Jev: modelo de IA de decisiones frente a los LLM

Un modelo que solo responde lo que le preguntas

La mayor parte de lo que el software hace con el lenguaje no es escribir. Es decidir. ¿Qué equipo toma este ticket? ¿Este correo es una estafa? ¿El cliente pidió un reembolso? ¿El agente está a punto de hacer algo que no debería? En los últimos años, la forma por defecto de tomar esas decisiones ha sido preguntarle a un gran modelo de lenguaje e interpretar lo que responda. Funciona. También se parece un poco a contratar a un novelista para ordenar la correspondencia.

El 15 de septiembre de 2026, TypeSafe AI lanzó Jev, un modelo hecho para ordenar y nada más. Le entregas un mensaje y algunas preguntas tipadas. Te devuelve respuestas con probabilidades, en más o menos una décima de segundo. Nunca escribe una oración.

La animación de abajo explica cómo funciona, dónde brilla y el único punto ciego que conviene tener en cuenta al diseñar. Dura unos dos minutos y medio. Tomarás tres decisiones en el camino, y cada una cambia lo que ves.

La misma historia, sin el erizo

Jev es un clasificador, no un chatbot. TypeSafe lo llama un modelo de “Sistema Uno”, tomando el término de Daniel Kahneman para el juicio rápido e intuitivo. El Sistema Dos es el lento y deliberado: el razonamiento que hace un gran modelo de lenguaje cuando resuelve un problema palabra por palabra. Jev se salta todo eso. Lee la entrada completa de una sola pasada y devuelve una decisión. No hay cadena de razonamiento ni explicación.

	Un gran modelo de lenguaje	Jev
Salida	Texto libre, un token a la vez	Una respuesta tipada con probabilidades
Trabajo típico	Escribir, resumir, razonar, conversar	Enrutar, marcar, puntuar, filtrar
Velocidad	Segundos por llamada	Decenas a cientos de milisegundos
Costo	Pagas entrada y salida	4,2 centavos por millón de tokens de entrada; la salida es gratis
Se explica	Sí, si se lo pides	Nunca
Puede decir “no sé”	Sí	Solo si le das una opción para eso
Ventana de lectura	Hasta cerca de un millón de tokens	Mucho menor; se reportan entre 32 y 64 mil

Tres tipos de pregunta

Cada solicitud a Jev es un state, es decir, lo que se va a juzgar (texto, JSON o una conversación), más un conjunto de questions con nombre. Cada pregunta es de uno de tres tipos, y todas se responden en paralelo y por separado frente al mismo state.

Choice elige una opción de una lista que tú defines, hasta 255. Devuelve una probabilidad para cada opción y una confianza general.
Score califica el state en una escala de entre 2 y 10 niveles ordenados, como tranquilo, frustrado, furioso. Devuelve una puntuación continua, la distribución completa y una confianza.
Noul es el nombre que TypeSafe le da a una pregunta de sí o no. Devuelve la probabilidad de que la afirmación sea cierta. No tiene un campo de confianza aparte.

Cómo configurarlo

Es un único endpoint HTTP. Consigue una clave de API de TypeSafe y envía un state con tus preguntas:

curl https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "The deploy failed twice and customers are seeing 500s. Can someone look now?",
    "questions": {
      "urgent": {
        "type": "noul",
        "instructions": "Does this need attention right now?"
      }
    }
  }'

La respuesta vuelve con las claves de tus preguntas, algo como {"answers": {"urgent": {"type": "noul", "noul": 0.95}}}, más un conteo de tokens. Lo que pasa después es código común y corriente: avisar a alguien si supera 0,8, dejarlo en cola si no. Quienes usan Python pueden pasar por LangChain con pip install langchain-typesafe:

from langchain_typesafe import Noul, TypeSafeClassifier

classifier = TypeSafeClassifier()  # lee TYPESAFE_API_KEY

response = classifier.invoke({
    "state": "The deploy failed twice and customers are seeing 500s. Can someone look now?",
    "questions": {
        "urgent": Noul(instructions="Does this need attention right now?"),
    },
})

urgency = response.nouls["urgent"].noul

Dónde encaja

El patrón que se repite en las primeras pruebas publicadas es Jev filtra, el LLM escribe, el código actúa. Pasa todo por Jev, porque es lo bastante barato. Entrégale al modelo generativo solo la fracción interesante, para las partes que de verdad necesitan palabras. Algunos de los trabajos en que ya se ha probado:

Clasificación de soporte. Enrutar tickets por equipo, urgencia e intención de reembolso en una sola llamada.
Barreras para agentes. Preguntar “¿esta llamada a una herramienta es arriesgada?” antes de que un agente de IA la ejecute, en cada paso.
Evaluaciones. Calificar respuestas de modelos con una rúbrica, por una fracción del costo de un LLM como juez.
Feeds y bandejas de entrada. Etiquetar comentarios, publicaciones o correos a medida que llegan.

No encaja en nada que necesite una respuesta redactada: escribir borradores, resumir, generar ideas, conversar o explicar un veredicto. Alguien también lo probó como bot de trading. Resultó que la velocidad no es lo mismo que acertar.

El punto ciego

Jev no puede abstenerse. Si ninguna de tus opciones encaja, igual elige la menos mala. En una prueba publicada, una pregunta sobre a qué hora cierra la cafetería, con solo cobros, técnico y ventas como opciones, volvió como ventas con 0,31 de confianza. De ahí salen tres hábitos:

Dale una vía de escape. Agrega una opción other o needs_review siempre que tus categorías no cubran todo.
Trata la baja confianza como una señal. Decide qué pasa por debajo de tu umbral, normalmente una persona, antes de dejar que algo corra solo.
Prueba los casos ambiguos, no los fáciles. La confianza dice qué tan concentradas están las probabilidades de Jev. No dice que haya acertado.

De dónde salen los números

Jev tiene menos de dos semanas de vida, así que toma cada cifra como preliminar. Las comparaciones de velocidad y costo de la animación vienen de pruebas independientes, no del marketing de TypeSafe. La afirmación de la propia TypeSafe es “entre 20 y 200 veces más rápido y entre 40 y 400 veces más barato” que los modelos de frontera, un rango tan amplio que describe casi cualquier cosa.

Precio, latencia, la prueba de negación y el caso de la cafetería: la prueba práctica de MindStudio. El precio es de 4,2 centavos por millón de tokens de entrada, y ocho solicitudes tardaron entre 92 y 214 ms cada una.
1.000 correos en unos 6 segundos por 0,09 dólares, frente a unos 5 minutos y 0,62 dólares con un modelo GPT; 1.000 comentarios en unos 5 segundos por 0,05 dólares: los 12 casos de uso de MindStudio.
91,5 % de coincidencia con Claude Fable 5.1 en 6.003 verificaciones de rúbrica, a unos 160 dólares por millón de notas frente a 33.000: Good Start Labs, según Langfuse. La misma comparación encontró que un modelo de pesos abiertos, DeepSeek V4.1 Flash, coincidía el 93,5 % de las veces por 260 dólares, así que Jev no es el único juez barato.
Tipos de pregunta, límites y formato de la solicitud: la referencia de la API de TypeSafe y la guía de integración de LangChain.
Qué podría haber adentro: la conjetura informada de Sebastian Raschka es un modelo codificador pequeño de la familia BERT. TypeSafe no ha revelado la arquitectura. Lo interesante no es el clasificador en sí. Es que un solo clasificador se generalice a trabajos que antes necesitaban un modelo entrenado aparte para cada uno.