Så fungerar Jev – AI-modellen som ger programvara färdiga beslut

Om ett program behöver avgöra vart ett ärende ska skickas är ett välformulerat stycke inte nödvändigtvis till hjälp. Programmet behöver ett svar som det kan använda direkt. Det är uppgiften för Jev, TypeSafe AI:s första modell i den klass företaget kallar ”System One”. Jev introducerades med tidig åtkomst i september 2026. 1210

Från underlag till beslut

Applikationen skickar Jev ett underlag och frågor med i förväg bestämda svarsformat. Modellen kan välja bland angivna alternativ, bedöma något på en skala eller ange sannolikheten för ett ja- eller nej-svar. Resultatet är strukturerat så att programkod kan använda det utan att först tolka en fritext. Jev bygger på transformerteknik, men är inte gjord för att skriva ett svar steg för steg på samma sätt som en konventionell språkmodell. 5710

Jev lämnar också sannolikhets- eller konfidensinformation. Tanken med kalibrering är att ett visst konfidensvärde ska motsvara hur ofta beslut med samma värde faktiskt är rätt. Det skulle kunna hjälpa en applikation att avgöra vilka fall som kan hanteras automatiskt och vilka som bör granskas. Men siffran är ingen garanti: att svaret följer ett förutbestämt format hindrar inte modellen från att göra en felaktig bedömning. 5912

Varför TypeSafe byggde modellen

TypeSafes medgrundare och vd Diogo Almeida har tidigare arbetat på OpenAI. Erik Gafni och Sasha Sheng anges också som medgrundare. Företagets utgångspunkt är att många automatiserade arbetsflöden behöver snabba bedömningar snarare än text som ett annat system sedan måste tolka. 101520

TypeSafe kallar träningsmetoden Reinforcement Learning for Calibrated Decisions (RLCD) och beskriver även en ny arkitektur och en parallell samplingsmetod. De offentliga beskrivningar som finns här räcker dock inte för att oberoende bedöma metoden eller fastställa hur väl sannolikheterna är kalibrerade för olika uppgifter. 112

Pris, hastighet och tillgång

Publicerade uppgifter anger ett pris på 0,042 amerikanska dollar per miljon indatatoken, utan avgift för utdatatoken, och en total svarstid på omkring 70–500 millisekunder. Det är uppgifter om det rapporterade erbjudandet, inte löften om samma resultat i varje användning. TypeSafe hävdar att Jev närmar sig språkmodellers prestation på de beslutsuppgifter modellen är avsedd för, samtidigt som den är betydligt snabbare och effektivare. Hur stor fördelen är beror på uppgiften och jämförelsen; bred, oberoende beläggning är fortfarande begränsad. 12814

Jev har erbjudits som en driftad tjänst med tidig åtkomst. Ett HTTP-API och utvecklingsverktyg för Python och JavaScript har rapporterats, men TypeSafe har inte publicerat modellvikter eller något alternativ för egen drift. Uppgifterna går isär om hur brett åtkomsten öppnades efter lanseringen. Tidig åtkomst ska därför inte förväxlas med en fritt nedladdningsbar modell. 2719

Tidiga rapporter beskriver utvecklartester och integrationer. Enligt en rapport kallade Vercel Jev den snabbast anammade modellen i sin AI Gateway, en tjänst för åtkomst till AI-modeller. Det är en tidig signal, inte ett mått på varaktig användning eller en oberoende bekräftelse av TypeSafes prestandapåståenden. 1620

TypeSafe presenterar Jev som den första modellen i en bredare ”System One”-klass. Några fastställda specifikationer eller något säkert lanseringsdatum för en efterföljare framgår inte av underlaget. Tills vidare är Jevs tydligaste särdrag dess avgränsning: färdiga beslut för programvara, inte öppna textsvar. 17