Durante dos años no hemos visto más que el mismo anuncio: un modelo más grande, con mejor razonamiento, mayor capacidad de contexto y que conversa mejor. Jev va en dirección contraria y presume de lo que no hace. No escribe correos, no explica sus respuestas y no tiene ventana de chat. Lo único que hace es decidir, en torno a una décima de segundo y por una fracción de céntimo.
TypeSafe AI, una empresa de San Francisco fundada por Diogo Almeida, es la responsable de su lanzamiento. Almeida trabajó en OpenAI en la investigación que transformó un modelo de lenguaje en ChatGPT. La compañía salió del anonimato el 15 de septiembre de 2026 con 40 millones de dólares de financiación —unos 35 millones de euros—, y su tesis es incómoda: el chat nunca fue la herramienta adecuada para automatizar nada.
El ejemplo que mejor lo explica es una factura. Una aplicación quiere saber si es fraudulenta. Un modelo de lenguaje tarda ocho segundos en escribir una frase diciendo que parece legítima; después hay que leer esa frase con código, validarla y reintentar cuando el modelo se sale del guion. Jev contesta en una décima de segundo con tres números: 7 % fraude, 88 % limpia, 5 % a revisar.
| Un LLM normal | Jev | |
| Qué devuelve | Texto, palabra a palabra | Una respuesta tipada y su probabilidad |
| Cómo lo usa tu programa | Hay que interpretar el texto y reintentar si se sale del guion | Se lee directamente; no hay nada que interpretar |
| Cuánto tarda | De 3 segundos a varios minutos | Entre 70 y 500 milisegundos |
| Qué se paga | La entrada y, más cara, la salida | Solo la entrada: la salida es gratis porque no hay texto |
| Puede inventarse la respuesta | Sí | No puede salirse de la lista que le des, pero sí puede elegir mal |
| Sabe cuándo duda | No, salvo que se lo preguntes y te conteste escribiendo | Sí: cada respuesta trae su probabilidad y su confianza |
| Sirve para | Escribir, razonar, programar, conversar | Clasificar, puntuar, filtrar y decidir |
Cómo funciona: un estado y unas preguntas
Jev no recibe un prompt. Recibe dos cosas:
- Un estado, que es el material sobre el que hay que decidir: un ticket de soporte, el historial de una cuenta, un documento, la situación de una partida. Puede ser texto suelto, un objeto JSON o una lista.
- Un conjunto de preguntas que tú defines de antemano, cada una con sus respuestas posibles.
El modelo lee el estado una sola vez y evalúa todas las preguntas a la vez, en paralelo, en vez de escribir la respuesta palabra por palabra. De ahí proviene su velocidad.
Los tres tipos de pregunta
TypeSafe las denomina primitivas y solo existen estos tres tipos:
| Tipo | Qué pregunta | Qué devuelve | Límite |
| Noul | ¿Esto es verdad? Sí o no | Un número de 0 a 1 con la probabilidad de que sea que sí | No trae valor de confianza |
| Choice | ¿Cuál de estas opciones? | La opción elegida, la probabilidad de cada una y la confianza | Hasta 255 opciones |
| Score | ¿Cuánto, en esta escala? | Una puntuación que puede caer entre dos niveles, con sus probabilidades | De 2 a 10 niveles |
El nombre peculiar es Noul, que es la denominación que utiliza la empresa para referirse a una pregunta de sí o no. La diferencia respecto a un sí o un no convencional es que no devuelve «sí»: devuelve 0,95, lo que representa la probabilidad de que la respuesta sea afirmativa.
Qué cuesta y qué límites tiene
- Precio: unos 0,037 euros por millón de tokens de entrada (0,042 dólares). La salida es gratis, porque no hay texto que cobrar.
- Latencia declarada: de 70 a 500 milisegundos.
- Contexto: 64.000 tokens por petición en total, de los cuales 32.000 como máximo para el estado más la pregunta más larga.
- Solo texto. Ni imágenes, ni audio, ni vídeo. Lo que no sea texto hay que convertirlo antes.
- Límites de uso: 250.000 tokens por segundo y 1.200 peticiones por minuto.
La versión actual es jev-1.13 y la empresa no ha publicado ni un artículo técnico ni el número de parámetros del modelo.
La confianza: el dato que de verdad cambia las cosas
Aquí está lo interesante, y no es la velocidad.
Cada respuesta de tipo Choice y Score incluye, además de la probabilidad de cada opción, un número de confianza entre 0 y 1. No se trata de un dato independiente, sino que se calcula según cómo se reparten las probabilidades. Si casi toda la probabilidad se concentra en una sola opción, la confianza es alta; si se distribuye entre varias, es baja.
Un ingeniero lo resumió con una frase que ha perdurado: Jev es «una sentencia if con IA».
Esta es la diferencia. Un programa convencional dice: si la transacción pasa de 10.000 euros, que la revise una persona. Se trata de un umbral fijo, escrito a mano, que no sabe nada sobre la transacción. Con Jev la regla cambia a: si esto parece sospechoso con más de un 95 % de confianza, que lo revise una persona.
El umbral deja de ser una cifra arbitraria y se convierte en el punto en el que el programa admite que no lo tiene claro. Esto es precisamente lo que un modelo de chat no ofrece: puedes preguntarle si está seguro, pero te responderá escribiendo, y esa respuesta no es más fiable que la anterior.
Consistencia. El otro argumento de venta es que Jev responde siempre lo mismo ante la misma entrada. Si haces la misma pregunta dos veces a un chatbot, puedes obtener dos respuestas distintas; esto es irrelevante para un formulario, pero no para un sistema que aprueba o deniega automáticamente.
Conviene entender también dónde queda la responsabilidad. Jev solo elige entre las opciones que alguien ha escrito. Quien redacta la lista de respuestas posibles y quien fija el umbral de confianza para actuar es quien está tomando la decisión de verdad; el modelo solo la ejecuta muy rápido y muy barato.
Las ventajas
Se acabó interpretar texto
Es la ventaja menos vistosa y la que más código ahorra. Actualmente, integrar una IA en una aplicación implica pedir algo a un modelo, esperar a que lo escriba, leer ese texto mediante código, validarlo y reintentar la operación cuando no llega en el formato esperado. Con una respuesta tipada, todo ese andamiaje desaparece.
No puede salirse del guion
Si le das tres niveles de riesgo —bajo, medio y alto—, no puede inventarse un «extremadamente alto». Esa es la parte cierta del eslogan de que «no alucina», y tiene un matiz importante que verás en el capítulo siguiente.
Preguntar muchas cosas de golpe sale casi gratis
Como el estado se lee una sola vez y todas las preguntas se evalúan en paralelo contra él, hacer veinte preguntas cuesta poco más que hacer una. En un ejemplo de su propia documentación, agrupar trece preguntas sobre un mismo documento en una única llamada resultó 12,2 veces más barato y 10 veces más rápido que realizarlas por separado, obteniendo las mismas respuestas.
Esto permite hacer algo que antes no compensaba: preguntar también cosas que a lo mejor no necesitas, por si acaso, y que tu código decida cuáles usar.
Vigilar a los modelos grandes
Es, probablemente, el uso más útil y el menos llamativo. Con este precio se puede revisar cada una de las respuestas de un modelo caro antes de que llegue al usuario: comprobar si una cita está realmente respaldada por el documento que la acompaña, si un mensaje contiene datos personales o si la respuesta se ha ido de tema.
Esta vigilancia siempre ha sido una idea presente; lo que no existía era la posibilidad de ejecutarla sobre el cien por cien del tráfico sin duplicar la factura.
Velocidad que habilita cosas nuevas
Quien haya visto a un agente de IA navegar por una web conoce su lentitud: cada clic supone una llamada de varios segundos. Con décimas de segundo, el agente empieza a ser utilizable.
Las demostraciones de la empresa siguen esa línea: Jev jugando al Doom a razón de diez decisiones por segundo, por unos seis euros la hora, leyendo una descripción textual del estado de la partida en lugar de los píxeles. En una partida de ajedrez rápido, le ganó a un modelo de chat que se quedó sin tiempo pensando mientras Jev tenía muchas menos piezas. No es un resultado de ajedrez: es un resultado de latencia.
Los inconvenientes, contados por la propia empresa
TypeSafe ha publicado una página titulada «jaggedness», los bordes dentados de jev-1.13, en la que reconoce nueve modos de fallo. Se trata de un gesto poco habitual y, al mismo tiempo, del mejor resumen de lo que este modelo no sabe hacer.
Lee de forma literal
Responde a la pregunta que has escrito, no a la que querías hacer. Las negaciones, los matices y las condiciones implícitas se interpretan al pie de la letra. La propia documentación lo dice con una frase que sirve para cualquier sistema de este tipo: cuando veas una respuesta mal y te descubras explicando lo que de verdad querías decir, esa explicación es la mitad que le faltaba a la instrucción.
No sabe contar ni hacer cuentas
No es una calculadora y no cuenta de forma fiable: ni caracteres, ni cuántas veces aparece una palabra, ni los elementos de una lista larga. En lugar de contar, reconoce la forma de la respuesta, y el error aumenta según el tamaño. Tampoco compara correctamente números en formatos técnicos: obtener respuestas sobre colores en hexadecimal le resulta más difícil que preguntar por «rojo» y «azul».
Las fechas son texto, no cantidades ordenadas
Preguntar cuál de dos fechas va antes, cuánto tiempo transcurre entre ellas o si una cae dentro de un periodo determinado no es fiable. El rendimiento empeora con el uso de formatos mezclados y con conceptos como los periodos de liquidación o los trimestres.
Se deja llevar por el contenido
El estado que le pasas no se trata como hostil por defecto. Un texto escrito para manipular al modelo —una instrucción inyectada, un encuadre engañoso o un párrafo que argumente a favor de su propia clasificación— puede alterar la respuesta.
Y un detalle que rompe la intuición
Este es el punto que más conviene interiorizar. Se le preguntó a Jev sobre el mismo ticket «¿el cliente pide un reembolso?» y también la pregunta contraria, «¿el cliente pide algo que no es un reembolso?». Las dos probabilidades resultantes fueron 0,72 y 0,47: suman 1,19.
Esto no es un error del modelo, sino que no garantiza las identidades aritméticas que uno daría por sentadas. Una misma pregunta planteada como Noul o como Choice devuelve cifras que no son comparables entre sí. La consecuencia práctica es que un umbral ajustado para un tipo de pregunta no se puede trasladar a otro.
Las cifras que enseña son suyas
La empresa no ha participado en ninguna clasificación pública. Sus pruebas puntúan los modelos basándose en la coincidencia con la respuesta media de dos modelos de chat grandes, y no comparándolos con una verdad comprobada. Bajo este criterio, Jev alcanza un 67,8 % de coincidencia frente al 74,1 % de un modelo de referencia. Sus resultados son cercanos en atención al cliente (76 % frente a 78,3 %), pero se queda bastante atrás procesando facturas: 61,8 % frente a 79,1 %.
Los datos de «193 veces más rápido» y «444 veces más barato» proceden de esas mismas pruebas, y la propia TypeSafe admite que se encuentran en el extremo optimista de lo que se ve en la realidad.
Lo que le falta
Solo admite texto, sin soporte para imágenes ni audio. No se ha publicado ningún artículo técnico ni el número de parámetros y, además, se encuentra en acceso anticipado.
Para qué sirve, y para qué no
La regla es sencilla: sirve cuando la respuesta cabe en una lista que puedes escribir de antemano. Si hay que redactar algo, no es su sitio.
Donde encaja
- Clasificar y enrutar. A qué equipo va un ticket, en qué categoría cae un producto, en qué idioma está un fragmento de código. Es el caso de libro.
- Moderar y filtrar. Revisar todo lo que entra y sale de una aplicación con IA, y decidir por umbrales si pasa, se bloquea o lo mira una persona.
- Verificar a otro modelo. Comprobar si una cita está respaldada por su fuente, o si una respuesta larga se sostiene sobre los documentos que dice usar.
- Ordenar resultados de búsqueda. En una prueba de la documentación, reordenar candidatos legales con una pregunta por pareja subió el acierto en el primer resultado del 5 % al 18 %.
- Extraer datos, pero en dos pasos. Las expresiones regulares encuentran los candidatos —correos, teléfonos, importes— y Jev elige cuál es el que se pedía. Él solo no extrae: elige.
- Convertir lenguaje natural en llamadas a funciones, cuando los nombres y los argumentos son un conjunto cerrado.
- Decidir dentro de un bucle rápido, como un agente que navega o un juego.
Donde no
- Escribir cualquier cosa. No está entrenado para generar texto. Se puede forzar encadenando elecciones, pero sale mal y sale lento.
- Cualquier cosa con números, fechas o cuentas. Eso va en código, siempre.
- Razonar en varios pasos. Cada salto de indirección le cuesta precisión.
- Decidir sobre un montón de material sin filtrar. La precisión baja según crece el estado con información que no hace falta. Primero se filtra, después se pregunta.
La forma sensata de usarlo no es sustituir a un modelo de chat, sino rodearlo. Un modelo lento y caro para lo difícil, y decisiones rápidas y baratas alrededor para todo lo demás: filtrar lo que entra, elegir a dónde va cada caso y comprobar lo que sale.
Por qué se llama Jev
El nombre refleja la tesis de la empresa. En 1865, el economista William Stanley Jevons observó que las máquinas de vapor más eficientes no redujeron el consumo de carbón: lo abarataron tanto que se empezó a utilizar en todas partes y el consumo se disparó.
TypeSafe apuesta a que ocurrirá lo mismo en este caso: que cada vez que el coste de una decisión de IA baje un orden de magnitud, aparecerán muchísimos más usos de los que se ahorran. El objetivo no son las personas, sino los miles de millones de decisiones pequeñas y aburridas que el software toma cada día y que hoy no justifican pagar una llamada a un modelo grande.
Esto recuerda a algo que ya ocurrió. En 2017, la arquitectura Transformer triunfó al renunciar al procesamiento secuencial para apostar por la paralelización, lo que acabó dando lugar a los chatbots frente a los que Jev se posiciona ahora. Jev renuncia precisamente a lo que hizo famosos a esos modelos —escribir— a cambio de velocidad.
Si Jev como tal triunfa o no importa menos que la idea. El futuro del software con IA puede que no consista en un modelo gigante que lo haga todo, sino en uno lento y capaz para las tareas difíciles, rodeado de decisores rápidos y baratos para el resto. Y esta forma de organizar el sistema no depende de que la empresa que la propone sobreviva.
Si quieres seguir por aquí, en cómo saber cuál es el mejor modelo de IA en cada momento explicamos qué miden los rankings y por qué hay que leer con pinzas las cifras que una empresa publica sobre sí misma, como las de este artículo.
Fuentes
