Sådan fungerer Jev: AI-beslutninger, som software kan bruge direkte

Når et system skal afgøre, hvor en henvendelse skal sendes hen, har det ikke nødvendigvis brug for en chatbot, der skriver en forklaring. Det har brug for et svar, som koden kan handle på. Det er idéen bag Jev, TypeSafe AI’s første såkaldte System One-model, som blev introduceret i tidlig adgang i september 2026. 1210

Fra spørgsmål til beslutning

En almindelig sprogmodel bygger typisk sit svar op token for token, også når opgaven blot kræver et enkelt valg. Jev er baseret på transformer-teknologi, men bruges anderledes: En applikation sender relevant kontekst og definerer på forhånd, hvilke typer svar den vil have. Modellen kan vælge mellem angivne muligheder, give en score på en skala eller angive sandsynligheden for et ja eller nej. Svaret kommer i en struktur, som software kan bruge direkte. 5710

TypeSafes medstifter og direktør, Diogo Almeida, har tidligere arbejdet hos OpenAI. Erik Gafni og Sasha Sheng nævnes også som medstiftere. Virksomhedens udgangspunkt er, at mange automatiseringsopgaver kræver en hurtig vurdering – ikke et tekstsvar, som et andet program bagefter skal fortolke. 101520

Hvad betyder sikkerhedstallet?

Jev knytter sandsynligheder eller sikkerhedstal til sine beslutninger. Målet er, at tallene skal være kalibrerede: Beslutninger med samme angivne sikkerhed bør samlet set være korrekte omtrent lige så ofte, som tallet antyder. Det kan hjælpe et system med at afgøre, hvornår det skal handle automatisk, og hvornår et menneske bør se sagen igennem. Men et højt sikkerhedstal er ingen garanti. At begrænse svaret til et bestemt format kan forhindre uventede svarformater – ikke forkerte vurderinger. 5912

Træning, hastighed og pris

TypeSafe kalder sin træningsmetode Reinforcement Learning for Calibrated Decisions (RLCD) og beskriver desuden en ny arkitektur og en parallel sampler. De offentligt tilgængelige beskrivelser giver ikke grundlag for uafhængigt at vurdere metoden eller fastslå, hvor godt modellens sandsynligheder er kalibreret på tværs af opgaver. 112

Den oplyste pris er 0,042 USD pr. million input-tokens, uden betaling for output-tokens. Omtaler angiver svartider på cirka 70–500 millisekunder fra forespørgsel til svar. Det er rapporterede tal, ikke løfter om samme resultat i alle anvendelser. TypeSafe siger, at Jev nærmer sig sprogmodellers resultater på de beslutningsopgaver, den er bygget til, samtidig med at den er væsentligt hurtigere og mere effektiv. Hvor stor fordelen er, afhænger af opgaven og sammenligningsgrundlaget; bred, uafhængig dokumentation er fortsat begrænset. 12814

Hvem kan bruge Jev – og hvad bliver det næste?

Jev er blevet tilbudt som en hostet model i tidlig adgang. Omtaler beskriver en HTTP-API og udviklingsværktøjer til Python og JavaScript. TypeSafe har ikke offentliggjort modellens vægte eller en mulighed for selv at hoste den. Kilderne er ikke enige om, hvor bredt adgangen åbnede efter lanceringen; tidlig adgang bør derfor ikke forveksles med en frit downloadbar model. 2719

De første omtaler beskriver udviklerforsøg og integrationer. Ifølge én omtale kaldte Vercel Jev den hurtigst udbredte model i selskabets AI Gateway. Det er et tidligt signal om interesse, ikke dokumentation for vedvarende brug eller en uafhængig bekræftelse af TypeSafes ydelsespåstande. 1620

TypeSafe præsenterer Jev som den første model i en bredere System One-klasse, men de tilgængelige kilder fastslår hverken specifikationer eller en sikker lanceringsdato for en efterfølger. Foreløbig er Jevs tydeligste særkende grænsefladen: Den bytter fri tekst ud med afgrænsede beslutninger, som software kan arbejde videre med. 17