El 15 de septiembre de 2026, TypeSafe AI presentó Jev, un modelo diseñado para la toma de decisiones estructuradas en lugar de la generación de texto.
El 15 de septiembre de 2026, TypeSafe AI introdujo una nueva categoría de modelo de IA conocida como Modelos de Sistema Uno. El primer modelo en esta categoría, llamado Jev, está diseñado para revolucionar la forma en que el software toma decisiones estructuradas. A diferencia de los sistemas de IA convencionales que se centran en generar texto, Jev optimiza el proceso de toma de decisiones.
La mayoría de los sistemas de IA hoy en día están construidos en torno a una interfaz de generación. Los usuarios proporcionan instrucciones y el modelo genera tokens, que luego son interpretados. Esta metodología, aunque flexible, introduce complejidades cuando se integra en software que espera resultados deterministas.
Definiendo el Modelo de Sistema Uno
TypeSafe diferencia sus Modelos de Sistema Uno con un marco operativo claro:
- Estado: Entrada de datos de la aplicación.
- Preguntas: Consultas limitadas que el modelo debe evaluar.
- Ejecución del Modelo: El Modelo de Sistema Uno procesa las preguntas.
- Decisiones Tipadas + Probabilidades: Salidas que pueden ser consumidas directamente por la aplicación.
- Logica de Aplicación: El paso final donde se utilizan las decisiones.
Este enfoque permite a las aplicaciones proporcionar datos estructurados, como solicitudes de clientes o consultas de soporte, y recibir decisiones concisas y legibles por máquina a cambio.
Capacidades de Jev
La arquitectura de Jev impone un cambio significativo en cómo la IA interactúa con el software. En lugar de generar texto, se centra en devolver elecciones, puntuaciones y probabilidades. Esto permite una mayor eficiencia al tomar decisiones sobre interacciones con clientes, detección de fraudes y evaluación de riesgos.
TypeSafe afirma que la salida de Jev puede incluir distribuciones de probabilidad, por ejemplo:
facturación 0.91
técnico 0.05
cuenta 0.03
otro 0.01
Esto significa que los desarrolladores pueden programar respuestas basadas en niveles de confianza, automatizando acciones o escalando problemas según sea necesario.
Eficiencia sobre Generación
Los modelos de lenguaje tradicionales generan salidas secuencialmente, lo que puede ser ineficiente para tareas que no requieren procesamiento de lenguaje natural. Los Modelos de Sistema Uno, incluido Jev, eliminan la necesidad de generación secuencial de texto, lo que supuestamente conduce a considerables ganancias de eficiencia.
TypeSafe destaca que muchos flujos de trabajo de IA actualmente utilizan capacidades generativas para tareas de toma de decisiones sencillas, incluyendo:
- ¿Es este mensaje spam?
- ¿Qué departamento debería recibir este ticket?
- ¿Debería aprobarse esta llamada de herramienta?
- ¿Es relevante este documento?
- ¿Esta respuesta satisface una política?
Al evitar la generación de prosa innecesaria, Jev puede potencialmente mejorar el rendimiento, ofreciendo tiempos de respuesta más rápidos.
Métricas de Rendimiento
TypeSafe posiciona a Jev en un punto de precio competitivo de $0.042 por millón de tokens de entrada. El sistema reportedly logra tiempos de respuesta entre 70 y 500 milisegundos según la complejidad de la solicitud. Evaluaciones internas sugieren que Jev puede ser hasta 193.6 veces más rápido y 444.6 veces más barato que los sistemas tradicionales bajo condiciones específicas.
Es esencial interpretar estas afirmaciones de manera crítica. TypeSafe reconoce que las pruebas se realizaron internamente y pueden no reflejar un rendimiento más amplio en el mundo real.
Abordando las Afirmaciones de Alucinación
TypeSafe hace una afirmación notable de que Jev no puede alucinar salidas. Esto significa que no puede generar respuestas arbitrarias fuera de su conjunto de parámetros definidos. Sin embargo, es crucial distinguir entre fallos estructurales y fallos de decisión. Si bien no puede devolver categorías inválidas, aún puede producir decisiones incorrectas dentro de opciones válidas.
Este nuevo paradigma propuesto por TypeSafe AI está destinado a crear un modelo que mejore los procesos de toma de decisiones en aplicaciones de software, alejándose de las salidas generativas hacia un enfoque más estructurado.