Jev y los modelos "System One" Medio

Novedad de septiembre de 2026

Jev se lanzó el 15 de septiembre de 2026 en acceso anticipado limitado. Las cifras de rendimiento y precio son del propio fabricante y no hay aún evaluaciones independientes publicadas. Revisa las fuentes antes de tomar decisiones.

Jev es un modelo de IA propietario de TypeSafe AI, empresa de San Francisco fundada en 2024 por Diogo Almeida (CEO; unos cuatro años en OpenAI trabajando en RLHF, InstructGPT, ChatGPT y GPT-4), Erik Gafni y Sasha Sheng. Salió de modo sigiloso con una ronda semilla de 40 M$ liderada por DCVC.

Su idea central: no genera texto. Recibe estado no estructurado y devuelve valores tipados con probabilidades calibradas y un nivel de confianza, pensados para que los consuma software, no una persona.

¿Qué es un modelo "System One"?

El nombre viene de la distinción de Daniel Kahneman entre Sistema 1 (pensamiento rápido e intuitivo) y Sistema 2 (lento y deliberado). TypeSafe posiciona:

	LLM (Sistema 2)	Modelo System One (Jev)
Salida	Texto libre, token a token	Valores tipados según un esquema, con probabilidades y confianza
Pensado para	Personas y agentes: razonar, redactar, programar	Código: decisiones rápidas dentro de un programa
Latencia	Segundos (o minutos)	70-500 ms de extremo a extremo (≈ 100 ms típico)
Errores de formato	Posibles (salvo salida estructurada garantizada)	Imposibles por diseño: siempre devuelve un valor del tipo pedido
Coste (según el fabricante)	Referencia	40-400 veces más barato en sus pruebas

El nombre "Jev" viene del economista William Stanley Jevons y su paradoja: cuando algo se vuelve mucho más eficiente, su consumo total aumenta. La apuesta es que decisiones con IA casi gratis y en milisegundos se usarán en todas partes del código.

Cómo funciona

• Arquitectura basada en transformer, con un muestreador paralelo (no genera token a token).
• Entrenado con datos sintéticos mediante RLCD (Reinforcement Learning for Calibrated Decisions): optimiza que las probabilidades coincidan con los resultados reales (calibración), no la preferencia humana.
• Pesos, arquitectura detallada y paper técnico no publicados.

Los tres tipos de pregunta

Tipo	Para	Devuelve
Noul	Juicio sí/no	Una probabilidad entre 0 y 1
Choice	Elegir una opción entre varias definidas	La opción, la probabilidad de cada una y la confianza
Score	Situar algo en una escala ordenada	Puntuación ponderada, probabilidad por nivel y confianza

Petición (POST https://api.typesafe.ai/v1/systemone, con Authorization: Bearer <API_KEY>):

{
  "model": "jev-latest",
  "state": { "ticket": "Desde la actualización de anoche, el nodo site-042 no reconcilia y el dashboard sale en blanco" },
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "¿Qué equipo debe atender `ticket`?",
      "criteria": { "platform": "Clústeres, Flux, despliegues", "frontend": "Interfaz y dashboards", "billing": "Facturación" }
    },
    "severity": {
      "type": "score",
      "instructions": "¿Gravedad del problema en `ticket`?",
      "criteria": ["Cosmético", "Funcionalidad rota con alternativa", "Bloqueante sin alternativa"]
    },
    "is_regression": { "type": "noul", "instructions": "¿`ticket` indica que empezó tras un cambio reciente?" }
  }
}

{
  "model": "jev-1.13.0",
  "answers": {
    "team":          { "type": "choice", "choice": "platform", "probabilities": { "platform": 0.81, "frontend": 0.17, "billing": 0.02 }, "confidence": 0.78 },
    "severity":      { "type": "score", "score": 1.62, "probabilities": { "0": 0.05, "1": 0.28, "2": 0.67 }, "confidence": 0.52 },
    "is_regression": { "type": "noul", "noul": 0.94 }
  },
  "usage": { "input_tokens": 240, "output_tokens": 35 }
}

(Ejemplo ilustrativo construido con el formato de la API; los números de la respuesta son inventados.)

Hay SDKs para JavaScript/TypeScript (@typesafe-ai/sdk) y Python (typesafe_sdk), e integración con el Vercel AI SDK.

Precio y límites anunciados

Concepto	Valor anunciado
Entrada	0,042 $ por millón de tokens
Salida	Gratis
Latencia	70-500 ms de extremo a extremo
Límites de uso	250 000 tokens/s y 1 200 peticiones/min
Opciones por decisión	Hasta 255 en una decisión de una sola etapa
Modalidades	Texto (sin imágenes por ahora)

Patrones de uso

Patrón	Idea
"If" inteligente	Sustituir reglas frágiles (regex, listas de palabras) por un juicio semántico dentro del flujo del programa
Fan-out especulativo	Hacer todas las preguntas independientes en una llamada: más rápido y barato que en secuencia
Umbral de confianza	< 0,5 → a un humano · 0,5-0,9 → pedir confirmación · > 0,9 → actuar automáticamente
Puntuación compuesta	Varias preguntas simples de tipo score combinadas con pesos en tu código, en lugar de una pregunta compleja
Map-reduce	Clasificar o filtrar grandes volúmenes (logs, tickets, eventos) a coste muy bajo
Guardarraíl de LLMs	Verificar rápidamente la salida de un LLM (¿cumple la política?, ¿responde a la pregunta?)

Lo que no hace bien

Según las guías publicadas por desarrolladores con acceso anticipado: contar, comparar fechas, aritmética, razonamiento de varios saltos y, por definición, generar texto. La regla: el modelo juzga; los cálculos y la lógica exacta, en tu código.

Dónde encaja en una arquitectura

flowchart LR
    EV[Eventos / tickets / logs] --> J{Jev<br/>decisión tipada<br/>~100 ms}
    J -- confianza alta --> AUTO[Acción automática<br/>enrutar, etiquetar, filtrar]
    J -- confianza media --> CONF[Confirmación humana]
    J -- confianza baja o caso complejo --> LLM[LLM / agente<br/>razonamiento profundo]
    LLM --> AUTO

Una arquitectura en cascada usa el modelo rápido y barato para la gran mayoría de decisiones simples y escala al LLM (o a una persona) solo cuando la confianza es baja o la tarea requiere razonar o redactar. Es el mismo principio que el enrutado por modelos de la página de agentes.

Cómo evaluarlo antes de adoptarlo

Toma 200-500 casos reales etiquetados, compara con tu solución actual (reglas o LLM) en acierto, calibración (¿cuando dice 0,9, acierta el 90 % de las veces?), latencia y coste, y ten en cuenta los riesgos de un proveedor recién nacido: disponibilidad, continuidad del servicio, lock-in y tratamiento de datos.

Preguntas de repaso

¿En qué se diferencia la salida de Jev de la salida estructurada de un LLM?

Un LLM con salida estructurada genera texto que se ajusta a un esquema, token a token. Jev devuelve directamente valores de un conjunto cerrado junto con una distribución de probabilidad calibrada, en una sola pasada y en milisegundos.

¿Qué significa que un modelo esté calibrado y por qué importa?

Que sus probabilidades se corresponden con la frecuencia real de acierto. Permite fijar umbrales fiables para decidir qué se automatiza y qué se revisa, y calcular el riesgo esperado.

¿Qué tarea NO le darías a Jev?

Cualquier cosa que requiera generar texto, contar, operar con números o fechas, o encadenar varios pasos de razonamiento. Para eso, código determinista o un LLM.

Ejercicios

Ejercicio 1 · Básico — Elegir el tipo de pregunta

¿Qué tipo de pregunta de Jev (noul, choice o score) usarías para: (a) "¿este log contiene un error de certificado?"; (b) "¿qué equipo debe atender esta alerta?"; (c) "¿cómo de urgente es este incidente?"?

Solución

(a) noul: sí/no con probabilidad. (b) choice: una opción entre equipos definidos. (c) score: posición en una escala ordenada (baja, media, alta, crítica).

Ejercicio 2 · Medio — Diseñar la cascada

Diseña el flujo de triaje de 50 000 alertas diarias combinando reglas, un modelo de decisión tipada y un LLM, con umbrales de confianza.

Solución

1. Reglas primero: lo que se decide con certeza (alertas conocidas y repetitivas) se enruta sin modelo.
2. Modelo de decisión para el resto: equipo (choice), gravedad (score) y "¿es duplicado de una abierta?" (noul).
3. Umbrales: confianza > 0,9 → enrutar automáticamente; 0,5-0,9 → enrutar pero marcar para revisión; < 0,5 → pasar a un LLM (o a una persona) que analiza con más contexto y redacta el resumen.
4. Medición: tasa de reasignaciones manuales por umbral, para ajustar los umbrales con datos.

Ejercicio 3 · Avanzado — Evaluar la calibración

¿Cómo comprobarías que las probabilidades de Jev están bien calibradas en tu caso de uso?

Solución

Con un conjunto etiquetado de casos reales (varios cientos): agrupar las predicciones por tramos de probabilidad (0-0,1, 0,1-0,2…), y en cada tramo comparar la probabilidad media predicha con la frecuencia real de acierto (diagrama de fiabilidad). Si en el tramo 0,8-0,9 acierta el 85 %, está bien calibrado; si acierta el 60 %, está sobreconfiado y los umbrales deben subir. Métricas resumen: Expected Calibration Error (ECE) y Brier score.

Fuentes

• Introducing System One Models & Jev — blog de TypeSafe AI
• Jev (AI model) — Wikipedia
• A deep dive into Jev — Flavio Copes
• TypeSafe AI emerges from stealth with $40M — AIwire
• TypeSafe AI debuts model for machines — The Register