Hvad er Jev? TypeSafe AI’s model til hurtige, strukturerede softwarebeslutninger

Jev er TypeSafe AI’s første System One-model: en model bygget til at træffe hurtige, strukturerede beslutninger inde i software frem for at skrive tekst, som et menneske skal læse. TypeSafe AI gjorde Jev tilgængelig i early access 15. september 2026. Virksomheden i San Francisco er grundlagt af den tidligere OpenAI-forsker Diogo Almeida sammen med Erik Gafni og Sasha Sheng. 216

Den afgørende forskel: beslutninger frem for tekst

En stor sprogmodel, en LLM, genererer normalt tekst token for token. Det gør LLM’er alsidige: De kan forklare, formulere udkast, planlægge, skrive kode og svare på åbne spørgsmål. Men en applikation skal ofte bagefter fortolke prosaen eller validere et JSON-svar, før den kan bruge resultatet sikkert i et system.

Jev er lavet til en mere afgrænset opgave. Applikationen sender en tilstand – en tekststreng, et JSON-objekt eller et array af tekster – sammen med typede spørgsmål. Modellen returnerer derefter ét struktureret svar pr. spørgsmål, som kode kan forgrene sig ud fra direkte. TypeSafes API-dokumentation beskriver det som at evaluere en tilstand mod et kort af spørgsmål og få strukturerede svar tilbage. 17

Jev understøtter blandt andet disse beslutningsformer:

• Boolean: estimerer sandsynligheden for, at et udsagn er sandt – eksempelvis om en kommando er sikker at køre.
• Choice: vælger mellem svarmuligheder, som udvikleren har angivet på forhånd.
• Score: vurderer noget efter en ordnet skala eller et numerisk vurderingsgrundlag.

TypeSafe positionerer derfor Jev som en beslutningskomponent til blandt andet routing, klassifikation, filtrering ved informationssøgning, risikovurdering og sikkerhedsregler for AI-agenter – ikke som en chatassistent. Dokumentationen fremhæver eksempelvis modelrouting, semantisk genfinding, klassifikation af agentforløb og kontrol af andre AI-modellers output. 18

Hvad betyder “System One”?

Betegnelsen henviser til psykologen Daniel Kahnemans skelnen mellem hurtig, intuitiv System 1-tænkning og langsommere, mere overvejende System 2-tænkning. TypeSafe bruger navnet om modeller, der fokuserer på hurtige og klart afgrænsede vurderinger frem for åbent ræsonnement eller tekstproduktion. 16

Det betyder ikke, at Jev har løst generel ræsonnering. Pointen er en anden grænseflade: Send den relevante tilstand og en veldefineret beslutning, og få et afgrænset resultat med en sandsynlighedsfordeling – ikke et afsnit med forklaringer.

Hvorfor et begrænset svarformat kan være nyttigt i automatisering

Med Jev fastlægger applikationen svarformatet på forhånd. Ved et Choice-spørgsmål angiver den også de eneste tilladte svar. Det fjerner et velkendt integrationsproblem med generative systemer: Modellen kan ikke returnere et uventet felt, opfinde et værktøjsnavn eller svare med fri tekst, når programmet forventer en bestemt værdi.

Det er en strukturel garanti – ikke en garanti for, at afgørelsen er rigtig. En beslutningsmodel med begrænsede svarmuligheder kan stadig vælge den forkerte tilladte mulighed, misforstå konteksten eller afgive en usikkert kalibreret sandsynlighed. Vercel understreger netop forskellen: Overholdelse af et skema handler om svarets form, mens den semantiske korrekthed fortsat skal evalueres.

I produktion bør udviklingsteams derfor behandle konfidensgrænser som politik, der skal testes, ikke som automatisk bevis på pålidelighed. En praktisk tilgang kan være at automatisere beslutninger med høj sikkerhed og lav risiko, mens tvetydige eller væsentlige sager sendes videre til en LLM, en regelmotor eller menneskelig kontrol.

Træning og kalibrering: Hvad TypeSafe selv siger

TypeSafe oplyser, at Jev udelukkende er trænet på syntetiske data med Reinforcement Learning for Calibrated Decisions (RLCD). Det erklærede mål er, at modellens angivne sandsynligheder i højere grad skal afspejle den faktisk observerede korrekthed, frem for at optimere et skriftligt svar til menneskelige præferencer.

Hvis denne kalibrering holder i praksis, er den særlig relevant for automatisering: En sandsynlighed på 0,9 bør i princippet gøre det muligt at fastsætte en meningsfuld tærskel for manuel gennemgang. RLCD er dog ikke bredt dokumenteret gennem uafhængig afprøvning, og det tilgængelige materiale viser ingen omfattende tredjepartsrevision af Jevs kalibrering, modstandsdygtighed mod angreb eller præcision på tværs af domæner. Påstandene bør derfor testes på organisationens egne data og i den konkrete beslutningspolitik, modellen skal indgå i.

Pris, kontekstvindue og hastighed

TypeSafe angiver Jev 1.13 til 0,042 dollar pr. million inputtokens – svarende til 42 dollar pr. milliard – mens outputtokens er gratis. Til den oplyste pris rækker 5 dollar til cirka 119 millioner inputtokens, før eventuelle skatter og særlige kontovilkår. Dokumentationen angiver et kontekstvindue på 64.000 tokens pr. forespørgsel, heraf op til 32.000 tokens til tilstanden plus det længste spørgsmål.

Virksomheden og tidlige omtaler angiver latenstid på omtrent 70–500 millisekunder afhængigt af opgaven. Det er et udgangspunkt for en evaluering, men den faktiske svartid varierer med blandt andet forespørgselsstørrelse, spørgsmålsdesign, region og driftsforhold.

Tidlig udbredelse via Vercel

Vercel har tilføjet Jev til AI Gateway, hvor modellen kan kaldes som typesafe-ai/jev gennem den eksperimentelle evaluate-API.

Ifølge Vercel nåede Jev næsten 13 % af AI Gateways betalende teams inden for 24 timer og mere end dobbelt så mange betalende teams som nogen tidligere modellancering i samme tidsrum. Det er et bemærkelsesværdigt tegn på udviklernes nysgerrighed og tidlige afprøvning. Tallet dokumenterer derimod ikke i sig selv langsigtet brug, driftssikkerhed i stor skala eller overlegenhed på tværs af opgaver.

Tidlige omtaler har også beskrevet forsøg med sikkerhedsklassifikation af kommandoer og klassifikation af e-mails. De er relevante eksempler på de afgrænsede opgaver, Jev sigter mod, men erstatter ikke uafhængige og kontrollerede benchmarkresultater. Teams, der vil sammenligne Jev med en LLM, bør teste præcision, kalibrering, fejlens alvor, latenstid og den samlede arbejdsgangsomkostning på egne repræsentative data.

Hvornår passer Jev – og hvornår gør den ikke?

Jev kan være et godt match, når applikationen allerede ved, hvilken beslutning den skal have, og kan beskrive svarrummet klart. Eksempler kan være:

• at afgøre, om en agent skal fortsætte, prøve igen, bede om en præcisering eller stoppe;
• at klassificere kommandoer eller værktøjskald før en sikkerhedsgennemgang;
• at vurdere hast, relevans eller risiko;
• at vælge mellem kandidatværdier, som deterministisk kode allerede har fundet;
• at filtrere eller mærke store tekstmængder, før en dyrere model kaldes.

Jev erstatter ikke en LLM, når produktet har behov for fri tekst, forklaringer, idégenerering, kodegenerering, bred planlægning eller svar, der ikke kan udtrykkes i et foruddefineret skema. Kvaliteten af en Jev-integration afhænger også af formuleringen af spørgsmålet, udvælgelsen af input, kandidatmulighederne, tærsklerne og teststrategien. TypeSafe anbefaler, at udviklere angiver præcise betingelser, filtrerer konteksten før afsendelse, hvor det er muligt, og tester integrationen grundigt.

Modaliteter og planer

Jev accepterer foreløbig kun tekstbaseret tilstand: strenge, JSON-objekter og arrays af tekst. Billeder, lyd og video understøttes ikke. TypeSafe beskriver disse modaliteter som “not supported (yet)”, men den tilgængelige dokumentation indeholder ingen offentlig tidsplan for multimodale modeller.

Den praktiske konklusion

Jevs grundidé er ikke, at al AI bør holde op med at generere sprog. Den er, at mange softwarearbejdsgange slet ikke behøver sprogproduktion. Til en afgrænset klassifikation, routing- eller politikbeslutning kan et typet, probabilistisk svar være lettere at integrere, billigere at køre og hurtigere at handle på end et chatsvar.

Bytteforholdet er lige så vigtigt: Struktureret output reducerer fejl i outputformatet, ikke fejl i selve beslutningen. Jevs reelle værdi afhænger af, om nøjagtigheden og sandsynlighedsestimaterne holder på uafhængigt testede, domænespecifikke opgaver. Indtil da bør den ses som et lovende specialværktøj til velafgrænsede softwarebeslutninger – ikke som en generel erstatning for LLM’er.