Firma TypeSafe AI představila Jev, model určený pro rozhodování uvnitř softwaru. V praxi nás hlavně zajímalo, jak zvládne práci, kterou už běžně na AI delegujeme: přečíst vstup, posoudit ho podle zadání a vybrat další krok. V našem případě třeba určit, do jaké kategorie patří příchozí e-mail.
Taková úloha vypadá nevinně. Systém při ní nepotřebuje napsat dlouhou odpověď ani vést konverzaci, ale musí se správně rozhodnout a předat výsledek dál. Právě pro tento typ práce je Jev užitečný. Chtěli jsme zjistit, jestli nám přinese něco navíc oproti modelu, který jsme už používali.
V čem se Jev liší od jiných modelů
Když používáte ChatGPT, můžete se ptát, nechat si vysvětlit problém nebo si připravit návrh textu. Jev funguje tak, že mu předáte kontext a předem definované otázky. Vrátí rozhodnutí, například vybranou kategorii nebo skóre.
Například u zprávy: „Dobrý den, prosím o zaslání faktury za září“ má třídič určit, zda patří do fakturace, podpory, nebo sales. Jev může vyhodnotit jako správné kategorii „fakturace" a vrátit výsledek v podobě, kterou software rovnou zpracuje. Napsání odpovědi zákazníkovi je už další, samostatný úkol.
Výsledky vrací ve formátu JSON, tedy jako strukturovaná data pro aplikaci. U výběru mezi možnostmi uvede také pravděpodobnosti a údaj confidence, který shrnuje, jak jednoznačné jsou jednotlivé odpovědi. Aplikace podle něj může předat nejisté případy ke kontrole. Správný formát odpovědi ale sám o sobě nezaručuje správné rozhodnutí.
Pro člověka, který si chce s AI povídat, tak Jev nemá moc využití. Pro vývojáře automatizace může být zajímavý právě tím, že řeší jednu konkrétní část procesu. Zákazník ho vůbec nemusí vidět. Pozná jen, že se jeho zpráva dostala ke správnému člověku rychleji a levněji.
Podobná rozhodnutí řešíme v našem třídiči e-mailů
V Anycoders máme interní nástroj, který pomocí AI třídí e-maily. Jeho součástí jsou rozhodnutí o kategorii zprávy a filtr uchazečů. Model v těchto krocích posuzuje vstup a vrací výsledek, se kterým nástroj dál pracuje.
Dosud tuto práci dělal DeepSeek V4 Flash 0731. Potřebovali jsme konkrétní rozhodnutí, přesto jsme k tomu používali univerzální jazykový model. A když se objevil Jev, ověřili jsme přínos rovnou na tomto úkolu.
Zajímaly nás tři věci: správnost rozhodnutí, rychlost a cena. Ovšem samotná nižší cena by nám nepomohla, kdyby nástroj začal zprávy zařazovat špatně.
Modely jsme porovnali na stejné práci
Test obsahoval 60 rozhodnutí z našeho třídiče: 44 rozhodnutí o kategorii e-mailu a 16 rozhodnutí filtru uchazečů o práci. U obou modelů jsme vyhodnotili správnost, odezvu a náklady za modely.
Šlo o porovnání na konkrétní práci, kterou náš nástroj potřeboval zvládnout. Test vždy řekne o vhodnosti modelu víc než obecné tvrzení. Zároveň se jednalo o malou testovací sadu. Výsledek na 60 rozhodnutích nemůže zaručit stejnou přesnost na dalších e-mailech, v jiných jazycích ani v jiné aplikaci. Pro další nasazení je potřeba průběžně kontrolovat i nové a nejasné případy.
Co ukázal náš test
Oba modely správně vyhodnotily všech 60 testovaných rozhodnutí. Rozdíl byl hlavně v čekání: medián odezvy klesl z 8,626 sekundy na 0,313 sekundy. V našem testu tak Jev odpovídal v mediánu 27,6× rychleji.
Náklady na API byly o 58,7 % nižší. Po přepočtu vychází tisíc rozhodnutí přibližně na 1,01 Kč místo 2,44 Kč.
| Metrika | DeepSeek V4 Flash 0731 | Jev | Rozdíl |
|---|---|---|---|
| Celková přesnost | 60/60 (100 %) | 60/60 (100 %) | Stejná |
| Přesnost kategorizace | 44/44 (100 %) | 44/44 (100 %) | Stejná |
| Přesnost filtru uchazečů | 16/16 (100 %) | 16/16 (100 %) | Stejná |
| Medián odezvy | 8,626 s | 0,313 s | 27,6× rychlejší |
| P95 odezvy | 30,542 s | 0,465 s | 65,7× rychlejší |
| Průměrná odezva | 11,234 s | 0,348 s | 32,3× rychlejší |
| Celkové náklady na API | 0,1467 Kč | 0,0606 Kč | O 58,7 % levnější |
| Náklady na 1 000 rozhodnutí | 2,44 Kč | 1,01 Kč | O 58,7 % levnější |
Medián představuje prostřední naměřenou hodnotu. P95 ukazuje hranici, do které se vešlo přibližně 95 % odezev. Stoprocentní přesnost platí pro naši testovací sadu; nejde o příslib stejného výsledku v provozu.
Samotný test stál u obou modelů méně než korunu. Při modelových 10 000 rozhodnutích denně ale za 30 dní vychází DeepSeek přibližně na 733 Kč a Jev na 303 Kč. Rozdíl je 430 Kč měsíčně. Jde o odhad podle našeho testu, který zahrnuje jen API, nikoli vývoj a infrastrukturu.
Cena v jiném procesu bude záviset také na délce vstupu. Podle TypeSafe stojí milion vstupních tokenů přibližně 0,92 Kč a výstup je zdarma. Při přesně tisíci vstupních tokenech na požadavek by deset tisíc požadavků denně vyšlo podle tohoto ceníku zhruba na 275 Kč za 30 dní.
Pro nás byla nejvýraznější změnou rychlost. Rozhodnutí, na které třídič běžně čekal několik sekund, dostal během zlomku vteřiny. V této sadě přitom zůstala správnost stejná.
Kde podobný model pomůže
Třídění e-mailů je jeden příklad. Podobně lze například u příchozích poptávek posuzovat, zda odpovídají službám firmy, zda obsahují termín nebo jestli nechybí informace pro zhotovení první nabídky. U podpory může jít o určení naléhavosti, protože problém, kvůli kterému zákazníci nemohou objednat, má jinou prioritu než žádost o změnu telefonu.
Další možností je pomoc při výběru modelu pro AI agenta. Jednoduchý úkol může díky Jevu dostat levnější model, zatímco nejasné zadání nebo úkol s více závislostmi model schopný delšího uvažování. I takový výběr se ale musí ověřit na skutečných úkolech. Pokud levnější model práci nezvládne a musí ji opakovat jiný, úspora tím okamžikem mizí.
V naší praxi bychom dál rádi vyzkoušeli rozpoznání frustrace v zákaznickém chatu nebo kontrolu, zda odpověď agenta dodržuje pravidla firmy. Tyto situace zatím vyzkoušené nemáme, ale nejdříve bychom porovnali výsledky s ručně vyhodnocenými konverzacemi a pak sledovali přehlédnuté problémy i zbytečná upozornění. Další příklady uvádí TypeSafe ve své mapě použití.
Jev nenahradí model pro psaní článků, kódu nebo odpovědí zákazníkům. Jeho místo je právě v rozhodování. Firma TypeSafe model představila 15. září 2026 v režimu early access, tím pádem bychom ho do kritického procesu zapojili až po ověření na vlastních datech a s možností předat nejisté případy člověku nebo jinému modelu.
Pokud ve firmě řešíte podobná opakovaná rozhodnutí, začněte jedním procesem a testem na vlastních datech. Porovnávejte správnost, odezvu a cenu a teprve pak rozhodněte o nasazení. Jestli chcete probrat třídění poptávek, routování agentů nebo zákaznickou podporu, ozvěte se nám. Vybereme konkrétní rozhodnutí a způsob, jak jeho přínos změřit.


