Jev y los Decision Models: una nueva categoría de LLM que no genera texto sino probabilidades
TypeSafe AI lanza Jev, el primer 'System One Model': acepta texto, devuelve probabilidades tipadas. 40-200x más rápido y 444x más barato que los LLMs frontier.
🧠 Jev y los Decision Models: una nueva categoría de LLM que no genera texto sino probabilidades
TypeSafe AI — fundada por Diogo Almeida, ex-OpenAI (creó los métodos detrás de ChatGPT) — ha lanzado Jev, el primer modelo de una categoría que llaman "System One Models" (o Decision Models, como prefiere Maggie Appleton). La propuesta es radical: un modelo que acepta texto como entrada pero nunca genera texto de salida. En su lugar, devuelve números de punto flotante correspondientes a categorías, preguntas sí/no, puntuaciones y niveles de confianza asociados.
¿Qué es exactamente?
Jev funciona como una función de inferencia de inteligencia frontier: accepts un "estado" no estructurado (un documento, un cliente, un registro) y una o más preguntas, y devuelve decisiones tipadas con probabilidades calibradas. Soporta tres tipos de consulta:
- Noul (Bernoulli): preguntas sí/no con un float entre 0 y 1 de confianza
- Choice: selección de una opción de un conjunto, con distribución de probabilidad completa
- Score: puntuación numérica a lo largo de un rango definido
Las preguntas se evalúan en paralelo — enviar 100 preguntas sobre el mismo documento toma aproximadamente lo mismo que enviar una.
Los números que importan
| Métrica | LLMs frontier | Jev (System One) |
|---|---|---|
| Velocidad | 3–329 segundos | 70ms–500ms |
| Coste entrada | $0.20–$10/MTok | $0.042/MTok |
| Coste salida | ~5x más caro que entrada | Gratis |
| Alucinaciones | Posibles | Imposible por diseño |
| Errores de tipo | Posibles | 0% (salida tipada) |
La formación usa un nuevo algoritmo llamado RLCD (Reinforcement Learning for Calibrated Decisions) en lugar del RLHF estándar, optimizando para probabilidades epistémicamente honestas en tareas de decisión, no para preferencias humanas de chat.
Reacciones y ecosistema
En menos de una semana desde su lanzamiento, la comunidad ha generado proyectos como Kev (recreación open-weight usando Qwen 3.5 con modelos de 0.8B, 4B y 9B), un benchmark comparativo (JevBench), implementaciones absurdas como jev-leftpad y jev-2048, e incluso un chatbot que le pregunta a Jev "¿qué carácter viene siguiente?" en cada paso. Simon Willison lo ha experimentado para reranking de búsqueda: recuperar 100 candidatos con BM25 y luego puntuarlos con Jev para relevancia.
La sombra del negro
Willison señala una regresión hacia sistemas de ML de caja negra: Jev ni siquiera ofrece la posibilidad de justificar sus decisiones como los LLMs. Un float no explica por qué algo fue clasificado como spam o qué sesgos oculta. Esto hace que evaluaciones y experimentos estructurados sean más críticos que nunca — y que el sesgo en decisiones automatizadas sea un riesgo real si se usa para filtrar candidatos a empleo o decisiones similares.
¿Por qué importa?
Jev representa una desviación deliberada de la carrera por chatbots cada vez más capaces. En lugar de intentar que un modelo "haga todo", optimiza para automatizar decisiones de software: clasificar, enrutar, puntuar, extraer, ramificar donde la lógica manual es demasiado rígida. Es el equivalente a pasar de un asistente conversacional a una función inteligente que se integra directamente en código con garantías de tipo y latencia. Si la premisa se mantiene, podría redefinir dónde y cómo usamos IA en producción.