TypeSafe AI เปิด Jev — โมเดลที่ยอมทิ้งความสามารถในการสร้างสตริง เพื่อคืนแต่ decision แบบ typed พร้อมความน่าจะเป็น อ้าง 193.6x เร็วกว่า 444.6x ถูกกว่า

วันที่ 15 ก.ย. 2026 บริษัทชื่อ TypeSafe AI ออกจาก stealth หลังอยู่เงียบ ๆ มาสองปี ผู้ก่อตั้งคือ Diogo Almeida ซึ่งเขียนเองในประกาศว่าเคยอยู่ OpenAI และ “helped build the methods that made language models useful at following instructions and talking with people. That work ended up as the research behind ChatGPT” — คือสาย RLHF โดยตรง

สิ่งที่เขาเปิดตัวไม่ใช่ LLM ที่เก่งขึ้น แต่เป็นการเดินสวนทาง เขาเรียกมันว่า System One Models และโมเดลตัวแรกชื่อ Jev คำอธิบายที่กระชับที่สุดอยู่ในประโยคเดียวของเขาเอง: “Think of Jev as a frontier-intelligence function call: unstructured state in, typed probabilistic decisions out.”

ยอมทิ้งสตริง แลกกับอะไร

LLM ทุกตัวในวันนี้ output เป็นข้อความ ความยืดหยุ่นนั้นคือทั้งจุดแข็งและต้นทุน — โปรแกรมที่จะใช้คำตอบต้อง parse ต้อง validate และยังมีโอกาสที่โมเดลจะหลุดกรอบ Jev ตัดปัญหานี้ด้วยการไม่สร้างสตริงเลย

	LLM ปัจจุบัน	Jev
ฝึกด้วย	RLHF / RLVR	RLCD (Reinforcement Learning for Calibrated Decisions)
ปรับให้เก่งเรื่อง	ความชอบของมนุษย์ / รางวัลที่ตรวจได้	decision ที่ความมั่นใจตรงกับความถูกต้องจริง
อินพุตที่เน้น	ลำดับข้อความสนทนา	สถานะของโปรแกรมแบบมีโครงสร้าง
เอาต์พุต	สตริง ต้อง parse + validate	ค่าตาม type ที่ กำหนดโครงสร้างและชุดคำตอบไว้ล่วงหน้า
การสุ่ม	ตามลำดับ ทีละโทเคน	ขนาน ออกทุกค่าในคิวรีเดียว
ความมั่นใจ	มั่นใจเกินจริงและไม่คงเส้นคงวา	ทุกคำตอบมาพร้อมความน่าจะเป็นที่ calibrate แล้ว

ประกาศเขียนตรง ๆ ว่า “While Jev gives up string generation, it’s optimized for structured outputs and can’t hallucinate” และ “The model never makes type errors” — ข้อหลังนี้เขายืนยันด้วยเหตุผลเชิงโครงสร้างว่า schema matching การันตีโดยตัวสถาปัตยกรรม จึงใส่ 0% ลงกราฟได้ พร้อมหมายเหตุกำกับซื่อ ๆ ว่า “Our number is not empirical” ส่วนตัวเลขฝั่ง LLM ที่เอามาเทียบนั้นมาจาก OpenRouter ซึ่งเขาเองบอกว่า “there almost certainly is bias here”

Jev รองรับ cardinality ได้ถึง 255 ตัวเลือกต่อคำถาม ถ้ามากกว่านั้นต้องทำสองขั้น คือให้คะแนนแยกแล้วค่อยเลือก ซึ่งเป็นสาเหตุที่เดโมบางอันช้าลง

ตัวเลขที่เขาอ้าง และหมายเหตุที่เขาเขียนเอง

พาดหัวบนหน้าแรกคือ 193.6x Faster, 444.6x Cheaper ตัวอย่างในหน้าเดียวกันแสดงคอลเดียว: TypeSafe $0.000081 เสร็จใน 0.114 วินาที เทียบกับ LLM $0.013880 เสร็จใน 8.566 วินาที

• ราคา: ขาเข้า $0.042 ต่อล้านโทเคน ($42 ต่อพันล้านโทเคน) ขาออก ฟรี โดยเขียนกำกับว่า “too cheap to meter” — หน้าแรกเทียบไว้ว่าถูกกว่าราคาขาเข้าของ Claude Fable 5.1 238 เท่า
• ความเร็ว: end-to-end 70ms–500ms เทียบกับ 3 ถึง 329 วินาทีของโมเดล frontier คิดเป็น 40x–200x
• เดโม Doom: บอตยิงคิวรีราว 10 ครั้งต่อวินาที ตกราว $7 ต่อชั่วโมง

สิ่งที่ทำให้ประกาศนี้อ่านแล้วต่างจากประกาศโมเดลทั่วไป คือ เขาใส่กล่อง “Nuance” กำกับข้อกล่าวอ้างของตัวเองแทบทุกข้อ และหลายข้อเป็นการปัดคะแนนตัวเองลง

• เบนช์มาร์กที่เผยแพร่ “generally run from our laptops on the West Coast” ซึ่งเป็นที่ตั้งของบริการ
• เรื่องราคา: “We can’t prove it isn’t subsidized”
• workflow evals ใช้ค่าเฉลี่ยของ GPT-6 Astra กับ Fable 5.1 เป็นคำตอบอ้างอิง ซึ่งเขาระบุเองว่า “biases answers towards OpenAI and Anthropic’s models” — แปลว่า “ความถูกต้อง” ในกราฟคือ “ตรงกับที่สองโมเดลนั้นตอบ” ไม่ใช่ ground truth
• workflow ทั้งสี่ชุด “were made by individuals on our model capabilities team, so some bias could exist”
• เดโมเทียบข้าง ๆ ใช้คิวรีที่ “highly simplified” และอินพุตสั้น ซึ่ง “paints our model in an advantageous light”
• เดโม Wikiracing เทียบกับ โหมดที่ไม่ใช่ reasoning ของโมเดลคู่แข่ง (Astra ตั้งที่ reasoning ต่ำสุด) โดยเขียนเองว่า “The LLMs look much worse at this task than with reasoning enabled”
• เดโม Doom ทำงานบน state ที่เป็นโครงสร้างข้อมูล ไม่ใช่ภาพ และ “A non-AI doom bot could play better”

สิ่งที่ยังไม่มี ก็ชัดเจนไม่แพ้กัน — ไม่บอกขนาดโมเดล ไม่มีคะแนนบนเบนช์มาร์กสาธารณะตัวใดเลย (คำถาม “How does Jev perform against public benchmarks?” อยู่ใน FAQ ที่พับไว้) ไม่มี weights ไม่มีเปเปอร์ และการเข้าถึงยังเป็น early access จาก waitlist

ที่มาของชื่อ: System One มาจาก Thinking, Fast and Slow ของ Daniel Kahneman ส่วน Jev ตั้งตาม William Stanley Jevons — เขาคาดว่าราคาปัญญาที่ถูกลงทุกหนึ่งขั้นจะทำให้ความต้องการโตขึ้นหลายเท่า แบบเดียวกับที่เครื่องจักรไอน้ำประหยัดถ่านหินแล้วทำให้ใช้ถ่านหินมากขึ้น

มุมมอง AI Curator

ข้ออ้างที่ต้องแยกให้ขาดคือคำว่า “can’t hallucinate” มันจริงในความหมายที่แคบมาก และคำว่า “type-safe” ก็บอกขอบเขตนั้นอยู่ในตัว: Jev ตอบนอก schema ไม่ได้ เพราะสถาปัตยกรรมบังคับ นั่นคือการรับประกันรูปแบบ ไม่ใช่การรับประกันความถูกต้อง โมเดลยังตอบผิดได้เต็มที่ แค่ผิดอยู่ในกรอบที่ parse ได้เสมอ — ซึ่งสำหรับโค้ดที่อยู่ลึกลงไปสามชั้นใน dependency chain มันมีค่ามากจริง ๆ เพราะระบบไม่ล้ม แต่ใครที่อ่านแล้วเข้าใจว่า “ไม่มั่ว” จะเข้าใจผิด ข้อกล่าวอ้างที่ควรจับตาจริง ๆ จึงไม่ใช่ type-safety แต่คือ calibration — ถ้าโมเดลบอก 80% แล้วมันถูก 80% จริงตามนั้นในงานของคุณ นั่นคือของที่ LLM ทำไม่ได้และมีค่ามาก เพราะมันคือสิ่งที่ทำให้ตั้ง threshold แล้วปล่อยให้ระบบตัดสินใจเองได้ ปัญหาคือข้อนี้ต้องพิสูจน์บนข้อมูลของคุณเอง และ ยังไม่มีใครนอกบริษัทได้ทดสอบ

ส่วนที่น่าชมคือกล่อง Nuance ทีมนี้เขียนข้อจำกัดของตัวเองไว้ละเอียดกว่าที่ห้องแล็บใหญ่ ๆ ทำ — โดยเฉพาะการบอกเองว่าเทียบกับโหมดไม่คิดของคู่แข่ง และการยอมรับว่า ground truth ของตัวเองคือค่าเฉลี่ยของ Astra กับ Fable ซึ่งเป็นข้อจำกัดเชิงวิธีวิทยาที่ลึกกว่านั้น: ถ้าคำตอบอ้างอิงคือ “โมเดลใหญ่ตอบว่าอะไร” เพดานของ Jev บนเบนช์มาร์กนั้นก็คือการเลียนแบบ LLM ได้สนิทพอดี ไม่ใช่การถูกต้องกว่า และเลข 193.6x/444.6x ก็ต้องอ่านว่าเป็น “เท่ากับ LLM ที่ราคาเศษเสี้ยว” ไม่ใช่ “เก่งกว่า”

สำหรับนักพัฒนาไทย มีข้อหนึ่งที่กระทบตรงและไม่มีใครในประกาศพูดถึง — 70ms จะไม่ใช่ 70ms จากกรุงเทพฯ บริการตั้งอยู่ฝั่ง West Coast และเบนช์มาร์กรันจากโน้ตบุ๊กที่นั่น ลำพัง round-trip จากไทยไปแคลิฟอร์เนียก็ราว 180–220ms แล้ว จุดขายทั้งหมดของโมเดลคลาสนี้คือ “เร็วพอจะฝังใน if-statement” ซึ่งแปลว่า latency ที่คุณจะได้จริงถูกกำหนดโดยภูมิศาสตร์มากกว่าสถาปัตยกรรม จนกว่าจะมี region ในเอเชีย งานที่ควรลองก่อนจึงเป็นงานแบบ batch — map-reduce บนข้อมูลก้อนใหญ่ จัดหมวด ดึงฟิลด์ ให้คะแนน — ซึ่งราคาเป็นตัวแปรหลักและ latency ไม่สำคัญ ไม่ใช่งาน real-time UX ที่เขาโฆษณา

เรื่องสุดท้าย ถ้า System One Models ทำงานได้จริงตามที่อ้าง สิ่งที่มันแทนที่ไม่ใช่ LLM ตัวใหญ่ แต่คือ โมเดลเล็กที่หลายทีมทุกวันนี้ fine-tune เองเพื่อทำงานจัดหมวดและ routing — งานที่เจ้าของระบบทราบดีว่าเปลืองทั้งเวลาเทรนและ GPU แต่เพราะยังไม่มี weights ไม่มีตัวเลขสาธารณะ และยังเป็น waitlist ตอนนี้จึงยังเป็นข้อเสนอที่น่าสนใจ ไม่ใช่ข้อสรุป วิธีที่ถูกต้องคือขอคิวเข้า waitlist แล้วรันงานของตัวเองเทียบ ไม่ใช่เชื่อกราฟบนหน้าแรก

แหล่งข่าว

• Introducing System One Models & Jev — TypeSafe AI (15 ก.ย. 2026)
• TypeSafe AI — หน้าแรก (193.6x / 444.6x, $42 ต่อพันล้านโทเคน)
• Hacker News — การอภิปรายประกาศนี้ (651 คะแนน)