decisions) dediği yöntem var. Kamuya açık malzemeler hedefi System One görevlerinde epistemik olarak dürüst olasılıklar diye anlatıyor; tercih edilen düz yazı değil. RLCD yığınının bağımsız tam bir yeniden üretimini görmedim. İsmi şirketin eğitim hikâyesi olarak okuyun; bu gece kopyalayacağınız hakemli bir tarif gibi değil.
📏 Kanıt, workflow eval ve jaggedness
TypeSafe, hesap grafiğini sabit tutan ve modelleri büyük dış sistemlerin referans olasılıklarına göre puanlayan workflow değerlendirmeleri yayımladı (lansman yazısı GPT-6 Astra ile Fable 5.1 ortalamasını sayıyor). Bu şirket workflow’larında TypeSafe, Jev’in Pareto cephesinin büyük kısmını tuttuğunu söylüyor; ana sayfa tepe rakamları o harness’teki LLM tabanlarına göre yaklaşık 193,6× daha hızlı ve 444,6× daha ucuz. Lansman yazısı kendi nüansını da ekliyor: workflow’ları yetenek ekibi kurmuş (yanlılık mümkün), referanslar OpenAI ve Anthropic modellerine yatıyor, LLM’ler de System One uyumlu bir sarmalayıcıya alınmış; bu sarmalayıcı serbest üretime göre daha yavaş ve pahalı.
Bağımsız şüphe burada sağlıklı. Başka modelleri referans cevap sayan benchmark’lar o modellere uyumu ölçer, yer gerçeğini değil. Jev’in tipli çıktılarında şema geçerliliği yapı gereği garanti. Doğruluk değil. TypeSafe’in kendi jev-1.13 jaggedness sayfası alışılmadık derecede dürüst: talimatı literal okuma, zayıf sayma ve aritmetik, kırılgan tarih karşılaştırması, büyük state’te dikkat dağıtıcılar, adversarya içerik, ilişkili sorular arasında bozulan yapısal değişmezler. İşiniz matematikse hesap makinesini kodda tutun. State şişmanysa önce süzün.
The Register’dan Thomas Claburn 16 Eyl 2026’da aynı uyarıyı sade İngilizceyle yazdı: modele halüsinasyonsuz demek chat modelleriyle adil bir karşılaştırma değil, çünkü çıktı doğal dil değil. Yapılandırılmış yanlış cevap yine yanlış.
💸 Maliyet ve gecikme iddiaları (sübvansiyon uyarısıyla)
TypeSafe modeller sayfası ve lansman tablosundaki kamuya açık fiyat: milyon girdi token’ı başına $0,042, çıktı token’ları ücretsiz (“ölçülemeyecek kadar ucuz” diye yazıyorlar), uçtan uca gecikme servislerinde kabaca 70-500 ms. OpenRouter typesafe/jev-1.13 için aynı $0,042 / $0’ı ve 32K bağlam kartını listeliyor (liste tarihi 18 Eyl 2026). TypeSafe’in kendi modeller sayfası şu an toplam istek için 64k, state + en uzun soru için 32k bütçe belgeliyor. Rakam karşılaştırırken sürümü sabitleyin (jev-1.13.0); jev-latest gibi takma adlar kayar.
TypeSafe fiyatın sübvanse edilmediğini kanıtlayamayacağını ve uzun vadeli sürdürülebilirliğin zamana ihtiyacı olduğunu söylüyor. Makul. Elmayı elmayla kıyaslayın: uzun tool izi üreten frontier chat modeli ile birkaç tipli alan döndüren paralel karar başı farklı fatura. Almeida’nın lansman thread’indeki başlık çarpanları (kabaca 20-200× hızlı, 40-400× ucuz) ve workflow eval’lerdeki daha yüksek tepeler şirket rakamları, şirket görevleri. Kendi trafiğinizde yeniden ölçün.
🎮 Doom ve Wikiracing: demolar neyi kanıtlıyor
Doom demosu pazarlama mıknatısı. TypeSafe nüans bölümünde açık: bot yapılandırılmış oyun durumunu metin olarak okuyor, pikselleri değil. Klasik bir Doom botu daha iyi oynayabilir. Mesele, değişen durum temsilleri üzerinde tepkisel kararlar; kendi yazılarında saniyede kabaca on sorgu (o hızda saatte yaklaşık $7, yine şirkete göre). The Register ve ikincil haberler yapılandırılmış durum uyarısını tekrarladı. Bunu görü tabanlı oyun oynama diye kaynak göstermeyin.
Wikiracing yüksek kardinaliteli Choice’u zorluyor: yüzlerce-binlerce link, Choice kardinalitesi 255’te sınırlı, daha büyük kümeler için iki aşamalı score-then-choose yolu var. Demo, serbest metinle link uydurmamakın çok atlamalı yolda biriktiğini savunuyor. Genel zekâ kanıtlamıyor. Kısıtlı seçim artı hızın link gezinme oyuncağında keskin görünebileceğini kanıtlıyor.
🌐 awesome-jev ile ekosistem turu
cobanov/awesome-jev bulduğum en iyi kamuya açık harita. 19 Eylül araştırma notları topluluk projelerini 100’ün üzerine çıkarıyor; resmi SDK’lar ve sağlayıcı listeleri ayrı. Seri temalarına yayılan somut örnekler:
- Guardrail / ajan: leepokai/jev-guard tool-call riskini allow / ask / deny’e skorluyor; luantak/is-malicious kaynak ve CI dosyalarını çalıştırmadan önce tarıyor; qkal/Canny kod ajanlarının desteksiz “bitti” iddialarına itiraz ediyor.
- Bağlam sıkıştırma: tamaratran/fast-jev-compaction ve benzeri winnow tarzı araçlar neyin kalacağına Jev ile karar veriyor. Model önerir; saklama kurallarını yine kodunuz dayatmalı.
- Tarayıcı / bilgisayar kullanımı: browser bölümündeki topluluk repoları çıkarılan metni veya DOM özetini Jev’e besliyor. Hosted Jev yalnız metin; algı ayrı.
- Açık yeniden üretimler: zhengxuyu/litjev (LitJev), zhihz/openjev, jaredpalmer/kev ve TianyuCodings/NanoJev açık modellerde Jev benzeri paralel karar başlarını deniyor. awesome-jev bunları bağımsız diye etiketliyor; TypeSafe’in özel RLCD yığınının doğrulanmış kopyası değiller.
Gerçek yayında sağlayıcı yüzeyi de önemli: OpenRouter (typesafe/jev-1.13), Vercel AI Gateway (AI SDK’nın deneysel evaluate API’siyle typesafe-ai/jev, changelog 16 Eyl 2026), Cloudflare Workers AI (typesafe/jev). Vercel’in Boolean ilkeli TypeSafe’in Noul’una denk geliyor. Her sağlayıcının ID’sini dikkatli okuyun; aynı string değiller.
📣 X lansman anı
Bu araştırma geçişinde canlı X HTML’i çekmedim (fetch yüzeyleri kapalı veya cılızdı). İkincil takipçiler ve thread aynaları özet için yeterince tutarlı. Diogo Almeida lansmanı yaklaşık 15 Eyl 2026’da @CompleteSkeptic hesabından attı. Thread aynaları çekirdek iddiaları aktarıyor: RLCD, metin üretimi yok, kabaca 20-200× hızlı ve 40-400× ucuz (çıktı token’ı ücretsiz), üstüne Doom ve Wikiracing klipleri. Doomers lansman takipçisi o gönderi için kabaca 30,4 milyon görüntülenme bildiriyor (vaka sayfalarında yaklaşık 30.443.909); takip ettikleri lansmanlar arasında üst sıralarda, günü küçük takipçiyle başlayan bir hesaptan. Görüntülenme sayılarını takipçi verisi sayın, denetlenmiş Nielsen rakamı değil. Tepkiler alışıldık lansman karışımı: mühendisler tipli karar ve fiyata heyecanlı, şüpheciler workflow eval’lerin aşırı uyum sağlayıp sağlamadığını ve “halüsinasyon yok”un kategori oyunu olup olmadığını soruyor. The Register haberi ve Forkast ürün okuması ikinci kampa düşüyor; arayüz fikrini inkâr etmeden.
Fonlama: The Register, TypeSafe AI’yi çıkışta $40 milyon fonla yazıyor. Forkast, DCVC liderliğinde $40 milyon seed ve bildirilen ~$200 milyon değerleme anlatıyor. Bunlar basın rakamları. Doğrulanmamış cap-table ayrıntısını tekrarlamıyorum.
✅ Jev’i ne zaman kullanın / ne zaman kullanmayın
Kullanın: karar darsa, seçenek kümesi biliniyorsa, gecikme bütçesi sıkıysa ve eşikleri kodunuz yönetebiliyorsa. Niyet yönlendirme, triyaj, rubrik skorlama, moderasyon kapıları, atıf kontrolü, ajan döngüsünde tool seçimi, büyük korpus üzerinde map-reduce tarzı etiketleme. Mimari kazanç güven-kapılı yönlendirme: yüksek güvende otomatik aksiyon, düşükte eskalasyon.
Kullanmayın: düz yazı, açık uçlu plan anlatımı, yaratıcı yazım veya tek soruya tıkıştırılmış çok atlamalı akıl yürütme gerektiğinde. Hesap makinesi diye kullanmayın. Filtresiz koca korpusu state’e boca edip umut etmeyin. Geçerli bir Choice’u denetim sanmayın. Yüksek etkili aksiyonları yalnız model yargısına bağlayıp göndermeyin. awesome-jev’in start-here bölümü de aynı şeyi söylüyor: kendi verinizde doğrulayın, eşikleri kalibre edin, geri dönüşsüz araçların önünde deterministik kontroller tutun.
🧪 Pratik mimari: güven kapılı yönlendirme
Jev’i “daha ucuz GPT” diye düşünmek yanlış çerçeve. Doğru çerçeve, kodun sahibi olduğu bir karar katmanı. Tipik bir desen şöyle: gelen isteği veya ajan adımını state yapın; bir Choice ile niyeti sınıflandırın; bir Score ile riski notlayın; bir Noul ile “bu adım geri dönüşsüz mü?” diye sorun. Sonra eşikleri sizin politikanız uygular. Destek bileti yönlendirme gibi düşük riskli işlerde orta güven yeterli olabilir. Ödeme, silme veya dışarıya mail atan tool çağrılarında çıtayı yükseltin. TypeSafe’in güven dokümanı da bunu söylüyor: güven, “ne” cevabının yanına “harekete geçeyim mi?” eksenini koyuyor.
Burada kalibrasyon sizin sorumluluğunuz. Şirket, dağılımdan türetilmiş bir güven skoru veriyor; sizin etiketli örneklerinizle eşikleri oturtmanız gerekiyor. awesome-jev’deki bağımsız eval repoları da bunu hatırlatıyor: dahil edilmek, benchmark’ın sizin iş yükünüzde yeniden koşulduğu anlamına gelmiyor. Production’a almadan önce kendi kuyruğunuzda false positive / false negative oranına bakın. Özellikle Noul ile Choice’u aynı eşiğe bağlamayın; jaggedness sayfası bu tür yapısal varsayımların kırıldığını örnekliyor.
🗓️ oguzhan.co’da yedi günlük Jev serisi
Bu yazı 0. gün, küme hub’ı. Günlük ekler (EN yaklaşık 900-1400 kelime, özgün Türkçe yeniden yazımla) 20-26 Eyl 2026’da 11:00 Europe/Istanbul’ta:
- 20 Eyl – İlkel tipler: Choice, Score, Noul, state + questions API.
- 21 Eyl – Güven ve RLCD: kalibre olasılıklar vs chat aşırı özgüveni; jaggedness.
- 22 Eyl – Hız ve maliyet: 70-500 ms, $0,042/MTok, paralel örnekleyici, Pareto nüansı.
- 23 Eyl – Ajanlar ve guardrail: jev-guard, Canny, is-malicious ve akranlar; şema-geçerli ≠ doğru.
- 24 Eyl – Bağlam sıkıştırma: Jev’in seçtiği vs kodun tutması gereken.
- 25 Eyl – Gerçek zamanlı demolar: Doom, Wikiracing, tarayıcı hibritleri; metin state, piksel değil.
- 26 Eyl – Ekosistem ve sınırlar: OpenRouter, Vercel, Cloudflare; LitJev / openjev / kev / NanoJev; Jev’i ne zaman kullanmamalı.
Hafta için tek sayfa kaydedecekseniz bu hub olsun; gün yazıları yayınlandıkça onlara zıplayın. Türkçe okur için kardeş yazı Yapay zeka hub’ının altında. İngilizce AI kümesi için /ai/ elinizin altında dursun.
📚 Kaynaklar
- TypeSafe: Introducing System One Models & Jev (15 Eyl 2026)
- TypeSafe dokümantasyon (ilkeller, güven, modeller, jaggedness)
- TypeSafe: jev-1.13 jaggedness
- cobanov/awesome-jev (+ 19 Eyl araştırma notları)
- The Register: TypeSafe AI debuts model… plays Doom (16 Eyl 2026)
- Vercel changelog: Jev on AI Gateway (16 Eyl 2026)
- OpenRouter: typesafe/jev-1.13
- Cloudflare Workers AI: typesafe/jev
- Doomers lansman takipçisi: TypeSafe AI / Jev (X görüntülenmeleri)
- Thread aynaları / ikincil: Thread Navigator @CompleteSkeptic; Forkast ürün okuması (17 Eyl 2026)
