Jev: Qué es el modelo de decisión de TypeSafe y qué página necesitas realmente

Jev es un modelo de decisión creado por TypeSafe AI: le envías un fragmento de estado y un conjunto de preguntas con nombre, y devuelve una respuesta tipada para cada una — una etiqueta de una lista que tú proporcionaste, una puntuación en una rúbrica que definiste, o una afirmación de sí/no con una probabilidad asociada — en lugar de escribir una frase como respuesta. El modelo en servicio hoy es Jev 1.13, cuyo ID versionado del proveedor es jev-1.13.0; pertenece a una clase de modelo que TypeSafe AI llama System One; y el laboratorio que hay detrás es TypeSafe AI, una pequeña empresa de San Francisco que publica en typesafe.ai. En OrcaRouter la cadena exacta es typesafe/jev-1.13. Son cuatro cosas distintas — un modelo, una versión, una clase y una empresa — y una gran parte de las personas que llegan a esta página buscan una de ellas sin estar seguras de cuál. Un buen número llega desde una búsqueda escrita en chino: las consultas jev模型 y jev 模型 juntas acumulan más de nueve mil de las impresiones que medimos para este nombre, y lo que esos lectores quieren es el identificador, no una traducción. No existe un nombre en chino para nada de esto. Jev, Jev 1.13, jev-1.13.0 y typesafe/jev-1.13 se escriben igual en todos los idiomas, y las cadenas de abajo son las que hay que copiar.

Esta página es la entrada de referencia bajo el nombre Jev. No es una publicación de lanzamiento: Jev 1.13 apareció públicamente por primera vez el 2026-09-15, lo que lo sitúa muy fuera de la ventana de siete días en la que este blog publica noticias, y TypeSafe AI nunca ha publicado una fecha por entrada en su propio blog, así que una «fecha de lanzamiento de Jev» de un solo día que te citen de donde sea debería leerse como la instantánea de alguien, y no como el anuncio del proveedor. Lo que esta página es, en cambio, es el índice. Las demás páginas de Jev que ya están en este sitio responden cada una a una pregunta concreta; esta es la que te dice qué es Jev, zanja la cuestión del nombre y te señala la página adecuada para lo que sea que hayas venido a averiguar.

Los nombres, y por qué tanta gente cree que son tres productos

TypeSafe AI es la empresa. Construye lo que describe como infraestructura de inteligencia nativa de máquina para la automatización, fue fundada por Diogo Almeida (CEO) junto con Sasha Sheng (COO) y Erik Gafni (CTO), y salió tras dos años en modo encubierto con una ronda Serie A liderada por Andreessen Horowitz junto con Sequoia Capital y DCVC. Su propio sitio contiene la frase "Estamos construyendo prod, no a Dios". Cuando un lector escribe la sola palabra "typesafe" y se refiere al modelo de IA, esta es la entidad a la que se refiere —no el adjetivo del lenguaje de programación que esa misma palabra deletrea.

System One es la clase. TypeSafe AI lo introdujo como una categoría de modelo diseñada para tomar decisiones rápidas y estructuradas que el software puede consumir directamente, tomando prestado el nombre de la división System 1 / System 2 de la economía del comportamiento: la mitad rápida de la cognición, la que reconoce patrones. La definición de la clase es deliberadamente estrecha. Los modelos System One no escriben respuestas, no producen código ni generan explicaciones de su razonamiento y, según la documentación actual, el lado de la entrada es solo texto. Jev 1.13 es el modelo insignia de TypeSafe AI y el primer miembro de esa clase; nada más de lo que TypeSafe AI ofrece actualmente es un modelo System One.

Jev es el producto. Es eso que llamas, y aquello de lo que tratan esta página, las otras páginas bajo este nombre y todas las comparaciones en esta raíz. La versión es parte de la identidad del producto en lugar de una nota al pie, que es donde empieza la mayor parte de la confusión, así que vale la pena nombrar las cadenas exactamente:

• jev-1.13.0 — el ID de modelo versionado del proveedor, el valor que la API devuelve en el campo model de la respuesta para indicarte qué compilación te respondió.

• jev-latest — un alias de TypeSafe AI que significa la versión oficial estable más reciente. Actualmente se resuelve a jev-1.13.0, y es el valor predeterminado del SDK.

• jev-preview — un segundo alias que significa la versión más reciente, ya sea oficial o no. También se resuelve a jev-1.13.0 en este momento, porque no existe ninguna compilación preliminar; la documentación lo dice claramente.

• typesafe/jev-1.13 — el ID de catálogo de nuestro lado, y el que hay que copiar si llamas a través de OrcaRouter.

• Jev 1.13 — el nombre que se debe usar en la prosa y en los cuadros de búsqueda. "Jev 1.13" y "Jev" no son dos modelos.

Hay un nombre más que atrapa a la gente, y es una trampa en lugar de una relación. RSI-Jev es un pequeño modelo de visión y lenguaje de 4B publicado el 2026-10-06 bajo Apache-2.0 por investigadores no vinculados a TypeSafe AI, y su propia ficha indica que no está afiliado a TypeSafe AI. Si buscaste Jev, encontraste un checkpoint descargable y te preguntaste por qué TypeSafe AI también vende una API para él, esa es la razón: son dos cosas diferentes que comparten tres letras. El desglose completo de los dos, incluido lo que el fork puede y no puede hacer, está en RSI-Jev vs Jev 1.13: Uno que descargas, uno al que llamas, y la cuestión de identidad por sí sola está en ¿Qué es RSI-Jev?.

Si lo que buscabas no era la denominación sino el comportamiento del modelo, la página que lo explica es jev-model-explained, que abarca por qué las respuestas llegan como etiquetas y qué efecto tiene eso en un prompt.

Para qué está hecho Jev 1.13

Jev 1.13 está diseñado para decisiones que ya tienen forma cerrada antes de que se ejecute el modelo. O proporcionas la lista de etiquetas, o defines la escala, o enuncias la afirmación; la tarea del modelo es elegir, puntuar o dar fe, y asignar una probabilidad a su respuesta. Cada pregunta de una solicitud se evalúa en paralelo contra una única lectura compartida del estado, en lugar de una tras otra, lo cual explica por qué adjuntar veinte preguntas a una solicitud apenas cuesta más tiempo que adjuntar una, y por qué no hay tokens de salida que medir en absoluto. Los usos documentados son los poco glamurosos que se ejecutan a gran volumen: enrutamiento y clasificación, comprobaciones de guardarraíles, verificación por turno dentro de un bucle de agente y puntuación de grandes conjuntos de documentos según una rúbrica fija.

Lo que no hace es escribir. No produce prosa, ni código, ni explicación de su razonamiento, y no acepta entradas de imágenes ni de audio. La forma es la otra restricción: el presupuesto documentado es de 64K tokens por solicitud, de los cuales 32K están disponibles para el state junto con su pregunta más larga —generoso para una pieza de estado más sus preguntas, pero no es un modelo de contexto largo, así que un flujo de trabajo que dependa de leer un contrato entero de una sola pasada es un flujo de trabajo que Jev 1.13 no puede aceptar. Más allá de la forma, TypeSafe AI mantiene su propia lista de las maneras en que el modelo se equivoca al tomar decisiones: leer las preguntas al pie de la letra, el conteo y la aritmética, la comparación de fechas y horas, la indirección, estados que son grandes y en su mayoría irrelevantes, contenido adversario, instrucciones contradictorias, el orden de las opciones en una elección y la generación. Esa lista son nueve modos de fallo con nombre y un remedio sugerido bajo cada uno, y está documentada hasta la versión a la que se aplica. No la reproducimos aquí porque ya la mantenemos como es debido: Where Jev 1.13 Breaks: TypeSafe's Own Limits List, slug jev-limitations, es la página que hay que leer antes de poner esto detrás de cualquier cosa que importe, y es la página que la mayoría de los lectores de este hub realmente quiere.

Pesos, licencia y qué puedes descargar

Jev 1.13 no es de código abierto. TypeSafe AI no publica pesos del modelo para él ni ninguna licencia que te permita ejecutarlo por tu cuenta; lo que la empresa sí libera como código abierto son herramientas —SDK de cliente y utilidades auxiliares bajo MIT y Apache-2.0—, mientras que el modelo sigue siendo una API alojada. En cuanto a los datos, los compromisos publicados son la promesa de no entrenar modelos con datos de clientes y retención cero de datos para clientes empresariales. Así que no hay respuesta a «¿qué cuantización me descargo?» para Jev 1.13, y no hay GGUF, y cualquiera que te diga lo contrario está describiendo la otra cosa que lleva Jev en el nombre.

El artefacto descargable en esta esquina del mercado es RSI-Jev v6.0-VL, el modelo 4B con Apache-2.0 mencionado más arriba, que puedes guardar en tu propio disco y servir por tu cuenta. Es una opción genuina si tu motivo para querer pesos abiertos es que los pesos tienen que ser tuyos, y es una reimplementación de la misma idea, no una publicación de Jev 1.13. Lo argumentamos largo y tendido en ¿Es Jev de código abierto? No, y un modelo abierto de terceros hace el mismo trabajo — slug jev-open-source —, así que toma esta sección como el puntero y esa página como el argumento. La versión en una línea: lo que la licencia de TypeSafe AI y los artefactos publicados permiten es llamar a Jev 1.13 a través del endpoint del proveedor o mediante una pasarela; lo que no permiten, porque no lo proporcionan, es ejecutarlo. Si necesitas los pesos en la mano, la licencia que realmente estás evaluando es la Apache-2.0 de RSI-Jev, no la de TypeSafe AI.

El conjunto de comparación

Bajo este epígrafe existen cinco comparativas directas, cada una construida en torno a un resultado medido en lugar de una impresión general. Si estás comparando Jev 1.13 con algo específico, ve directamente a la que coincida, porque cada una de ellas contiene un número que esta página solo aplanaría:

• jev-vs-claude-fable-5-1 — Jev vs Claude Fable 5.1: La partida de ajedrez que midió lo que no debía. Fable 5.1 construyó una posición ganadora y perdió por tiempo; la mitad útil de la historia es lo que te aporta un suelo de latencia de un milisegundo frente a un modelo que tarda segundos por jugada.

• jev-vs-deepseek-v4-1-flash — Jev vs DeepSeek V4.1 Flash: ocho centavos por mil no son un foso defensivo. En 77 ejemplos del conjunto estándar de clasificación de intenciones, DeepSeek V4.1 Flash quedó un centavo por cada mil clasificaciones por detrás de Jev 1.13 y cuatro puntos por delante en precisión, que es el argumento honesto en contra de comprar un modelo de decisión por precio.

• jev-vs-gpt-6-astra — Jev vs GPT-6 Astra: El juez y el acusado en la misma comparación. El panel que otorga a Jev 1.13 la puntuación más alta utiliza los juicios promediados de GPT-6 Astra y Claude Fable 5.1 como respuestas de referencia, así que el acusado está corrigiendo el examen.

• jev-vs-kev — Jev vs Kev: un ajuste fino de $95 que supera a Jev en tickets de soporte. Kev es un modelo de pesos abiertos con licencia Apache-2.0 que reproduce la forma de solicitud Choice / Score / Noul por unos $95 de tiempo de ajuste fino, y gana en el enrutamiento de tickets de soporte mientras se derrumba en evaluaciones generales más difíciles.

• jev-vs-laya — Jev vs Laya: 33 milisegundos en una T4, y una línea base aleatoria. Laya es un modelo de decisión de 421M con licencia Apache-2.0 de Convai Innovations que es mucho más portátil que Jev 1.13 y, según su propia puntuación publicada de zero-shot, obtiene peores resultados que responder siempre con la clase mayoritaria.

Otras dos comparaciones se suman a aquellas sin el marco de «Jev vs», y ambas vale la pena conocerlas antes de concluir que lo has leído todo: openai-decisions-api-first-client-vs-jev, sobre qué ocurre cuando el mayor proveedor del mercado lanza una API de decisiones propia, y rsi-jev-vs-laya, sobre cómo se comparan las dos alternativas de pesos abiertos una vez que Jev 1.13 queda fuera de escena. Si quieres la clase del modelo en lugar de sus rivales, jev-system-one — «System One» como categoría de modelo — es la página para eso, y si quieres la cobertura más temprana que hicimos sobre Jev antes de que existiera todo esto, jev-typesafe-system-one-what-we-know es la que hay que leer con las advertencias que conlleva.

Lo que no está resuelto

Dos cosas, y preferimos nombrarlas que redondearlas. Primera: no se ha anunciado ninguna fecha de lanzamiento para la próxima versión de Jev; TypeSafe AI no ha publicado ningún número de versión ni fecha, y su blog no incluye fechas por entrada en absoluto, así que las únicas fechas que podemos respaldar son las documentadas en otro lugar: una primera compilación pública el 2026-09-15, la eliminación por parte del proveedor de la lista de espera de acceso anticipado el 2026-09-21, y la llegada del modelo a nuestro propio catálogo el 2026-09-24. Segunda: la evaluación independiente de Jev 1.13 es escasa. Las cifras de precisión que más circulan provienen del propio panel de flujo de trabajo de TypeSafe AI, cuyas respuestas de referencia son promedios de juicios de modelos en lugar de verdad fundamental y cuya propia documentación señala un posible sesgo del arnés; la página de irregularidad del modelo, que es el propio relato del proveedor sobre dónde falla, se revisó por última vez el 2026-10-02 y es un documento más honesto que cualquier tabla de benchmarks que hayamos visto para él.

Disponibilidad en OrcaRouter

Tenemos exactamente un modelo Jev en nuestro catálogo en vivo, y es typesafe/jev-1.13 — se escribe con la versión, porque la versión forma parte del ID y un lector que copie la mitad no obtiene nada. Esa única entrada está disponible hoy. No afirmamos nada sobre un historial de versiones de Jev, y no afirmamos ningún otro modelo Jev: si alguna página en cualquier lugar te dice que OrcaRouter sirve jev-1.13.0, jev-latest o un Jev 2, la cadena correcta para llamar sigue siendo la de arriba. Se encuentra detrás de la misma clave que todo lo demás que enrutamos — más de 200 modelos detrás de una única clave compatible con OpenAI al precio de lista del proveedor, traspasado con 0 % de recargo — con conmutación por error automática entre proveedores, de modo que una capa de decisión que deja de responder no se lleve consigo la ruta generativa, y que un cambio de precio de un proveedor llegue a nuestro lado el mismo día en lugar de en el siguiente ciclo de facturación.

Qué página quieres

Si llegaste aquí desde un cuadro de búsqueda en lugar de a través de un enlace, es muy probable que este centro no sea la página que necesitabas y que una de las diez que aparecen a continuación sí lo sea. Es una lista breve a propósito.

• Si tu pregunta es ¿dónde se equivocará esto al dar la respuesta?, lee jev-limitations. Son los nueve modos de fallo del proveedor, contrastados con lo que podemos ver.

• Si tu pregunta es ¿puedo descargarlo y ejecutarlo?, lee jev-open-source. La respuesta corta es no para Jev 1.13 y sí para el RSI-Jev no relacionado, y esa página se encarga de separarlos.

• Si tu pregunta es ¿debería usar esto en lugar de X?, lee la que de las cinco comparaciones anteriores nombre tu X. Cada una se basa en un único resultado medido, y la que más importa para tu decisión casi con seguridad está ahí.

• Si tu pregunta es qué es exactamente un modelo de decisión, lee jev-system-one, que cubre la clase en lugar de este miembro de ella.

• Si tu pregunta es simplemente qué es Jev, aquí tienes la respuesta: Jev 1.13, de TypeSafe AI, un modelo de decisión System One que devuelve respuestas tipadas en lugar de escribir prosa, invocable de nuestro lado como typesafe/jev-1.13.