Jev no escribe: qué es, qué no es y por qué está de moda

TypeSafe AI ha puesto en circulación un modelo que, a propósito, no sabe redactar un correo. Jev responde preguntas acotadas y devuelve una decisión que el código puede usar sin parsear prosa. Esa rareza —y no un chatbot más grande— es lo que ha encendido Hacker News, X y media comunidad de agentes en una semana.

Qué es Jev, en cristiano

Jev es el primer modelo público de la familia que TypeSafe llama System One: un modelo pensado para decidir dentro del software, no para conversar con personas. Lo presentó el 15 de septiembre de 2026 Diogo Almeida, investigador que pasó por OpenAI y firmó trabajo clave de InstructGPT y RLHF, después de dos años en sigilo.

Le pasas un estado —un ticket, un JSON, un recorte de pantalla descrito en texto— y una lista de preguntas con respuesta cerrada. Jev no escribe una frase: elige, puntúa o dice sí o no, y adjunta una probabilidad. El programa sigue con un if, una cola o un ranking.

Hay tres primitivos. Choice elige entre opciones que tú defines (hasta 255). Score coloca el estado en una escala. Noul —el nombre raro de TypeSafe para un sí/no— devuelve la probabilidad de que una afirmación sea cierta. Todas las preguntas de una llamada se evalúan a la vez, en un pase paralelo.

-IA Crew dice: Por fin un modelo al que no le puedes pedir el mail de «gracias por tu interés». Se niega por arquitectura.-

Qué no es (aunque el titular invite a confundirlo)

No es un rival de ChatGPT, Claude o Gemini para chatear. No resume, no programa, no explica su razonamiento y no genera código. Si le pides un párrafo, no hay párrafo: el contrato de salida no lo contempla.

Tampoco es «un LLM pequeño con modo JSON», según la propia TypeSafe. La compañía sostiene que entrenó arquitectura, sampler paralelo y un método propio, RLCD (reinforcement learning for calibrated decisions), para devolver probabilidades útiles y no texto token a token. TechCrunch lo describe como un transformer que no produce lenguaje; el debate de si «es o no un LLM» es semántico: el producto no genera idioma.

Y no es magia a prueba de error. «Cero alucinaciones» significa que no puede inventar un formato fuera del esquema que tú le diste. Puede equivocarse eligiendo la opción incorrecta. La alucinación de tipo desaparece; la de criterio no.

-IA Crew dice: Cero alucinaciones de formato. Las de criterio siguen en el menú, ahora con decimal incluido.-

Qué cambia cuando lo metes en un flujo

El cambio práctico no es «más inteligencia», es dónde vive esa inteligencia. Un LLM escribe para humanos y luego tu código intenta extraer un sí o un departamento. Jev invierte el contrato: el humano (o el agente) define las casillas; el modelo rellena casillas.

Eso recorta tres fricciones clásicas de agentes. Dejas de esperar una respuesta de varios segundos para una decisión de medio segundo. Dejas de validar JSON mal cerrado. Y puedes poner un umbral: si la confianza baja del 0,8, escala a un humano o a un modelo grande.

Los números que circulan son, sobre todo, de TypeSafe. La compañía habla de 70 a 500 milisegundos de punta a punta frente a varios segundos —a veces minutos— de modelos de frontera en tareas de decisión. El precio público es 0,042 dólares por millón de tokens de entrada; la salida no se factura porque no hay tokens de salida que medir. En su propia comparativa de flujos afirma multiplicadores de cientos de veces en velocidad y coste. Eso es el mejor caso de su banco de pruebas, no una media universal.

La versión actual que documentan es jev-1.13.0 (jev-latest), con 64k de contexto, solo texto —nada de imagen, audio o vídeo— y sin fine-tune por cliente. Desde el 20 de septiembre TypeSafe dice que ya no hay lista de espera y que cada cuenta arranca con crédito de prueba.

-IA Crew dice: El truco de magia es dejar de pagar por párrafos que luego hay que parsear con cinta adhesiva.-

Por qué hay tanto hype

El hype no nace de un benchmark de olimpiadas. Nace de una frase que los que montan agentes llevan meses murmurando: la mayor parte del bucle no es escribir, es decidir. Enrutar un ticket, vetar una herramienta, puntuar un lead, elegir el siguiente clic. Ahí el modelo grande es un cañón para matar moscas, caro y lento.

Encaja el pedigree. Almeida no es un desconocido, la analogía con el Sistema 1 de Kahneman es fácil de contar y el nombre —William Stanley Jevons y su paradoja: si algo se abarata, se usa mucho más— funciona como eslogan. La cobertura de TechCrunch y un hilo de Hacker News que se fue a casi 1.900 puntos hicieron el resto.

Encima llegaron pruebas de desarrolladores en días. En Vercel, un ingeniero contó a TechCrunch que sustituir un clasificador de seguridad de un modelo grande por Jev le salió entre cinco y dieciocho veces más rápido, y más preciso en su test. Otro comparó clasificación de correos con Gemini: el grande acertaba un poco más, pero Jev era una fracción del precio y devolvía una probabilidad con la que se puede automatizar de verdad.

Eso explica el tono de la comunidad: no «ha nacido el AGI», sino «por fin hay un if con criterio». Gente de harnesses y agentes lo está usando como capa de decisión y deja el texto —el mail, el resumen, el parche— a un LLM. El patrón ya tiene hasta mote informal: Jev decide, el modelo grande escribe, el código ejecuta.

Lo que conviene no comprar entero

Jev no sustituye un modelo de frontera cuando hace falta razonar en abierto, inventar un plan o hablar con un cliente. Tampoco publica pesos abiertos, así que dependes de su API (o de pasarelas como Vercel u OpenRouter). Las cifras de 200× y 400× salen de evals propios; la precisión media que ellos mismos muestran en flujos de trabajo ronda la de un Sonnet en ese banco, no la de un oráculo.

La calibración, además, es estadística: un 0,8 no es una garantía sobre esa llamada concreta, es una promesa sobre muchas llamadas parecidas. Quien trate la probabilidad como un sello de notario va a automatizar errores con mucha confianza.

La consecuencia práctica es bastante prosaica, y por eso interesa. Si tu agente pasa el día eligiendo colas, herramientas o umbrales, tiene sentido probar Jev en esas ramas y no en las que piden un párrafo. Si lo que necesitas es que te escriba, este modelo te va a mirar en silencio. Ese silencio, de momento, es el producto.

Diccionario de la Crew

System One — Nombre que TypeSafe da a los modelos entrenados para devolver decisiones tipadas y probabilidades que el software puede consumir, en analogía con el pensamiento rápido de Kahneman.

RLHF — Aprendizaje por refuerzo a partir de preferencias humanas; receta que ayudó a alinear modelos de chat como InstructGPT.

RLCD — Reinforcement Learning for Calibrated Decisions, el método de postentrenamiento que TypeSafe dice usar para que las probabilidades de Jev se parezcan a su tasa real de acierto.

Noul — Primitivo de TypeSafe para una pregunta de sí/no: devuelve la probabilidad de que una afirmación sea cierta.

LLM — Modelo de lenguaje de gran tamaño, diseñado sobre todo para generar texto token a token.