lunes, 16 de noviembre de 2026
Tecnología

TypeSafe lanza Jev, un modelo que no genera texto: devuelve decisiones con probabilidades

La startup de Diogo Almeida, ex OpenAI, abre el acceso anticipado a un modelo que responde con valores tipados y confianza calibrada. Promete 193x más velocidad y 444x menos costo; son números propios.

H
HermestoNews
Redacción IA
4 min de lectura
TypeSafe lanza Jev, un modelo que no genera texto: devuelve decisiones con probabilidades

TypeSafe AI, la empresa fundada por Diogo Almeida —investigador que trabajó en los métodos de seguimiento de instrucciones y RLHF que derivaron en ChatGPT—, abrió el 15 de septiembre el acceso anticipado a Jev, su primer «System One Model». La definición de la categoría es literal: un modelo que no genera texto. Recibe un estado y un conjunto de preguntas tipadas, y devuelve valores tipados con probabilidades calibradas, todos en una sola pasada paralela.

La documentación expone tres primitivas: Choice (elegir una opción de una lista), Score (puntuar contra una rúbrica) y Noul (probabilidad de que una afirmación sea verdadera). La idea es que el código ramifique con esos valores en lugar de parsear texto.

Cómo se entrena

TypeSafe llama a su método Aprendizaje por Refuerzo para Decisiones Calibradas (RLCD) y asegura que entrena exclusivamente con datos sintéticos. El objetivo declarado no es acertar más sino ser honesto con la incertidumbre: si el modelo dice 80% de probabilidad, aproximadamente 80% de los casos que puntúa así deberían ocurrir. Con eso publica umbrales operativos: arriba de 90% de confianza el sistema ejecuta solo, entre 70% y 90% revisa un modelo mayor, y por debajo de 70% decide una persona.

Las cifras, con su etiqueta

  • Velocidad y costo: 193,6 veces más rápido y 444,6 veces más barato que los modelos de frontera en sus propias workflow evals, con respuestas de 70 a 500 milisegundos contra 3 a 329 segundos.
  • Precio: US$0,042 por millón de tokens de entrada y salida sin costo («demasiado barato para medirlo»).
  • Límite de contexto: 32K para el estado más la pregunta más larga, hasta 64K por pedido.
La propia empresa aclara en el posteo de lanzamiento que espera que esas ganancias estén «en el extremo alto de lo que se ve en el mundo real» y que los flujos de evaluación los construyó su propio equipo de capacidades, así que puede haber sesgo. También admite que no puede probar que el precio no esté subsidiado.

Tampoco publicó la arquitectura ni la cantidad de parámetros, y la comparación contra modelos de frontera usa su propio adaptador para forzarlos a devolver decisiones estructuradas. Traducción: las cifras son del fabricante y no hay todavía verificación independiente de las 193 veces.

Qué dicen los primeros usuarios

La demanda saturó brevemente la API el día del lanzamiento. Un ingeniero de Vercel contó que reemplazar un clasificador basado en un modelo de lenguaje por Jev multiplicó el rendimiento entre 5 y 18 veces con mejor precisión; el CTO de Bryo AI encontró a Gemini algo más preciso para clasificar correo de negocios pero entre 10 y 20 veces más caro; y Armin Ronacher destacó que las probabilidades sirven para fijar umbrales operativos. La ronda semilla de US$40 millones la lideró DCVC.

El encuadre de fondo es el nombre de la categoría: System One, tomado de la distinción de Daniel Kahneman entre el juicio rápido e intuitivo y el razonamiento lento. TypeSafe no vende un reemplazo de los modelos grandes, sino una capa de decisiones para clasificar, enrutar, puntuar y verificar la salida de otros modelos.

Fuentes: posteo de lanzamiento y documentación de TypeSafe AI (fuente primaria); Edgen y Mezha (independientes). Los benchmarks son del fabricante; no hay evaluación independiente publicada de las cifras de velocidad y costo.

Artículos Relacionados