JEV Nedir? Yapay Zekânın Refleks Katmanı (System One Modeli)

Elinizi sıcak bir yüzeye değdirdiğinizde düşünmüyorsunuz. "Bu yüzey tahminen 70 derece, deri hasarı riski yüksek, elimi çekmeliyim" diye akıl yürütmüyorsunuz; el zaten çekilmiş oluyor. Düşünme sonradan geliyor.

Yapay zekâ sistemlerinde tam da bu katman eksikti. Bir LLM'e "bu yorum spam mı?" diye sorduğunuzda model düşünüyor, cümle kuruyor, gerekçe yazıyor — siz aslında tek bir bit istemiştiniz. Maliyet de gecikme de bu gereksiz düşünmeden geliyor.

TypeSafe'in JEV modeli tam olarak bu boşluğu dolduruyor. Bu yazıda JEV'in ne olduğunu, ne olmadığını, nasıl çalıştığını ve fiyat-sınır tablosunun gerçekte ne anlama geldiğini anlatıyorum.

JEV nedir?

JEV, TypeSafe AI'ın amiral gemisi modeli ve şirketin "System One" diye adlandırdığı model ailesinin ilki. Yazının yazıldığı sırada güncel sürüm jev-1.13.0; jev-latest ve jev-preview takma adları da bu sürüme işaret ediyor.

Çalışma mantığı bildiğiniz modellerden farklı. JEV'e bir durum (state) ve bir ya da daha fazla tipli soru veriyorsunuz; size metin değil, kodunuzun doğrudan kullanabileceği yapılandırılmış bir cevap dönüyor:

• Choice — "şu seçeneklerden hangisi?" Tek bir seçenek, her seçenek için olasılık ve bir güven skoru döner. Bir Choice sorusunda en fazla 255 seçenek tanımlayabiliyorsunuz.
• Score — "bu, tarif ettiğim cetvelin neresine düşüyor?" Sıralı seviyeler verirsiniz (en az 2, en fazla 10), size seviye + olasılık dağılımı + güven döner.
• Noul — "bu ifade doğru mu?" 0 ile 1 arasında tek bir olasılık döner.

Hepsi bu. JEV size cevap yazmaz, kod üretmez, gerekçesini anlatmaz. Sadece karar verir.

System One ve System Two

Ad, Kahneman'ın iki sistemli düşünme modelinden geliyor. Sistem 1 hızlı, sezgisel ve otomatiktir; Sistem 2 yavaş, çabalı ve mantıksaldır.

Bugünkü LLM'ler Sistem 2 tarafında duruyor: plan kurarlar, adım adım düşünürler, metin üretirler. Güçlü olmalarının sebebi de bu. Ama bir yazılımın verdiği kararların çok büyük kısmı Sistem 2 işi değil:

• Bu e-posta fatura mı, sponsorluk teklifi mi, spam mi?
• Ajanın bu dosyayı gerçekten okuması gerekiyor mu?
• Bu talep basit bir veritabanı sorgusuyla mı çözülür, yoksa insana mı gitmeli?

Bunlar refleks kararları. Bir LLM'e sorduğunuzda doğru cevabı alırsınız ama bedelini gereksiz yere ödersiniz. TypeSafe'in dokümantasyonu bu ayrımı net koyuyor: System One modelleri "yazılım için hızlı, yapılandırılmış kararlar verir" ve "cevap yazmaz, kod üretmez, muhakemesini açıklamaz."

Bunu harness kavramıyla birlikte düşünmekte fayda var: model bir fonksiyondur, sistemi siz kurarsınız. JEV bu cümlenin en uç örneği — etrafına makine kurulmadan tek başına hiçbir işe yaramaz.

JEV'in yapmadığı şeyler

Bir aracı anlamanın en hızlı yolu, sınırlarını görmek. JEV:

• Metin üretmez. Dokümantasyon bunu açıkça söylüyor: üretim için eğitilmemiş. Choice'ları zincirleyerek zorlayabilirsiniz ama "iyi çalışmaz ve çok yavaş olur."
• Sohbet etmez. Konuşma geçmişi, rol, asistan kimliği yok. Her çağrı bağımsız bir değerlendirmedir.
• Araç çağırmaz. Kendi başına dosya okumaz, API çağırmaz, komut çalıştırmaz. Hangi aracın çağrılacağına karar verebilir; çağırmayı sizin kodunuz yapar.
• Görsel, ses, video almaz. Yalnızca metin.
• Saymaz, tarih karşılaştırmaz, aritmetik yapmaz. Bunları koda bırakmanız gerekiyor — ayrıntısını JEV'in sınırları ve harness kurulumu yazısında ele aldım.

Bu liste kısıtlama gibi görünüyor ama asıl değer burada: cevap uzayı önceden tanımlı olduğu için çıktı ayrıştırılmaya muhtaç değil. JSON bekleyip bozuk JSON almak, "sadece evet ya da hayır yaz" deyip üç paragraf açıklama almak diye bir sorun yok.

İlk çağrı

Python SDK'sıyla en yalın hâli şöyle:

from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient()  # TYPESAFE_API_KEY ortam değişkenini okur

response = client.system_one(
    state="Kargom 9 gündür yolda, kimse dönüş yapmıyor. Param iade edilsin.",
    questions={
        "iade_talebi": Noul(instructions="Müşteri para iadesi mi istiyor?"),
    },
)

print(response.answers["iade_talebi"].noul)  # örn. 0.97

Kurulum pip install typesafe-sdk, anahtar TYPESAFE_API_KEY ortam değişkeninden okunuyor. HTTP tarafında tek bir uç nokta var:

POST https://api.typesafe.ai/v1/systemone
Authorization: Bearer <API_KEY>
Content-Type: application/json

Dikkat edilecek nokta: response.answers["iade_talebi"].noul bir metin değil, bir sayı. if yazabileceğiniz bir sayı. JEV'in bütün olayı bu cümlede.

Üç soru tipinin ayrıntısını, kriter yazmanın kurallarını ve güven skorunun nasıl okunacağını Choice, Score ve Noul yazısında ayrı ayrı ele aldım.

Tek çağrıda onlarca soru

JEV'i alışık olduğunuz modellerden ayıran ikinci özellik bu: bir istekteki bütün sorular paralel değerlendiriliyor. Dokümantasyonun ifadesiyle, soru eklemek yanıt süresini neredeyse hiç değiştirmiyor; yalnızca o sorunun token'ları kadar maliyet ekliyor.

TypeSafe'in yayımladığı bir örnek çalışmada, GDPR üzerine 13 soruluk bir değerlendirme tek çağrıda sorulduğunda 13 ayrı çağrıya kıyasla yaklaşık 12 kat daha ucuz ve 10 kat daha hızlı oluyor — cevaplar değişmeden.

Bunun pratik sonucu, alışkanlıklarınızı tersine çevirmesi: "belki lazım olur" diye düşündüğünüz soruları da sormak artık rasyonel. Kodunuz hangi cevabı kullanacağına sonra karar verir. Dokümantasyon buna speculative fan-out diyor.

Fiyat, bağlam ve limitler

	Değer
Model	jev-1.13.0 (jev-latest, jev-preview)
Girdi ücreti	milyon token başına 0,042 dolar
Çıktı ücreti	ücretsiz
Bağlam	istek başına toplam 64k token
Durum (state)	state + en uzun soru için 32k token
Hız limiti	saniyede 250.000 token, dakikada 1.200 istek
Girdi türü	yalnızca metin

Bu tablodaki asıl çarpıcı satır fiyat. Milyon girdi token'ı için 4 sente yakın bir rakam, çıktı tarafı bedava. Yani binlerce kısa sınıflandırma yapan bir iş yükü, LLM'lerle konuştuğunuzda ciddi bir fatura çıkarırken JEV tarafında kuruşlarla ölçülüyor.

Kamuya açık bir karşılaştırmada, aynı sınıflandırma testinin büyük bir akıl yürütme modelinde 176 dolara, JEV'de 39 sente mal olduğu paylaşıldı. Sayılara birebir güvenmeyin — kendi iş yükünüzde ölçün — ama büyüklük mertebesi fikri doğru: burada yüzde onluk bir tasarruftan değil, iki-üç basamaklı bir farktan bahsediyoruz.

Bir uyarı da dilde: dokümantasyon, modelin birincil eğitim dilinin İngilizce olduğunu ve en iyi doğruluğu orada verdiğini söylüyor. Türkçe içerikte de çalışıyor; ama kritik bir akış kuruyorsanız soruları İngilizce yazıp durumu (state) Türkçe bırakmayı ölçerek karşılaştırın.

Nerede işe yarar, nerede yaramaz

İşe yarar: sınıflandırma, yönlendirme, moderasyon, öncelik verme, filtreleme, yeniden sıralama, "bu adım gerekli mi?" tipi kapı kararları — yani cevabın kapalı bir kümeden geldiği her yer.

İşe yaramaz: metin yazma, kod üretme, özetleme, çeviri, açıklama. Bunlar hâlâ LLM işi. JEV bir LLM'in yerine geçmiyor; LLM'in önüne geçiyor. Hangi LLM'in, hangi bağlamla, ne zaman çalışacağına karar veren ucuz katman oluyor.

Doğru zihinsel model şu: kodunuzdaki if bloklarını düşünün. Kural yazılabilen yerlerde if zaten yeterli. Asıl sıkıntı, kural yazılamayan yerlerde — "bu yorum saldırgan mı", "bu mail acil mi" — anahtar kelime listeleriyle sahte kurallar uydurmanız. JEV, o boşluğa oturan akıllı if.

Nasıl başlanır?

1. pip install typesafe-sdk ve TYPESAFE_API_KEY ortam değişkeni.
2. Kendi ürününüzden gerçek 50-100 örnek alın. Yapay örneklerle test etmeyin; JEV'in zayıf olduğu yerler tam da gerçek verinin dağınık kısımlarında çıkıyor.
3. Elle etiketleyin, JEV'e sorun, eşleşmeye bakın. Ölçmeden üretime almayın.
4. Kodlama ajanı kullanıyorsanız TypeSafe'in resmî yeteneğini kurun:

claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

Bu bir agent skill; ajana API'yi, soru tiplerini ve mimari kalıpları öğretiyor, böylece "projemde kırılgan ayrıştırma kodunu JEV'le değiştirebileceğim yerleri bul" diyebiliyorsunuz.

Son söz

JEV'i önemli yapan şey ham zekâsı değil; modellerin etrafındaki eksik katmanı tamamlaması. Bugüne kadar her kararı, en ucuzundan en kritiğine, aynı pahalı düşünme mekanizmasına yaptırıyorduk. Refleksle muhakemeyi ayırmak, hem maliyeti hem gecikmeyi hem de mimariyi değiştiriyor.

Ama tek başına bir kutudan çıkan çözüm değil. JEV size bir olasılık bulutu verir; onu eyleme çeviren makineyi siz kurarsınız. Bu yüzden asıl iş, modelde değil, etrafına kuracağınız sistemde.

Devamı için: Choice, Score ve Noul, 10 gerçek kullanım senaryosu ve harness, maliyet ve sınırlar.

Bu yazıdaki teknik değerler TypeSafe'in resmî dokümantasyonuna dayanıyor ve sürümle değişebilir; üretime almadan önce güncel dokümantasyondan doğrulayın.

Sık Sorulan Sorular

JEV nedir?

JEV, TypeSafe AI'ın "System One" adını verdiği model ailesinin ilk üyesi. Metin üretmek yerine yapılandırılmış karar veriyor: kendisine bir durum ve tipli sorular veriyorsunuz, size seçenek, skor ya da evet/hayır olasılığı dönüyor. Sohbet modeli değil, kodunuzun içine gömülen bir karar katmanı.

JEV bir LLM mi?

Hayır. Bir LLM metin üretir; JEV üretmez. Cevapları önceden tanımladığınız kapalı bir kümeden gelir (seçenek, cetvel seviyesi ya da 0-1 arası olasılık). Bu yüzden JEV bir LLM'in yerini almaz, önüne geçer: hangi LLM'in ne zaman çalışacağına karar veren ucuz katman olur.

JEV ne kadar tutuyor?

Dokümantasyona göre girdi tarafı milyon token başına 0,042 dolar, çıktı tarafı ücretsiz. Sınıflandırma ve yönlendirme gibi işlerde bu, aynı işi LLM'e yaptırmaya kıyasla iki-üç basamak daha ucuz bir maliyet anlamına geliyor.

JEV Türkçe çalışıyor mu?

Çalışıyor, ancak dokümantasyon birincil eğitim dilinin İngilizce olduğunu ve en iyi doğruluğun orada alındığını belirtiyor. Pratikte soruların ve kriterlerin İngilizce yazılıp değerlendirilecek metnin kendi dilinde bırakılması makul bir başlangıç; hangisinin sizin verinizde daha iyi olduğunu ölçerek karar verin.

JEV ile LLM birlikte kullanılabilir mi?

Asıl kullanım biçimi bu. JEV ucuz ve hızlı kararı verir (hangi ajan, hangi araç, hangi öncelik, bu adım gerekli mi), LLM ise gerçekten üretim gerektiren işi yapar. Böylece pahalı model yalnızca gerektiğinde ve doğru bağlamla çalışır.

JEV'i kullanmak için ne gerekiyor?

Bir API anahtarı, typesafe-sdk paketi ve etrafına yazacağınız kod. Kritik olan sonuncusu: JEV tek başına bir ürün değil, bir karar motoru. Kararı uygulayan akışı siz yazmadığınız sürece elinizde yalnızca bir olasılık listesi olur.