Modèles System One
Des évaluations typées rapides pour les logiciels, pas un LLM conversationnel.
Les modèles System One prennent rapidement des décisions structurées directement exploitables par un logiciel. Un modèle de cette catégorie évalue un état et renvoie des réponses typées avec leurs probabilités. Jev est le modèle phare de TypeSafe et le premier modèle System One public. Comme un LLM, il comprend les entrées en langage naturel. Contrairement à un LLM, il ne rédige pas de réponses, ne produit pas de code et ne génère pas d’explications sur son raisonnement. Vous définissez les réponses possibles au moyen de Choice, Score et Noul.
Ce qui le distingue d’un LLM
Un LLM est entraîné à poursuivre un texte. Un modèle System One est entraîné à prendre des décisions calibrées : les probabilités sont optimisées en fonction des résultats afin de refléter l’incertitude sur des groupes de prédictions. Le calibrage ne garantit pas qu’une réponse donnée soit correcte. Il permet en revanche de définir des seuils dans le code — agir, vérifier ou transmettre — au lieu d’analyser un paragraphe.
Vous ne demandez jamais à Jev de rédiger un e-mail ou une fonction. Vous lui demandez à quelle file attribuer un ticket, quel degré de frustration exprime un client ou si un message réclame un remboursement. Le tableau de la page des concepts de TypeSafe reprend ces trois exemples : Choice renvoie choice: « billing », Score peut renvoyer 1.4 sur une échelle de frustration de 0-2 et Noul peut renvoyer 0.95 pour une vérification oui/non d’une demande de remboursement.
Le nom System One vient de Thinking, Fast and Slow de Daniel Kahneman. Le système 1 est rapide et intuitif. Le système 2 est plus lent et réfléchi. TypeSafe confie l’évaluation rapide au modèle et le flux de contrôle lent à votre application. Si une tâche exige de longues chaînes d’indirection ou une rédaction libre, elle relève d’un modèle génératif ou du code, pas de Jev 1.13.
RLCD plutôt que RLHF
TypeSafe entraîne Jev avec Reinforcement Learning for Calibrated Decisions (RLCD). RLHF est la méthode utilisée pour rendre les modèles conversationnels conciliants. RLVR est la voie habituelle pour les modèles de raisonnement long. RLCD est la méthode documentée par TypeSafe pour System One : récompenser les décisions calibrées plutôt que les jetons fluides. L'annonce de lancement mentionne également une nouvelle architecture et un échantillonneur parallèle qui évalue de nombreuses questions à partir d'un même état.
Comme les poids sont partagés, vous ne procédez ni à l’ajustement fin ni à l’adaptation LoRA de Jev avec les données des clients. Placez les fiches propriétaires dans l’état. Encodez les règles métier dans les instructions et les critères. Décomposez une évaluation générale en questions atomiques, puis combinez les valeurs dans le code. La notation composite et l’ajout en aval d’un modèle classique utilisant les probabilités de Jev sont les méthodes documentées pour se spécialiser sans entraîner de copie privée.
Jev n’accepte actuellement que du texte. Les chaînes, les objets JSON et les tableaux de texte sont autorisés. Les pixels et les formes d’onde ne le sont pas. L’anglais est la principale langue d’entraînement ; les écritures CJK et autres sont acceptées avec une précision moindre, alors testez-les avant d’acheminer une charge de travail non anglophone. La confiance de Choice et Score permet concrètement de soumettre ces langues moins fiables à une validation humaine.
Des évaluations rapides dans un flux de travail plus vaste
Pour une demande de remboursement, la boucle documentée est la suivante : créez un état avec le message, les transactions et la politique ; posez ensemble des questions indépendantes (un remboursement a-t-il été demandé, les éléments montrent-ils un double débit, la politique l’autorise-t-elle ?) ; puis combinez les réponses avec des vérifications déterministes et acheminez le dossier pour traitement ou examen. Une fois les primitives en place, vous pouvez les composer. Grâce aux sorties typées, votre code peut examiner les réponses sans analyseur chargé d’extraire le sens d’un texte résiduel.
Le fan-out spéculatif est le modèle qui rend cette approche économique. Vous envoyez des questions qui pourraient être inutiles, notamment celles qui supposent un type d'appareil ou une intention, puis écartez les résultats non pertinents après l'appel. Des allers-retours séquentiels devraient attendre chaque étape. Jev évalue la table en parallèle, si bien que les questions supplémentaires modifient à peine la latence. C'est pourquoi la démo domotique peut demander simultanément la catégorie, le domaine, l'appareil et l'action.
Appelez un modèle System One avec typesafe-sdk, @typesafe-ai/sdk ou POST https://api.typesafe.ai/v1/systemone. Le champ du modèle sélectionne la version ; les exemples de la documentation utilisent jev-latest, qui désigne actuellement jev-1.13.0. Commencez par les structures d’état et les primitives, puis ajoutez des seuils de confiance avant tout effet secondaire automatique.
Ce qui reste hors de System One
La génération, la planification à long terme et les agents utilisant des outils relèvent du système 2 dans le vocabulaire de Kahneman. Jev 1.13 ne rédigera ni l’e-mail de remboursement, ni le SQL, ni le paragraphe Wikipédia suivant. Il indiquera si le ticket concerne un remboursement, à quelle file l’attribuer et avec quel degré de certitude. Associez-le à un modèle génératif lorsque vous avez réellement besoin de produire des jetons.
L'identité numérique est également exclue. Le comptage, l'ordre des dates et la distance hexadécimale relèvent du code. La page jaggedness répertorie ces cas limites ; sa dernière révision date du 17 septembre 2026. Un flux de travail System One qui ignore ce catalogue semblera calibré, tout en aiguillant selon une lecture littérale erronée.
Les pixels resteront exclus jusqu'à ce que TypeSafe prenne en charge les images. Doom, Wikiracing et l'assistant domotique n'envoient que du texte. Si votre produit est une caméra, commencez par transcrire ou décrire son contenu. La même règle s'applique à l'audio. Les budgets de 64k et 32k concernent les jetons, pas les images.
System One est une catégorie de produits qui ne compte aujourd’hui qu’un seul membre public. Si TypeSafe lance un second modèle sur le même point de terminaison, vous le sélectionnerez au moyen du champ du modèle. D’ici là, jev-1.13.0 est l’identifiant versionné sous-jacent à jev-latest et jev-preview. Considérez tout autre modèle conversationnel ou de raisonnement comme appartenant à une catégorie différente, même s’il intervient dans le même flux de travail global.
RLCD est la méthode d’entraînement que TypeSafe associe à cette catégorie. Ce n’est pas une option à transmettre dans la requête. Vous rédigez toujours des instructions et des critères, et combinez toujours les réponses dans le code. La différence tient à l’objectif d’optimisation des poids : des décisions calibrées, pas des jetons conversationnels. Voilà pourquoi la sortie est Choice, Score ou Noul plutôt qu’un paragraphe.
Réservez les modèles conversationnels à la rédaction. Utilisez Jev pour choisir la voie à suivre. Les deux peuvent partager un flux de travail, mais pas une même requête. Cette séparation est précisément l’intérêt d’un modèle System One placé aux côtés d’un LLM.
Kahneman donne son nom au concept, pas à un mode d’exécution. Vous devez toujours choisir vous-même Choice, Score ou Noul.
Sources