¿Qué es Jev?
Explicado en simple.
Jev es un modelo de TypeSafe AI que no escribe texto. Le pasas un contenido y una pregunta con un conjunto fijo de respuestas, y te devuelve una de ellas con una probabilidad. Esa es toda la idea, y el resto se deriva de ahí.
Construimos una parodia de Jev, lo que implicó leernos toda su documentación. Esta página es la versión seria de lo que aprendimos. Sin chistes hasta el final.
En resumen
Qué hace. Recibe tu contenido y una pregunta tipada, y devuelve una respuesta tipada con una distribución de probabilidad. Nunca una frase.
Para qué sirve. Para juicios que consume tu código, no que lee una persona. Enrutar, clasificar, filtrar, ordenar, decidir si seguir o parar.
Por qué entusiasma. Es tan rápido y barato que permite poner un juicio en lugares donde llamar a un modelo de lenguaje nunca valió la pena.
Qué no es. No es un chatbot ni un modelo de razonamiento, ni reemplaza a ninguno. No puede generar nada.
Por qué existe
Los modelos de lenguaje están hechos para producir texto que lee una persona. Cuando necesitas que un modelo emita un juicio sobre el que tu código va a actuar, ahí aparece el desajuste. Terminas convenciendo a un generador de texto de que produzca una salida estructurada, y después escribiendo una capa que la parsea de vuelta a algo en lo que tu programa pueda confiar. Cualquiera que haya construido con modelos de lenguaje escribió esa capa, y también la vio romperse.
TypeSafe llama a Jev un modelo System One, por el tipo de pensamiento humano rápido e intuitivo. La comparación que plantean es sobre el entrenamiento. Los modelos de chat se entrenan con aprendizaje por refuerzo a partir de retroalimentación humana. Los de razonamiento, con aprendizaje por refuerzo a partir de recompensas verificables. Jev se entrena con lo que TypeSafe llama RLCD, aprendizaje por refuerzo para decisiones calibradas. El objetivo no es una buena frase. Es una probabilidad que signifique algo.
Las tres primitivas
Jev expone exactamente tres tipos de pregunta. Cada uno pregunta algo distinto y devuelve algo distinto.
| Pregunta | Qué estás preguntando | Qué devuelve |
|---|---|---|
| Choice | Elige una opción de la lista que te doy | La opción elegida, una probabilidad por cada opción y una confianza |
| Score | Puntúa esto según un criterio que yo defino | Una puntuación, una probabilidad por cada nivel y una confianza |
| Noul | ¿Esta afirmación es verdadera? | Un solo número de 0 a 1. Sin valor de confianza |
El detalle importante es que puedes mezclar los tres en una sola petición. Cada pregunta se evalúa en paralelo y de forma aislada contra el mismo contenido, así que agregar preguntas casi no cambia cuánto tarda la llamada. Y como se evalúan de forma independiente, las preguntas no se contaminan entre sí como sí ocurre en un prompt largo.
Esa propiedad es la que cambia la sensación al usarlo. No estás escribiendo un prompt ingenioso. Estás haciendo doce preguntas pequeñas a la vez y combinando los resultados tú mismo, en código.
El estado
El contenido que quieres evaluar se llama state. Puede ser una cadena de texto, un objeto JSON o un array de valores de texto. Normalmente conviene un objeto, porque poner nombre a cada parte del contenido mantiene claras las relaciones.
Jev solo acepta texto. Nada de imágenes, audio ni video. Si quieres que juzgue algo que no es texto, primero tienes que convertirlo en texto o en campos estructurados.
Confianza
Cada respuesta de Choice y de Score viene con una distribución de probabilidad sobre las opciones o los niveles. La forma de esa distribución es la señal real. Concentrada en un resultado significa que el modelo está seguro. Repartida significa que no lo está.
El valor de confianza colapsa esa forma en un único número de 0 a 1, para que puedas poner un umbral sin hacer las cuentas. TypeSafe aclara que es una medida cómoda y no la única correcta, y por eso devuelve también la distribución completa. Las respuestas Noul no llevan confianza porque el número que devuelven ya es una probabilidad.
El patrón práctico que esto habilita es enrutar según la certeza. Resuelve automáticamente los casos seguros y manda los dudosos a un modelo más lento o a una persona. Es un diseño que no puedes construir sobre un generador de texto, porque un generador de texto afirma todo con la misma fluidez, sepa o no.
Precio y límites
Estas son las cifras publicadas para el modelo actual, jev-1.13.0, servido desde un único endpoint.
POST /v1/systemone, eligiendo el modelo con un campo de la petición.
Cobrar por la entrada y no por la salida es la forma honesta de tarifar un modelo cuya salida es una opción y un número. También explica por qué la gente publica capturas de su factura. Si mandas estados pequeños, cuesta bastante gastar dinero.
Cómo escribir preguntas
El consejo del propio TypeSafe es lo más útil de su documentación, y es la parte que casi todos se saltan. Pregunta una sola cosa concreta y bien acotada por pregunta. Piensa en cada una como una corazonada: el juicio que una persona con criterio podría emitir en unos segundos con el contexto adecuado.
Si una pregunta requiere razonar largo, o pesa varios factores independientes, divídela. En lugar de pedirle que puntúe un pitch de startup, pregunta por separado por tamaño de mercado, viabilidad técnica y diferenciación, y combina las puntuaciones con tu propia fórmula. Cuando cambien tus prioridades, ajustas un coeficiente en tu código en vez de reescribir un prompt.
Ese es el cambio de verdad. La lógica ya no vive dentro del modelo. Vive en tu código, y el modelo solo responde las pequeñas preguntas fácticas que esa lógica necesita.
Dónde falla
TypeSafe publica una página con las debilidades conocidas de la versión actual, que es más de lo que hacen casi todos los laboratorios. Estos son los modos de fallo que listan, con su propia recomendación.
| Modo de fallo | Qué hacer en su lugar |
|---|---|
| Lectura literal. Responde la pregunta que escribiste, no la que querías decir | Escribe la condición exacta y el criterio de cada opción |
| Matemáticas y números | Deja la aritmética en tu código |
| Comparar fechas y horas | Extrae los componentes y compáralos en código |
| Indirección, cuando la respuesta está a varios saltos | Reduce los saltos y apunta directo al contenido relevante |
| Estados grandes llenos de detalle irrelevante | Filtra primero y manda solo lo que la pregunta necesita |
| Contenido adversario | Escribe preguntas precisas y prueba los casos límite antes de desplegar |
| Instrucciones y criterios contradictorios | Haz que el criterio y la instrucción concuerden |
| Invariantes estructurales de sentido común | Pregunta cada decisión en un solo sentido y garantiza las identidades en código |
| Generación de cualquier tipo | Usa un modelo generativo. Este no puede |
El patrón de los nueve es el mismo. Jev es literal y es rápido. Todo lo que exija una cadena de inferencias, precisión numérica o sostener varias ideas en tensión no es para lo que está hecho.
¿Deberías usarlo?
Sí, si tu código ya contiene un juicio que una persona haría al instante y que hoy resuelves con una pila de condicionales, una lista de palabras clave o una llamada a un modelo de lenguaje que te da un poco de culpa. Enrutar tickets de soporte, filtrar spam y abuso, etiquetar contenido, detectar intención, ordenar candidatos, decidir si un agente debe continuar o parar.
No, si necesitas texto, razonamiento, aritmética o una respuesta que va a leer una persona. No es un chatbot más pequeño. Es otra herramienta.
Probablemente todavía no, si construyes en un idioma que no sea inglés, o si tus juicios dependen de comparaciones numéricas precisas. Ambas son debilidades documentadas hoy.
Sobre esta página
No somos TypeSafe AI. Este sitio es una parodia de ellos, y Jef es nuestra parodia de Jev. Escribimos esta explicación porque mucha gente está preguntando qué es Jev y la respuesta honesta resulta más interesante que el ruido que lo rodea.
Todo lo de esta página sale de la documentación del propio TypeSafe en docs.typesafe.ai, consultada el 18 de septiembre de 2026. Las cifras cambian; verifica la fuente antes de depender de ellas.
Ahora el chiste.
Nos gustó tanto la forma que construimos una versión tonta. Jef tiene el mismo espacio de salida cerrado, el mismo número de confianza y nada de la precisión. Tiene una interfaz de chat completa y es incapaz de producir una frase. No lee nada, no guarda nada y siempre está como un 97% seguro.
Habla con Jef → Ver las apps