В сообществе умного дома Home Assistant появился плагин HA-Jev, устроенный предельно просто. Датчики отслеживают мощность стиральной машины и состояние двери прачечной, после чего модели задаётся единственный вопрос: не забыли ли бельё в барабане.

Модель не выдаёт никакого текста, а лишь возвращает вероятность. Если уверенность превышает восемь десятых, на телефон приходит напоминание. Одно такое суждение занимает десятки миллисекунд и стоит около пятнадцати миллионных долей доллара.

Разработчик плагина оставил на форуме фразу, которая точно описывает суть момента: раньше он использовал большие языковые модели для ответов на вопросы, которые вовсе не требовали генерации текста, ведь забытое бельё — это суждение, а не сочинение.

Этот сдвиг связан с появлением модели Jev, созданной бывшим исследователем OpenAI Диогу Алмейдой. Её называют моделью «первой системы»: у неё нет языка, она не порождает ни единого слова, а только выдаёт вероятностные оценки.

За считанные дни вокруг неё выросло около пятисот открытых проектов. Логика проста: если лишить модель желания выражаться, прежде дорогие и громоздкие приложения внезапно становятся лёгкими.

Показательнее всего перемены в инфраструктуре агентов. Разработчица Тамара Тран написала плагин для сжатия контекста в Claude Code, который не пересказывает историю, а оценивает релевантность каждого вызова инструмента и безжалостно удаляет всё ниже порога.

Почти миллион токенов за секунду сжимается до восьмидесяти шести тысяч, и модель при этом не пишет ни одного символа. Идея проста: суммаризация — дорогая генерация, а фильтрация — холодное суждение.

Похожее происходит в автоматизации мобильных устройств: команда Droidrun создала агента mobile-jev, который в демонстрации управлял реальным Android-телефоном, открыл Uber, ввёл маршрут и дошёл до экрана оплаты за девять шагов и двадцать одну секунду, ни разу не обратившись к генеративной модели.

Jev проникает и в базы данных, и в игровые среды: им управляют персонажем в Super Mario, в Doom и даже выполнили первую боевую задачу в StarCraft, где решение нужно принять за десятки миллисекунд.

В обработке данных разница тоже разительна: задача сопоставления девяти тысяч товарных записей, от которой разработчик отказался из-за дорогих API, на Jev заняла тринадцать минут и стоила тридцать два цента.

Имя модели отсылает к экономисту Уильяму Стэнли Джевонсу и его парадоксу: когда эффективность использования ресурса растёт, его общее потребление не падает, а взрывается.

TypeSafe AI установила цену в сорок две тысячных доллара за миллион входных токенов, а выходные данные бесплатны. При десяти тысячах решений в день месячный счёт составит около ста двадцати долларов, тогда как топовая модель рассуждений обошлась бы примерно в тридцать пять тысяч.

Такое падение стоимости мгновенно оживляет сценарии, которые раньше считались коммерчески бессмысленными: сканирование сотен страниц и построение карты внутренних ссылок за сорок пять секунд и двадцать один цент, что прежде было немыслимо.

Алмейда, участвовавший в создании ChatGPT и соавтор RLHF, сформулировал это так: у нас в руках была молния, но пользоваться ею было неудобно. По его мнению, индустрия слишком долго оптимизировала человеческий язык, тогда как машинам нужны ясные команды и вероятности, а не риторика.

«Суждение» и «генерация» разделяются. Раньше считалось, что интеллект — это монолит, но Jev показал, что часть работы требует рассуждения и выражения, а часть — лишь быстрой оценки, и связывать их вместе расточительно.

Уже через день после запуска сообщество выпустило открытую версию на основе DiffusionGemma, что говорит о появлении целой категории моделей суждения, а не об одном продукте.

В новой архитектуре у системы не один «мозг», а разделение труда: массовые миллисекундные решения отдаются дешёвой интуитивной модели, и лишь в редких точках, где нужно обратиться к человеку с текстом или черновиком документа, пробуждается дорогая генеративная модель.

Это не просто снижение затрат, а начало перехода ИИ-инфраструктуры от централизации к распределённому разделению труда. Когда стоимость одного суждения падает с нескольких центов до десятитысячных долей цента, разработчики не делают прежние сто проверок дешевле — они начинают делать десять тысяч проверок, которых раньше просто не существовало.