Jev: qué es y cómo trabajar con él

Guía práctica del primer modelo System One de TypeSafe · para @aizvestia · septiembre de 2026

Qué es

Jev es el primer modelo público System One de TypeSafe. No es un modelo de chat ni 'otra LLM con modo JSON': Jev no genera texto en absoluto. Envías un state (contexto: texto, JSON o array) y una lista de preguntas tipadas, y recibes decisiones para máquinas: la opción elegida, una puntuación en escala o la probabilidad de un 'sí' - más la distribución de probabilidades y el confidence de cada respuesta. Sus creadores lo resumen en una frase: 'smart if-statements' - if-else inteligentes para tu código. El ejemplo más claro es el email: Jev revisa cada mensaje y dictamina 'spam, 94% seguro', 'necesita respuesta', 'puede esperar'. No escribe nada: solo clasifica - 1.700 emails por 18 centavos.

El nombre System One viene de Kahneman ('Pensar rápido, pensar despacio'): el modelo está hecho para juicios intuitivos rápidos, no para razonamiento lento. Dato curioso: el cofundador de TypeSafe, Diogo Almeida, coinventó RLHF, el método con el que se entrenó ChatGPT. Ahora apuesta a que la automatización necesita otro método de entrenamiento.

En qué se diferencia de 'lo anterior'

El post-entrenamiento de modelos de lenguaje ha pasado por tres enfoques:

La gracia de la calibración: cuando el modelo dice 0.8, en una serie larga ~80% de esas respuestas serán correctas. La probabilidad se convierte en un número sobre el que construir lógica.

Diferencia práctica con una LLM 'obligada' a escupir JSON:

• La salida es tipada por construcción. El modelo físicamente no puede responder fuera de tus opciones - no 99.99%, sino 100%. Sin parsing ni reintentos por JSON roto.
• Cada respuesta es una distribución de probabilidades, no solo una elección. Se ve cuándo una opción ganó con confianza y cuándo el modelo dudaba entre dos casi iguales.
• Las preguntas se evalúan en paralelo e independientes: añadir una docena apenas cambia el tiempo de respuesta (latencia sub-segundo) y no genera 'context rot'.
• Más barato y rápido: la página de bienvenida de la consola declara 20-200x más rápido y 40-1000x más barato que una LLM (afirmación de la empresa, pero fácil de verificar).

Las tres primitivas

Matices que ahorran horas:

• Noul no tiene confidence aparte: el valor mismo es la probabilidad. 0.5 significa 'no sé', no 'nivel medio'. Para medir un nivel, escribe un Score con niveles descritos.
• En Choice añade una opción 'other' / 'none of the above' por si la lista no cubre todo.
• El ID de la pregunta es para tu código; el modelo no lo ve. Escribe la pregunta completa en instructions.
• Si el state es JSON, señala rutas exactas con backticks: `ticket.messages[0].text`.
• Una pregunta = un juicio rápido. 'Analiza esto y propón un plan' es mala pregunta. '¿Este mensaje transmite urgencia?' es buena.

Empezar en 5 minutos

0. Sin lista de espera: Jev ya está en el Vercel AI Gateway como typesafe-ai/jev ($0.042/1M tokens de entrada) - si estás en Vercel, llámalo ya con el paquete ai, sin waitlist de TypeSafe. También en OpenRouter: ~typesafe/jev-latest (API compatible con OpenAI).

1. Playground. Entra en console.typesafe.ai/playground, pega cualquier texto como state, añade preguntas y dale a Run. (La entrada te recibe con un quiz '¿Se puede chatear con Jev?' - la respuesta correcta es No.)

2. API directo. Coges la key en la consola y es un solo endpoint:

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Trying to connect my Stripe for 3 days, keeps failing. Help ASAP.",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this",
        "criteria": {
          "billing": "Payment or subscription issues",
          "technical": "Bugs or integration problems"
        }
      },
      "is_urgent": { "type": "noul", "instructions": "The message conveys urgency" }
    }
  }'

En la respuesta, cada pregunta trae el valor elegido, las probabilidades de todas las opciones y el confidence.

3. Python SDK (3.10+): el cliente lee TYPESAFE_API_KEY y llama a jev-latest por defecto:

pip install typesafe-sdk

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()
response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
            },
        ),
        "is_urgent": Noul(instructions="The message conveys urgency"),
    },
)
print(response.answers["department"].choice)   # "billing"
print(response.answers["is_urgent"].noul)      # 0.999

Para JS está @typesafe-ai/sdk, y para agentes (Claude Code, Codex, etc.) un skill listo: npx skills add typesafe-ai/skills --skill typesafe-ai. El skill enseña a los agentes a mandar preguntas en lote - los agentes adoran gastar una request por pregunta.

Cuatro patrones clave

1. Speculative fan-out. Todas las preguntas que comparten un state van en una sola request, incluidas las 'especulativas' que no siempre necesitas. Una pregunta extra cuesta centavos y el tiempo de respuesta casi no cambia. Cookbook de TypeSafe: 13 preguntas en una llamada son ~12x más baratas y ~10x más rápidas que 13 llamadas, con las mismas respuestas.
2. Confidence-gated routing. La respuesta dice 'qué'; el confidence dice 'si actuar'. Tres zonas: alta - actúa automáticamente; media - confirma o marca para revisión; baja - escala a un humano o a un modelo de razonamiento. Los umbrales dependen del riesgo: mostrar la pantalla equivocada aguanta un 0.6; ejecutar un pago, mejor 0.9+.
3. Composite scoring. Parte un juicio complejo en Scores atómicos y combínalos con pesos en código. Prioridad del ticket = severity * 0.5 + frustration * 0.3 + actionability * 0.2. ¿Cambiaron las prioridades? Ajustas un coeficiente, no reescribes el prompt.
4. Intent routing. Clasifica la petición entrante y enrútala: código determinista, modelo barato, modelo de razonamiento caro o humano.

Precios y límites (jev-1.13.0)

• $0.042 por millón de tokens de entrada ($42/Btok); los tokens de salida son gratis.
• Límites: 250k tokens/seg, 1200 requests/min (dinámicos, pueden cambiar).
• Contexto: 64k tokens por request; state + la pregunta más larga - hasta 32k (unos 150.000 caracteres de texto en inglés).
• Solo texto: string, objeto JSON o array. Nada de imágenes, audio ni vídeo.
• El servidor está en us-west - desde Europa la latencia es mayor que desde EE. UU.
• jev-latest es un alias a la versión actual. Si afinaste umbrales contra una versión, fija jev-1.13.0 explícitamente: el alias se mueve con el próximo release.
• El inglés es el idioma principal de entrenamiento; otros idiomas funcionan peor. Prueba por separado con contenido en español y vigila el confidence.
• No hay fine-tuning: tu dominio se define con el state y los criterios de las preguntas.

Puntos débiles (honestamente, de sus propios docs)

jev-1.13 tiene una página pública de 'jaggedness' - una lista honesta de lo que el modelo no sabe hacer:

• No es generador de texto. No escribas textos con él ni exprimas generación encadenando Choices.
• Cuenta mal. Aritmética, contar elementos, intervalos de fechas - al código. El modelo responde preguntas semánticas, no cálculos.
• Lee fechas como texto. '¿Qué fecha va antes?' no es fiable. Extrae componentes con Choices (mes - 12 opciones + 'no indicado'), monta la fecha y compara en código.
• Responde literalmente - a la pregunta escrita, no a la pensada. Evita negaciones y dobles indirectas.
• Context rot. La basura en el state baja la precisión: filtra antes de enviar.
• Los invariantes no están garantizados. Noul 'pide reembolso' y Noul 'pide otra cosa que no sea reembolso' pueden dar 0.72 y 0.47 - suma 1.19, y es normal. No pases umbrales entre tipos de pregunta.
• El contenido adversarial puede mover respuestas: para el modelo el state es dato, no amenaza. Prueba casos límite antes de producción.

Dónde aplicarlo

RAG rerankLLM guardrailscitation checkjailbreak detectticket routingmoderationcomplianceML featurescatalog matchingresume scoringlead scoring

Ejemplo vivo: un terminal BUY/SELL/HOLD de Bitcoin sobre Jev - jev-terminal.vercel.app. La API devuelve probabilidades honestas y la decisión llega en una fracción de segundo.

Otro ejemplo - UI generativa instantánea: el experimento json-render + jev - Jev elige entre tus componentes, acciones y design system, y la interfaz se renderiza en milisegundos.

Enlaces

• Consola y Playground: console.typesafe.ai
• Docs: docs.typesafe.ai
• Manifiesto: typesafe.ai/manifesto