TypeSafe brengt Jev uit voor softwarebeslissingen

Jev, het eerste System One-model van TypeSafe, geeft software typed beslissingen met waarschijnlijkheden in plaats van tekst, meldt de AI-start-up; de release komt op 15 september in early access beschikbaar.

Voor software die duizenden kleine keuzes maakt, verschuift daarmee de rekensom. Classificeren, routeren, scoren, gegevens uitnemen of een workflowvertakking kiezen hoeft niet eerst via een tekstantwoord dat de applicatie daarna moet ontleden en controleren. Jev richt zich precies op dat beslismoment, maar is geen algemeen taalmodel dat ChatGPT of Claude vervangt.

Een model voor beslissingen

TypeSafe noemt Jev een System One-model, gebouwd met een eigen architectuur, parallelle bemonstering en Reinforcement Learning for Calibrated Decisions. De invoer kan ongestructureerde informatie zijn, maar de uitvoer bestaat uit vooraf bepaalde waarden met kansen en een vertrouwensscore. Software krijgt daardoor een antwoord dat direct in een vaste tak van de code past.

De grens is belangrijk. Een vaste uitvoervorm voorkomt parseer- en typefouten, maar maakt een verkeerde zakelijke beslissing niet onmogelijk. De waarschijnlijkheid zegt iets over de kalibratie van het model, niet dat een factuur, klantvraag of fraude-alarm inhoudelijk zeker juist is. The Register beschrijft Jev als een model voor beperkte softwarekeuzes, zoals het routeren van klantvragen, niet als een nieuwe gesprekspartner voor mensen.

De prijs- en snelheidclaim

TypeSafe publiceert voor Jev een prijs van $0,042 per miljoen invoertokens, omgerekend $42 per miljard. Uitvoertokens staan in de prijstabel als gratis. Voor een workflow met veel kleine beslissingen kan dat de kosten per taak sterk verlagen, als de taak met vaste keuzes en voldoende betrouwbare invoer werkt.

Ook de latentie is gericht op software: TypeSafe noemt 70 tot 500 milliseconden voor een volledige aanroep. In de eigen vergelijking staat daar 3 tot 329 seconden voor frontiermodellen tegenover. The Register schrijft dat de publiek getoonde demo Jev in 0,114 seconde laat antwoorden tegenover 8,566 seconden voor GPT-5.6 Terra. Dat zijn cijfers uit de presentatie van TypeSafe en een demonstratie, geen onafhankelijke productiemeting.

Wat de benchmark wel en niet zegt

De opvallendste prestatieclaim komt uit vier eigen workflow-evaluaties. TypeSafe voert voor elk model dezelfde workflow uit en gebruikt de gemiddelde voorspellingen van GPT-6 Astra en Fable 5.1 als referentie. De LLM's krijgen daarbij een TypeSafe-wrapper om gestructureerde beslissingen te leveren. Op de eigen site noemt TypeSafe in deze opzet 193,6 keer sneller en 444,6 keer goedkoper.

Dat is relevante informatie over de beoogde taak, geen openbare ranglijst van algemene modelintelligentie. TypeSafe vermeldt zelf dat de workflows door mensen uit het eigen capaciteiten-team zijn gemaakt, dat daardoor enige vertekening mogelijk is en dat de genoemde winst aan de hoge kant van de praktijk kan liggen. De release geeft dus vooral een nieuwe meetlat: niet hoeveel tekst een model maakt, maar hoeveel betrouwbare beslissingen software per euro en per seconde kan verwerken.

Dat past bij een AI-agent die tussenstappen in bedrijfssoftware uitvoert en daardoor meer doet dan een chatbot. Jev probeert in zo'n flow het beslismoment sneller en beter begrensd te maken, terwijl een taalmodel nodig blijft voor uitleg, code of open gesprekken.

De betekenis van deze release zit daarom niet in het einde van taalmodellen, maar in een opsplitsing van de AI-stack. Voor Nederlandse organisaties die automatisering op grote schaal willen laten draaien, wordt de relevante vraag steeds vaker welke gespecialiseerde laag een taak betrouwbaar genoeg uitvoert, en wat die taak per geslaagde beslissing kost. Jev is met early access nog een belofte, maar het ontwerp maakt die vraag concreter.