Metin Üretmiyor, Doğrudan Karar Veriyor: Jev Sahneye Çıktı

Levent Öztürk 21 Eylül 2026 23:03

Büyük dil modelleri çoğunlukla metin üretmek için tasarlanıyor ancak otomasyon sistemlerinde her zaman en verimli seçenek olmayabiliyor. TypeSafe AI tarafından geliştirilen Jev adlı yeni model ise, bu yaklaşımı tersine çevirerek doğal dil yanıtları üretmek yerine doğrudan olasılık skorları ve karar çıktıları sunuyor.

Modelin arkasında, daha önce OpenAI’da çalışan ve insan geri bildirimli pekiştirmeli öğrenme yani RLHF yönteminin geliştirilmesine katkı sağlayan Diogo Almeida var. Almeida, büyük dil modellerinin yazılım sistemlerinde ve otomasyon süreçlerinde gereksiz yere karmaşık hale gelebildiğini düşünerek TypeSafe AI girişimini kurdu.

Jev’in en önemli farkı, klasik büyük dil modellerindeki metin üretim aşamasını tamamen ortadan kaldırması. Model, jeton dizileri oluşturmak yerine doğrudan olasılık dağılımları üretiyor ve her karar için güven skoru sunuyor. Bu yaklaşım özellikle yapay zeka ajanlarının denetlenmesi, kod güvenliği ve otomatik sınıflandırma gibi süreçlerde avantaj sağlayabiliyor. Metin üretme adımının devreden çıkarılması işlem süresini kısaltırken, maliyetleri de aşağı çekiyor. Aynı zamanda modelin yalnızca tanımlanmış seçenekler arasında olasılık üretmesi, metin tabanlı sistemlerde görülebilen halüsinasyon riskini ortadan kaldırıyor.

Jev’in sunduğu çıktıların doğrudan yazılım sistemlerine aktarılabilmesi de modeli otomasyon açısından farklı bir konuma taşıyor. Geliştiriciler, modelin verdiği olasılık skorlarını ek bir metin çözümleme aşamasına ihtiyaç duymadan kendi sistemlerinde kullanabiliyor.

Bazı Testlerde Ciddi Hız Farkı Ortaya Çıktı

Vercel mühendislerinin gerçekleştirdiği denemelerde Jev, güvenlik denetimi komutlarında kullanılan ChatGPT Luna 5.6 modelinin yerine entegre edildi. Sonuçlarda Jev’in 5 ila 18 kat daha hızlı çalıştığı ve daha yüksek doğruluk sağladığı belirtildi.

E-posta sınıflandırma testlerinde ise farklı bir tablo ortaya çıktı. Jev, Gemini modelinden bir miktar daha düşük doğruluk gösterse de işlem maliyetini 10 ila 20 kat azaltmayı başardı.

Modelin sunduğu gerçek olasılık skorları, özellikle otomatik karar mekanizmalarında önemli bir avantaj sağlıyor. Sistem, yalnızca hangi seçeneğin doğru olduğunu belirtmek yerine kararın ne kadar güvenilir olduğuna dair sayısal bir çıktı da sunuyor.

Model Yalnızca Sentetik Verilerle Eğitildi

Jev, hızlı ve doğrudan karar vermeye odaklanan “System One” yaklaşımıyla çalışıyor ve eğitim sürecinde yalnızca sentetik veriler kullanılıyor.

Modelin adı ise ekonomideki Jevons Paradoksu’ndan geliyor. Bu kavram, bir kaynağın kullanım maliyeti düştükçe toplam tüketimin azalmak yerine artabileceğini savunuyor. TypeSafe AI da benzer bir etkinin yapay zekada ortaya çıkabileceğini ve işlem maliyetlerinin düşmesinin otomasyon kullanımını çok daha geniş bir ölçeğe taşıyabileceği fikrinde...

İlgili Galeri

Güzellik uğruna yüzyıllarca süren işkence: Çin'de ayak bağlama geleneği Galeriye Gözat Etiketler:

• Yapay zeka
• Internet ve Online