Bạn có thể đã thấy mô hình Jev gần đây. Nó là gì?
Nó hoàn toàn không nói chuyện. Nó không thể trò chuyện với bạn, viết tài liệu hay lập trình.
Nhưng thứ kỳ lạ này đã gây sốt trong cộng đồng AI suốt hai ngày qua, huy động được vòng hạt giống (seed round) trị giá 40 triệu USD, và mọi người đang xếp hàng để xin quyền truy cập.
Vậy Jev là gì?
Sự ra đời của Jev
Jev đến từ một công ty ở San Francisco tên là TypeSafe AI, được phát hành vào ngày 15 tháng 9 năm 2026.
Nhà sáng lập của nó, Diogo Almeida, là cựu nhà nghiên cứu tại OpenAI và là một trong những người đồng sáng tạo ra RLHF (Học tăng cường từ phản hồi của con người).
Chính phương pháp này đã biến các mô hình ngôn ngữ lạnh lùng thành ChatGPT hoạt ngôn và giàu sự đồng cảm.
Nói cách khác, ông ấy là một trong những người dạy cho AI cách nói chuyện.
Giờ đây, người đã dạy AI biết nói lại xây dựng một AI từ chối nói chuyện.
Động lực của anh ấy rất đơn giản.
Anh ấy chia sẻ rằng một câu hỏi đã ám ảnh mình suốt bốn năm:
Các mô hình đã vượt trội hơn con người trong việc trò chuyện, vậy tại sao vẫn còn quá ít sự tự động hóa thực sự?
Chúng ta đã đầu tư hàng nghìn tỷ đô la, nhưng cuộc sống thường nhật không thay đổi nhiều, và phần lớn phần mềm chưa thực sự thông minh.
Jev là gì?
Các mô hình kiểu ChatGPT giống như những chuyên gia tư vấn hoạt ngôn.
Họ trả lời bất cứ điều gì bạn hỏi, trích dẫn nguồn tham khảo, trò chuyện hàng giờ, có EQ cao và xử lý mọi chủ đề.
Jev là một giống loài khác biệt.
Nó giống như một nhân viên kiểm tra chất lượng tập trung trên dây chuyền lắp ráp: bạn đưa cho nó nguyên liệu, và thay vì giải thích, chào hỏi hay bình luận, nó đưa ra một phán quyết dứt khoát.
Các mô hình như Doubao mà chúng ta sử dụng hàng ngày đặc trưng bởi suy luận chậm chạp, tốn sức, giống như giải các bài toán phức tạp.
Jev đặc trưng bởi trực giác phán đoán, giống như ngay lập tức biết ai đó đang giận dữ chỉ bằng cách nhìn mặt họ.
Đơn giản mà nói: "Liếc mắt, có kết quả."
Tại sao chatbot hoạt ngôn lại là nút thắt cổ chai
Hãy tưởng tượng bạn điều hành một cửa hàng trực tuyến nhận được hàng trăm tin nhắn chăm sóc khách hàng mỗi ngày. Bạn muốn AI tự động định tuyến chúng: kế toán về phòng kế toán, hậu cần về phòng hậu cần, vấn đề kỹ thuật về phòng kỹ thuật.
Nghe có vẻ đơn giản.
Nếu bạn sử dụng một LLM tiêu chuẩn, quy trình sẽ diễn ra như sau:
Bước 1: Bạn viết một prompt dài nài nỉ nó, "Vui lòng đánh giá xem tin nhắn này thuộc bộ phận nào. Lưu ý, chỉ trả lời bằng tên bộ phận, đừng nói thêm bất kỳ điều gì khác."
Bước 2: Đôi khi nó ngoan ngoãn trả lời "Kế toán", và bạn vui mừng.
Nhưng đôi khi nó không kìm được bản thân, trả lời bằng một đoạn văn như, "Tin nhắn này dường như chủ yếu liên quan đến các vấn đề kế toán; tôi gợi ý bạn nên kiểm tra lại hồ sơ khấu trừ trước, sau đó..." Nó cố gắng quá mức để giúp đỡ và không thể kiểm soát cái miệng của mình.
Bước 3: Chương trình của bạn cần thêm logic để trích xuất từ khóa "Kế toán" từ phản hồi dài dòng đó. Quá trình này lộn xộn và dễ mắc lỗi.
Bước 4: Vấn đề nghiêm trọng nhất: thỉnh thoảng nó bị ảo giác (hallucinate).
Bạn thiết lập ba bộ phận, nhưng nó có thể trả về bộ phận thứ tư hoặc bịa ra một bộ phận không tồn tại. Đây được gọi là "ảo giác".
Nguyên nhân gốc rễ là do văn bản quá tự do.
Sự tự do tốt cho việc trò chuyện.
Bởi vì nó có thể tạo ra bất kỳ văn bản nào, các LLM có thể trò chuyện, làm thơ và kể chuyện.
Nhưng khi bạn cần tự động hóa, sự tự do này trở thành cơn ác mộng.
Bạn không bao giờ có thể đảm bảo rằng lần tới nó sẽ không đi lệch hướng.
Ngay cả khi xác suất sai lệch là 1/10.000, bạn cũng không dám nhúng nó vào một hệ thống không giám sát để chạy tự động.
Nếu AI không đáng tin cậy, không kiểm soát được và không dự đoán được, thì không thể tin tưởng hoặc tích hợp nó vào phần mềm thực tế ở quy mô lớn.
Giải pháp của Jev: Biến Hỏi - Đáp thành Điền biểu mẫu
Jev thay đổi hoàn toàn mô hình tương tác.
Bạn không đối thoại với nó.
Bạn đưa cho nó một biểu mẫu có cấu trúc cố định, và nó chỉ tick vào các ô trong những trường bạn đã định nghĩa.
Mỗi lần gọi yêu cầu hai thứ.
Thứ nhất, "Trạng thái" (State): nguyên liệu cần đánh giá.
Nó có thể đơn giản như một câu, ví dụ: "Thẻ của tôi bị tính phí hai lần." Hoặc phức tạp, như một bản ghi vé đầy đủ, hội thoại chăm sóc khách hàng, hoặc dữ liệu có cấu trúc kèm thông tin đơn hàng và chính sách hoàn tiền.
Bạn trình bày tất cả bối cảnh nền tảng cùng một lúc, giống như trải các tệp lên bàn trước khi nhờ chuyên gia đánh giá.
Thứ hai, "Câu hỏi": những gì bạn muốn nó đánh giá.
Nó luôn trả về một câu trả lời được định dạng chặt chẽ.
Chương trình của bạn sử dụng trực tiếp mà không cần phân tích cú pháp, làm sạch hay đoán mò.
Quan trọng nhất, có một cam kết cứng rắn: về mặt toán học, không thể điền sai định dạng hoặc đưa ra câu trả lời nằm ngoài bảng lựa chọn.
Tất cả các câu trả lời khả thi đều được khóa trước. Nó chỉ có thể chọn từ các tùy chọn bạn cung cấp và không thể đi chệch kịch bản.
Vì vậy, bạn nhận được chính xác loại câu trả lời bạn yêu cầu, tạo nền tảng cho hoạt động ổn định.
Các tính năng của Jev
1. Trắc nghiệm nhiều lựa chọn
Một tin nhắn từ khách hàng gửi đến: "Tôi nhận nhầm cỡ giày, tôi có thể đổi sang size 10 không?" Bạn hỏi, "Việc này nên chuyển cho đội nào?" Các lựa chọn: Đổi trả, Hậu cần, Kế toán.
Nó trả lời dứt khoát "Đổi trả". Nó cũng cung cấp điểm độ tin cậy cho từng lựa chọn. Vì tin nhắn rõ ràng, nó gần như chắc chắn 100% là Đổi trả, với độ tin cậy gần bằng 0 cho các lựa chọn khác.
Nếu tin nhắn trở thành "Cỡ giày sai, và thẻ tín dụng của tôi có một khoản phí bí ẩn thừa thãi, các bạn định làm thế nào?" thì tình huống không còn gọn gàng nữa.
Nó có thể nói: 60% khả năng là Đổi trả, 40% khả năng là Kế toán. Jev không giả vờ chắc chắn; nó trung thực thể hiện sự do dự của mình.
2. Thang đo đánh giá
Một báo cáo lỗi gửi đến. Bạn cung cấp thang đo 3 điểm:
0: Lỗi thẩm mỹ, không ảnh hưởng đến việc sử dụng;
1: Chức năng hỏng, nhưng có cách khắc phục tạm thời;
2: Hoàn toàn bị kẹt, không thể sử dụng.
Nó có thể trả về "1.3".
1.3 có nghĩa là lỗi chủ yếu thuộc loại "chức năng hỏng nhưng có cách khắc phục" nhưng nghiêng nhẹ về phía "hoàn toàn bị kẹt". Điều này chính xác hơn so với việc ép buộc chọn giữa 1 và 2, và gần với thực tế hơn.
Khi định nghĩa thang đo, hãy mô tả các tình huống cụ thể, không phải mức độ chung chung.
Viết "Chức năng hỏng nhưng có cách khắc phục" hoạt động tốt; nó so sánh điều này với nội dung cần đánh giá.
Nhưng viết "Mức độ nghiêm trọng trung bình" sẽ thất bại vì "Trung bình" mơ hồ và không có điểm tham chiếu.
Tương tự, nó bỏ qua các con số 0, 1, 2 tự thân. Bạn phải định nghĩa rõ ràng những gì mỗi cấp độ bao hàm thông qua SOP (Quy trình vận hành tiêu chuẩn).
3. Phán quyết Đúng/Sai
Nó trả lời có/không kèm theo một điểm xác suất từ 0 đến 1.
Hỏi, "Khách hàng này có đang yêu cầu hoàn tiền không?"
Nó trả về 0.99, nghĩa là gần như chắc chắn là có.
Bạn có thể đặt nhiều câu hỏi song song trong một lần gọi:
Đội nào phụ trách (Trắc nghiệm), Khách hàng giận dữ đến mức nào (Thang đo), Có phải yêu cầu hoàn tiền không (Đúng/Sai), Giọng điệu có hung dữ không (Đúng/Sai), Đơn hàng đã được gửi chưa (Đúng/Sai).
Những câu hỏi này được trả lời đồng thời, độc lập và song song.
Thêm nhiều câu hỏi hầu như không làm tăng thời gian phản hồi.
Điều này dẫn đến một thói quen lập trình ngược đời: được khuyến khích chính thức là hãy đặt càng nhiều câu hỏi càng tốt.
Hãy hỏi tất cả các phán đoán tiềm năng cho tin nhắn đó cùng một lúc. Ngay cả khi một số câu hỏi không được sử dụng ngay bây giờ, chi phí thêm về thời gian hay tiền bạc là rất nhỏ.
Điều này trái ngược với tư duy "tiết kiệm token" khi sử dụng các LLM tiêu chuẩn.
Tự đánh giá
Các LLM tiêu chuẩn có một nhược điểm: chúng trả lời tự tin dù biết hay không biết.
Điều này chí mạng đối với tự động hóa.
Ví dụ:
Một AI đúng 95% thời gian nghe có vẻ ổn. Nhưng nếu bạn không biết tại sao nó sai trong 5% còn lại, bạn không thể tự động hóa nó.
Jev đính kèm một điểm "độ tin cậy" vào mỗi câu trả lời. Bạn sử dụng điều này để đánh giá xem mô hình có thực sự hiểu hay không.
Với điểm độ tin cậy, bạn thiết kế logic xử lý giống con người, thường gồm ba cấp độ:
Độ tin cậy cao: Tự động xử lý, không cần con người.
Độ tin cậy trung bình: Cách tiếp cận thận trọng, có thể cần con người xác nhận hoặc thu thập thêm thông tin.
Độ tin cậy thấp: Không ép buộc. Chuyển cho con người hoặc một mô hình suy luận mạnh hơn/đắt tiền hơn. Nó nói rõ, "Việc này vượt quá khả năng của tôi, đừng đẩy tôi."
Cơ chế này—chỉ hành động khi chắc chắn, thừa nhận sự không chắc chắn nếu không—là điều kiện tiên quyết để tin tưởng các hệ thống tự động.
Một AI nói "Tôi không biết" đáng tin cậy hơn nhiều so với một AI luôn tỏ ra tự tin.
Hiệu quả chi phí
Jev nhanh gấp ~200 lần và rẻ gấp ~400 lần so với các LLM tương đương.
Phản hồi đơn lẻ mất 70-500ms, nhanh hơn cả một cái chớp mắt.
Tại sao? Bởi vì Jev không cần phải nói.
Mức giá này mở khóa các trường hợp sử dụng trước đây không thể tưởng tượng nổi.
Bạn có thể lọc cơ sở dữ liệu khổng lồ từng mục một, gắn thẻ mọi thứ. Làm điều này với LLM trước đây là quá đắt đỏ.
Bạn có thể nhúng nó vào giao diện người dùng để phản ứng theo thời gian thực vì nó đủ nhanh để người dùng không cảm thấy độ trễ.
Cách sử dụng Jev
Xác định vấn đề
Đừng hỏi những câu hỏi lớn, mơ hồ. Hãy chia nhỏ chúng thành những câu hỏi nhỏ, cụ thể, sau đó kết hợp các câu trả lời bằng chương trình.
Ví dụ:
Để phát hiện email spam, cách lười biếng là hỏi, "Đây có phải spam không?"
Câu hỏi này quá lớn và mơ hồ.
Nó che giấu nhiều phán đoán đằng sau một câu trả lời mờ nhạt, khiến nó khó hiểu và không thể điều chỉnh.
Thay vào đó, hãy chia nhỏ "Đây có phải spam không?" thành các phán đoán nhỏ, rõ ràng:
Nó có yêu cầu thông tin đăng nhập không?
Nó có tuyên bố bạn trúng thưởng mà bạn không tham gia không?
Nó có tạo ra cảm giác khẩn cấp ("Hành động ngay hoặc mất cơ hội") không?
Tổ chức mà người gửi tuyên bố có khớp với tên miền email không?
Địa chỉ liên kết đích có khớp với văn bản hiển thị không?
Mỗi câu hỏi phụ cực kỳ cụ thể, để lại rất ít chỗ cho sự mơ hồ. Sau đó, gán trọng số cho các câu trả lời này trong mã của bạn để tính điểm rủi ro spam cuối cùng.
Jev nhằm mục đích trở thành một khối xây dựng mới với khả năng phán đoán dựa trên lẽ thường, chứ không phải một hộp đen không thể kiểm soát.
Xác định kịch bản
Các trường hợp sử dụng rất thực tế, thường thay thế cho công việc rà soát thủ công tẻ nhạt.
Chăm sóc khách hàng:
Tự động định tuyến vé hỗ trợ, phát hiện yêu cầu hoàn tiền, xác định khách hàng giận dữ cần ưu tiên chăm sóc, trích xuất các hạng mục cần theo dõi từ nhật ký cuộc gọi.
Kiểm duyệt nội dung:
Tự động gắn cờ spam, lạm dụng, gian lận, rò rỉ quyền riêng tư. Đánh giá mức độ nghiêm trọng: cảnh báo nhẹ so với cấm vĩnh viễn. Công việc này gây kiệt sức và căng thẳng tinh thần cho con người.
Tuyển dụng & Bán hàng:
Chấm điểm hồ sơ dựa trên các tiêu chí cứng, khớp kinh nghiệm ứng viên với vị trí, sàng lọc khách hàng tiềm năng bán hàng.
QA cho các AI khác:
Sử dụng Jev để kiểm tra đầu ra của một LLM khác: Nó có đi chệch hướng không? Nó có bị jailbreak không? Các trích dẫn có bịa đặt không? Tham số công cụ có chính xác không?
Vì Jev nhanh và rẻ, việc sử dụng nó cho QA chỉ tốn vài xu so với mô hình chính. Nó bổ sung một cổng kiểm soát chất lượng cho AI đắt đỏ.
Làm sạch Dữ liệu lớn:
Gắn thẻ, phân loại và lọc nhanh chóng海量 tài liệu, bình luận, đoạn chat. Chỉ cấu trúc chi phí của Jev mới làm cho quy mô này khả thi.
Kết luận
Nếu bạn vẫn còn bối rối, hãy nhớ điều này:
Jev rẻ, nhanh, không trò chuyện, nhưng giúp bạn đưa ra phán đoán.
Khi chi phí của trí tuệ giảm xuống theo cấp số mũ, các trường hợp sử dụng bùng nổ theo cấp số nhân. Đây là những cơ hội dành cho bạn.
