TypeSafe AI

Wiki de Jev

Una API de decisiones para evaluaciones estructuradas

Modelo: Jev 1.13
ID del modelo: jev-1.13.0
Contexto: 64k tokens de contexto
Precio de entrada: $0.042 / millón
Tokens de salida: free
Latencia: 70ms-500ms
Rendimiento: 250.000 tokens/s
Límite de solicitudes: 1,200 / min

Los límites pueden cambiar sin aviso.

Jev es el modelo insignia de TypeSafe AI y el primer modelo System One. Envías un estado junto con preguntas tipadas y devuelve respuestas Choice, Score o Noul con probabilidades, en vez de una transcripción de chat. La versión activa es Jev 1.13 (jev-1.13.0). La entrada cuesta $0.042 por millón de tokens, los tokens de salida son gratuitos y TypeSafe indica una latencia integral de 70ms-500ms, con la mayoría de las consultas en torno a 100ms. El inglés es el idioma con mejor rendimiento. Abre Primitives antes de escribir una solicitud, o consulta la ficha de Jev 1.13 para ver los alias, el contexto y los límites de frecuencia. Los límites pueden cambiar sin aviso durante el acceso anticipado. Fija jev-1.13.0 si ya ajustaste esos umbrales.

Jev request loop: state and typed questions in, Choice Score or Noul out — Entran el estado y las preguntas tipadas; salen Choice, Score o Noul.

Homepage race claim: Jev 0.114s versus 8.566s, 193.6x faster and 444.6x cheaper — Comparativa publicada por TypeSafe para el flujo de System One: 0.114s frente a 8.566s.

Jev returns typed decisions and never generates strings — Jev devuelve decisiones tipadas y nunca genera cadenas de texto.

Qué es Jev

Un modelo System One está diseñado para software que debe actuar. Jev lee un estado en lenguaje natural —una cadena, un objeto JSON o un arreglo de texto— y responde un mapa de preguntas mediante un único POST a /v1/systemone. No redacta respuestas, genera código ni explica su razonamiento. Las imágenes, el audio y el video quedan fuera de la solicitud; conviértelos previamente en texto si los necesitas.

Los tres tipos de pregunta son Choice (una opción entre un máximo de 255), Score (una escala ordenada de 2 a 10 niveles, cuyo resultado puede quedar entre dos niveles) y Noul (P(sí) en [0, 1], sin un campo de confianza separado). Las preguntas de una misma llamada comparten el estado, se ejecutan en paralelo y apenas aumentan la latencia al añadir más. Los ID de las preguntas sirven para tu código y no se envían al modelo subyacente.

Jev debe su nombre al economista William Stanley Jevons. System One toma como referencia el rápido Sistema 1 de Kahneman: emite un juicio veloz y después tu código realiza el trabajo lento. TypeSafe se entrena con Reinforcement Learning for Calibrated Decisions (RLCD), no mediante el ajuste de chat de RLHF. Se garantiza el cumplimiento del esquema, por lo que la respuesta no puede generar un error de tipo en formato libre.

TypeSafe AI y el lanzamiento

TypeSafe AI se desarrolla en San Francisco. Diogo Almeida es fundador, director ejecutivo y coinventor de RLHF. LinkedIn clasifica la empresa como privada, con 11-50 empleados. Jev inició su acceso anticipado el 15 September 2026 tras unos dos años operando de forma reservada. La publicación de lanzamiento describe una arquitectura nueva, un muestreador paralelo y RLCD como método de entrenamiento.

Las solicitudes y respuestas de los clientes no se usan para entrenar Jev. Todas las cuentas emplean los mismos pesos; las respuestas se moldean mediante el estado, las instrucciones y los criterios, no con un LoRA. Los planes personalizados y empresariales ofrecen límites de uso superiores a través de sales@typesafe.ai. El entorno de pruebas y las claves de API están en console.typesafe.ai después de iniciar sesión.

Video oficial de lanzamiento

TypeSafe pasó unos dos años en desarrollo reservado antes de esta fecha. No hay ninguna otra versión pública de Jev entre la investigación reservada y Jev 1.13.

Directorio de la comunidad y prensa

Awesome Jev cataloga clientes, integraciones, juegos y artículos de la comunidad, y no está afiliado con TypeSafe AI. Considera esos paquetes trabajos comunitarios salvo que el README apunte a github.com/typesafe-ai. El Python oficial es typesafe-sdk; el JavaScript oficial es @typesafe-ai/sdk.

Cloudflare Workers AI incluye el modelo como typesafe/jev. La búsqueda de Jev TypeSafe en la tienda de Steam no devolvió aplicaciones: Jev es una API HTTP, no un título de la tienda. Discord es discord.gg/typesafe. La organización typesafe-ai de GitHub publica el SDK de JS y habilidades relacionadas. El canal de YouTube de TypeSafe existe como página de marca sin videos, por lo que esta wiki usa el video oficial de la portada en vez de una interfaz de YouTube.

Una primera solicitud y después un umbral

La vía más rápida para empezar con Jev es el entorno de pruebas de console.typesafe.ai/playground: pega una solicitud, añade un Noul para determinar la urgencia y luego un Choice para identificar al equipo responsable. Ese mismo mapa puede convertirse en una llamada curl a POST /v1/systemone o en una llamada TypeSafeClient.system_one. Fija jev-1.13.0 cuando estés conforme con las respuestas; usa jev-latest solo si quieres que el alias pueda cambiar.

Antes de cualquier efecto secundario automático, consulta la confianza de Choice y Score, y considera que un Noul cercano a 0.5 indica incertidumbre. Revisa los nueve modos de jaggedness para la pregunta que acabas de escribir. Si pediste a Jev que contara, comparara fechas o redactara una frase, traslada esa tarea fuera del modelo. La página de primitivas ofrece la comparación; la página de la API incluye los comandos de instalación; jaggedness es el filtro que debes ejecutar antes de publicar.

Calcula el costo del bucle con $0.042 por millón de tokens de entrada y salida gratuita. Los cerca de $7/hour a 10 consultas por segundo de la demo de Doom son el ejemplo público de un bucle compacto, no un gasto obligatorio. Los límites de 250,000 tokens por segundo y 1,200 solicitudes por minuto pueden cambiar sin aviso mientras se amplía el acceso anticipado. Ventas puede aumentarlos con planes personalizados.

Conserva esta portada como índice rápido: primero los datos vigentes, luego qué es Jev, quién lo lanzó y, por último, el video oficial. Desde aquí, los siguientes enlaces son Primitives para la comparación, Modelos para la ficha, Jaggedness para los nueve modos de fallo y API para las líneas de instalación. Discord y GitHub aparecen en la sección comunitaria cuando buscas clientes no oficiales.

Jev inició su acceso anticipado el 15 September 2026. Los datos de esta página —contexto de 64k, $0.042 por millón de tokens de entrada, salida gratuita, 70ms-500ms, jev-1.13.0— proceden de la ficha activa que TypeSafe publicó con ese lanzamiento. Cuando aparezca un ID versionado más reciente, la página del modelo deberá mostrarlo; esta página principal debe seguir apuntando a la ficha actual, no a una captura obsoleta.

Si solo recuerdas tres enlaces de esta portada, que sean Primitives, Jaggedness y API. Ese es el ciclo que documenta TypeSafe: elige un tipo de pregunta, evita los modos de fallo conocidos y llama a POST /v1/systemone con jev-1.13.0 o jev-latest.

TypeSafe se desarrolla en San Francisco; Diogo Almeida es el director ejecutivo. Estos datos de la empresa aparecen bajo el encabezado del lanzamiento, no en el panel de datos vigentes.

Jev 1.13 model id and aliases jev-latest and jev-preview — jev-1.13.0 con los alias jev-latest y jev-preview.

Jev context budgets: 64k tokens per request and 32k for state plus longest question — 64k por solicitud; 32k para el estado más la pregunta más larga.

Jev early access opened 15 September 2026 after TypeSafe stealth R and D — Acceso anticipado el 15 September 2026 tras un período reservado de I+D.

Fuentes