Jev fra TypeSafe: KI-modellen som svarer med beslutninger, ikke tekst

Når et system skal avgjøre hvor en henvendelse skal sendes, trenger det kanskje bare én kategori – ikke en chatbot som skriver en begrunnelse. Det er slike oppgaver TypeSafe AI har laget Jev for. Modellen får informasjon fra applikasjonen og spørsmål med definerte svarformer, og returnerer strukturerte beslutninger som programvare kan bruke direkte. TypeSafe introduserte Jev med tidlig tilgang i september 2026 som sin første «System One»-modell. 1210

Fra spørsmål til beslutning

Jev er basert på transformerteknologi, men fungerer ikke som en vanlig språkmodell som bygger opp et svar ord for ord. Applikasjonen sender inn kontekst og typede spørsmål – spørsmål der tillatte svarformer er bestemt på forhånd. Jev kan velge mellom oppgitte alternativer, gi en skår på en skala eller returnere en sannsynlighet for et ja/nei-spørsmål. Dermed slipper neste del av programvaren å tolke en fritekstbesvarelse før den kan handle. 5710

Svarene kommer også med informasjon om sannsynlighet eller konfidens. Målet med kalibrering er at et konfidensmål skal gjenspeile hvor ofte tilsvarende vurderinger faktisk er riktige. Det kan hjelpe en applikasjon med å skille mellom saker den håndterer automatisk, og saker som bør gjennomgås. Men en høy konfidens er ingen garanti: En svarmal kan hindre feil format, ikke en feilaktig vurdering. 5912

Hvem står bak – og hva vet vi om ytelsen?

TypeSafes medgründer og administrerende direktør Diogo Almeida har tidligere arbeidet i OpenAI. Erik Gafni og Sasha Sheng er også omtalt som medgründere. Selskapets utgangspunkt er at mange automatiserte arbeidsflyter trenger en rask vurdering, ikke et avsnitt som annen programvare må tolke. 101520

TypeSafe kaller treningsmetoden Reinforcement Learning for Calibrated Decisions (RLCD) og beskriver også en ny arkitektur og en parallell samplingsmetode. De tilgjengelige offentlige beskrivelsene gir ikke nok detaljer til å vurdere metoden uavhengig eller fastslå hvor godt sannsynlighetene er kalibrert på tvers av oppgaver. 112

Oppgitte priser er 0,042 amerikanske dollar per million inndata-tokener, uten betaling for utdata-tokener. Publiserte omtaler oppgir en samlet responstid på omtrent 70–500 millisekunder. Dette er rapporterte tall, ikke løfter om samme resultat i alle bruksområder. TypeSafe hevder at Jev nærmer seg ytelsen til store språkmodeller på oppgavene modellen er laget for, samtidig som den er betydelig raskere og mer effektiv. Hvor stor fordelen er, avhenger av oppgaven og sammenligningen; bred, uavhengig dokumentasjon er foreløpig begrenset. 12814

Tilgang og veien videre

Jev er tilbudt som en driftet modell med tidlig tilgang. Omtaler beskriver et HTTP-API og utviklerpakker for Python og JavaScript, men TypeSafe har ikke publisert modellvekter eller et alternativ for egen drift. Kildene spriker om hvor bredt tilgangen ble åpnet etter lanseringen; tidlig tilgang er derfor ikke det samme som en fritt nedlastbar modell. 2719

De første omtalene beskriver utviklerforsøk og integrasjoner. Én rapport oppgir at Vercel kalte Jev den raskest adopterte modellen i sin AI Gateway. Det er et tidlig signal om interesse, ikke dokumentasjon på varig bruk eller en uavhengig bekreftelse av ytelsespåstandene. 1620

TypeSafe omtaler Jev som den første modellen i en større «System One»-klasse, men det foreligger ikke sikre spesifikasjoner eller en fast lanseringsdato for en etterfølger i det tilgjengelige materialet. Foreløpig er det tydeligste særtrekket grensesnittet: Jev bytter ut åpen tekstgenerering med avgrensede beslutninger som programvare kan bruke direkte. 17