TypeSafe AI, una startup fundada por el ex investigador de OpenAI Diogo Almeida, ha lanzado Jev —el primer modelo público en una nueva clase de arquitectura que la empresa denomina 'Modelos System One'. El nombre alude a la distinción de Daniel Kahneman entre el pensamiento rápido e intuitivo del Sistema 1 y el razonamiento lento y deliberado del Sistema 2. Jev no es explícitamente un modelo de lenguaje grande en el sentido convencional: no genera cadenas de texto. En su lugar, toma un estado de programa estructurado como entrada y devuelve decisiones probabilísticas tipadas —clasificaciones, puntuaciones, respuestas de opción múltiple o juicios sí/no— con puntuaciones de confianza calibradas adjuntas a cada salida.
### Cómo se diferencia Jev de los LLMs
Los LLMs convencionales se entrenan con Aprendizaje por Refuerzo a partir de Retroalimentación Humana (RLHF) o Aprendizaje por Refuerzo con Recompensas Verificables (RLVR) para producir texto que los evaluadores humanos prefieren. Su salida es una secuencia de tokens generados uno a uno (muestreo autoregresivo), lo que los hace flexibles —pueden conversar, escribir código, alucinar o negarse— pero lentos y costosos para la integración en software. Una llamada a un LLM de frontera tarda 3–329 segundos de extremo a extremo, con tokens de salida con un precio aproximadamente 5 veces superior al de los tokens de entrada.
Jev invierte este diseño. Utiliza un muestreador en paralelo que produce todas las salidas en una única pasada directa, logrando una latencia de extremo a extremo de 70–500 ms (40–200x más rápido para inteligencia comparable en tareas estructuradas). Los tokens de entrada cuestan 0,042 $ por millón (42 $ por mil millones); los tokens de salida son gratuitos, en palabras de la empresa "demasiado baratos para medir". El modelo se entrena con un nuevo algoritmo, Aprendizaje por Refuerzo para Decisiones Calibradas (RLCD), que optimiza probabilidades epistémicamente honestas en tareas verificables de System One en lugar de texto preferido por humanos.
La superficie de la API hace la diferencia concreta. Un desarrollador define las preguntas de antemano —Choice (opción múltiple), Score (puntuación numérica) o Noul (sí/no)— cada una con sus instrucciones. Jev devuelve respuestas que se ajustan exactamente a esos tipos, acompañadas de distribuciones de probabilidad calibradas. Dado que el esquema de salida es fijo, los errores de tipo son matemáticamente imposibles. La contrapartida es que Jev no puede escribir código, mantener una conversación ni producir ningún texto libre.
### Qué significa —y qué no— que "no puede alucinar"
TypeSafe afirma que Jev "no puede alucinar". En el sentido estricto es cierto: el modelo no puede emitir un tipo inválido ni un campo que no esté definido en el esquema de la pregunta. Una llamada a herramienta alucinada —un modo de fallo común en agentes LLM— es estructuralmente imposible. Sin embargo, el modelo puede seguir devolviendo una respuesta errónea con alta confianza. La calibración significa que cuando Jev asigna un 95 % de probabilidad a una respuesta, esta es correcta aproximadamente el 95 % de las veces en una distribución de tareas. Pero en una sola llamada, un error de alta confianza sigue siendo posible. La empresa lo reconoce: "Si un modelo puede realizar una tarea el 95 % de las veces pero no dice cuándo está en el 5 %, no puede automatizar esa tarea". Jev resuelve el problema de la señalización, no el de la precisión.
### Metodología de evaluación y advertencias
El artículo describe la metodología de evaluación de Jev y su ruta de integración práctica. El adaptador es la herramienta concreta que permite a los desarrolladores ejecutar comparaciones cara a cara en tareas de decisión estructurada, haciendo tangible la discusión abstracta de la API.
TypeSafe publica "evaluaciones de flujo de trabajo" que integran Jev y LLMs de referencia en flujos de código idénticos de múltiples pasos (por ejemplo, clasificar tickets de soporte, enrutar, puntuar). En lugar de comparar contra etiquetas de verdad absoluta, utilizan las predicciones promedio de GPT-6 Astra y Claude Fable 5.1 como probabilidades de referencia. Jev se sitúa en la frontera de Pareto —la empresa cita 193,6x más rápido y 444,6x más barato en su página de inicio— aunque advierten que estos son probablemente el extremo superior de las ganancias reales. Se aplican varias advertencias:
- Los flujos de trabajo fueron redactados por el equipo de capacidades de TypeSafe, lo que introduce un sesgo potencial. - Los LLMs se acceden a través de un envoltorio "System One LLM" de TypeSafe que los restringe a salida estructurada, lo que es más lento y costoso que la generación sin restricciones. - El enrutamiento de OpenRouter puede favorecer modelos más fuertes para consultas complejas, sesgando las líneas base de LLMs. - La tasa de alucinación del 0 % de Jev es una garantía estructural (coincidencia de esquema), no una medición empírica.
### Casos de uso previstos
Jev se dirige a "flujos de trabajo impulsados por IA" —lo que el anuncio llama "sentencias if inteligentes"— donde la lógica escrita a mano resulta demasiado frágil: clasificar, enrutar, puntuar, extraer o ramificar según criterios difusos. Ejemplos incluyen decisiones de aplicación en tiempo real (la latencia de 100 ms permite rutas críticas para la UX), map-reduce sobre grandes conjuntos de datos, y barreras de seguridad o verificación de salidas de LLMs (detección de jailbreak, puntuación de rastros de razonamiento). La empresa también demuestra a Jev jugando a Doom mediante consultas estructuradas de estado del juego (~10 consultas/segundo, ~7 $/hora) y wikiracing (navegando grafos de enlaces de Wikipedia), aunque este último utiliza líneas base de LLMs sin razonamiento y muestra aceleraciones menores.
### Lo que sigue incierto
- Generalización: Los flujos de trabajo publicados son un conjunto estrecho; el rendimiento en distribuciones de tareas no vistas es desconocido. - Sostenibilidad: El precio no está probado sin subvenciones; TypeSafe espera que los costes disminuyan pero no tiene historial a largo plazo. - Multimodalidad: Las demos actuales operan sobre estado estructurado en texto, no sobre imágenes o bytes en bruto. - Límites de cardinalidad: Jev admite hasta 255 opciones por pregunta; cardinalidades superiores usan un pipeline de dos etapas puntuación-luego-elección con ralentizaciones ocasionales.
El acceso anticipado está abierto desde la fecha del anuncio (15 de septiembre de 2026). Un adaptador de GitHub (`system-one-adapter-python`) permite a los desarrolladores comparar Jev contra modelos de OpenAI, Anthropic y Gemini en la misma API de decisión estructurada.