Jev contre DeepSeek V4.1 Flash : huit cents pour mille n'est pas un avantage concurrentiel durable.

La comparaison qui tranche la question de Jev ne se fait pas face à un modèle de pointe. Elle se fait face à DeepSeek V4.1 Flash, sorti le 10 septembre 2026 — cinq jours avant que TypeSafe AI ne lance Jev — parce que DeepSeek V4.1 Flash est un modèle génératif réellement bon marché, et c'est l'élément le moins cher du lot capable de faire presque tout ce que Jev sait faire. Un test indépendant publié en septembre 2026 a soumis aux deux 77 exemples issus de BANKING77, le corpus standard de classification d'intentions : Jev est ressorti à 7 cents pour 1 000 classifications, avec 75 % de précision. DeepSeek V4.1 Flash est ressorti à 8 cents pour 1 000, avec 79 % de précision. Le même test a situé GPT-5.6 Luna à 12 cents et 83 %. Un modèle génératif doté d'une fenêtre de contexte d'un million de tokens, d'un appel d'outils natif et d'une entrée d'images s'est retrouvé à un cent pour mille classifications derrière un modèle de décision conçu sur mesure — et quatre points devant en précision. C'est là le fait inconfortable au cœur de cette confrontation, et cela recadre ce que Jev vend réellement.

Ce que fait chaque modèle

Jev est un modèle de décision System One : il ne renvoie aucun texte du tout. Vous envoyez un état ainsi que des questions typées — Choice à partir d’une liste que vous fournissez, Score sur une grille ordonnée, ou Noul (une affirmation oui/non avec une probabilité calibrée) — et il renvoie des réponses typées avec des valeurs de confiance. Toutes les questions sont évaluées en parallèle par rapport à une même lecture partagée de l’état, ce qui explique pourquoi l’ajout de questions ne change presque pas le temps de réponse, et pourquoi la sortie ne coûte rien : il n’y a aucun token de sortie à mesurer. L’entrée coûte 0,042 $ par million de tokens, la sortie est gratuite, et le budget par requête est d’environ 32 000 tokens. Il a été lancé le 15 septembre 2026 par TypeSafe AI, fondée par Diogo Almeida avec un tour d’amorçage de 40 M$ mené par DCVC.

DeepSeek V4.1 Flash est un modèle génératif conventionnel et ne prétend pas le contraire. Il a été publié le 10 septembre 2026 avec un identifiant d'API deepseek-flash, conçu comme un mélange d'experts de 552 milliards de paramètres avec activation asymétrique à 8B/16B, une fenêtre de contexte d'1 million de tokens, et une entrée texte et image. Il génère du texte token par token, ce qui est exactement la propriété qui le rend plus coûteux par appel et plus performant par appel. Il fonctionne à 208,3 tokens par seconde avec un temps jusqu'au premier token de 1,13 seconde, et son prix est de 0,30 $/1,20 $ par million de tokens en période de pointe et de 0,15 $/0,60 $ en heures creuses. Sur Artificial Analysis, il se situe à un indice de 40 — milieu de gamme, pas à la frontière.

Pourquoi les calculs par classification aboutissent là où ils aboutissent

L’écart d’un centime n’est pas un accident et il n’est pas stable. Il découle de la façon dont chaque modèle facture.

• Le coût par décision de Jev est essentiellement fixe — vous payez pour une seule passe sur l’entrée, à 0,042 $ par million de tokens, et le nombre de questions que vous posez ne le modifie guère. Une classification qui nécessite une seule étiquette et une classification qui en nécessite vingt coûtent presque la même chose.

• Le coût par décision de DeepSeek V4.1 Flash évolue avec la sortie. La classification en une étiquette courte est peu coûteuse ; la même tâche, lorsque vous demandez une justification, un niveau de confiance et une enveloppe JSON structurée, représente plusieurs fois le nombre de jetons de sortie et donc plusieurs fois le prix.

• Les heures pleines par rapport aux heures creuses doublent le prix d’entrée de DeepSeek et doublent son prix de sortie. Lancez une tâche de classification par lots à la mauvaise heure, et l’écart d’un centime devient un nombre entièrement différent.

C'est pourquoi les estimations indépendantes de l'écart divergent autant. Le test BANKING77 à 77 exemples a trouvé 7 ¢ contre 8 ¢. Un autre benchmark composite, JevBench, a évalué Jev à 0,041 $ pour 1 000 et DeepSeek V4.1 Flash à 0,579 $ pour 1 000 — un écart d'un facteur quatorze. Un troisième test sur 83 contacts commerciaux a trouvé DeepSeek V4.1 Flash à 0,183 $ par exécution contre 0,0055 $ pour Jev, un écart d'un facteur 33. La raison pour laquelle ces chiffres s'étendent sur deux ordres de grandeur est que chacun supposait un prompt différent, une forme de sortie différente et un moment de la journée différent. Quiconque cite un chiffre unique par classification comme s'il s'agissait d'une propriété du modèle plutôt que du harnais cherche à vendre quelque chose.

Ce que la structure de Jev vous apporte et qu’un modèle génératif ne peut pas vous apporter.

Le facteur différenciant n’est pas le prix. C’est le contrat. La sortie de Jev est verrouillée par schéma : parce que chaque réponse possible est énumérée avant l’exécution du modèle — vous avez fourni la liste de choix, la grille d’évaluation ou l’affirmation vrai/faux —, il n’y a aucun espace pour émettre une valeur en dehors du type déclaré. Une réponse malformée est une chose que Jev ne peut pas produire. DeepSeek V4.1 Flash peut être contraint à une sortie structurée avec un schéma et, en pratique, s’y conforme la plupart du temps, mais la garantie est un a priori fort plutôt qu’une propriété structurelle. Si votre pipeline exécute dix millions de classifications par mois, « la plupart du temps » et « toujours » sont des lignes distinctes sur un rapport d’incident.

La seconde propriété est la calibration. Jev est entraîné avec une méthode que TypeSafe appelle RLCD — Reinforcement Learning for Calibrated Decisions — et chaque réponse porte une distribution de probabilités, de sorte que votre code peut définir des seuils : accepter automatiquement au-dessus, signaler au milieu, escalader en dessous. DeepSeek V4.1 Flash produira un score de confiance si vous en demandez un, mais c’est un jeton généré, pas une sortie calibrée, et une confiance générée est une affirmation sur lui-même plutôt qu’une mesure. Cette distinction est toute la raison de payer pour un modèle de décision, et c’est la seule chose qu’un modèle génératif bon marché ne peut structurellement pas égaler.

Le troisième point est la forme de la latence. La latence de bout en bout documentée de Jev est de 70–500 ms, quel que soit le nombre de questions associées, contre 3–329 secondes pour les appels à des LLM de pointe dans la propre comparaison de TypeSafe. Le TTFT de 1,13 seconde et le débit de 208 tokens/seconde de DeepSeek V4.1 Flash sont excellents pour un modèle génératif, et c’est la norme à laquelle il faut le juger — mais avec quelques centaines de millisecondes de sortie générée plus la latence du premier token, on parle de secondes par décision, pas de fractions de seconde. Sur le tableau de bord interne des workflows de TypeSafe, Jev remporte les colonnes coût et latence et perd celle de l’exactitude, avec 61,8 % contre 79,1 % pour le traitement des factures et 76,0 % contre 78,3 % pour le service client. Les réponses de référence du tableau de bord sont des jugements de modèles moyennés plutôt qu’une vérité terrain, et le tableau de bord signale lui-même un éventuel biais du harnais.

L'écart de contexte est réel et unidirectionnel.

Une dimension, ici, n’est pas proche et ne relève pas d’une question de cadrage. DeepSeek V4.1 Flash dispose d’une fenêtre de contexte d’un million de jetons ; le budget de requête de Jev est d’environ 32 000 jetons. Si votre classification dépend de la lecture d’un contrat complet, d’un long fil d’assistance ou d’un fichier de code volumineux, DeepSeek V4.1 Flash peut le voir, et Jev ne le peut pas — aucune économie par décision, quelle qu’elle soit, ne corrige un état qui ne tient pas. Jev n’accepte non plus aucune entrée image ou audio au lancement, tandis que DeepSeek V4.1 Flash accepte les images.

Le revers de la médaille, c’est que la fenêtre étroite de Jev est traitée comme un passif plutôt que comme une contrainte, et le schéma en deux étapes dans la propre documentation de TypeSafe est la solution de contournement : pour les champs Choice au-delà du plafond de 255 options, évaluer les candidats par lots, puis choisir en comparant les scores. Cela fonctionne lorsque l’état est petit et que l’ensemble des options est grand. Cela ne fonctionne pas lorsque l’état est grand.

Là où chacun a sa place

Recourez à Jev lorsque la décision est véritablement sous forme fermée, que l’état tient dans 32K tokens, que le volume est suffisamment élevé pour que les secondes par appel représentent un coût réel, et que le pipeline a besoin d’une valeur de confiance sur laquelle il peut brancher. Les vérifications de garde-fous, la vérification à chaque tour dans une boucle d’agent, le routage à haut volume et l’évaluation de grands ensembles de documents en parallèle sont les cas d’usage documentés.

Optez pour DeepSeek V4.1 Flash lorsque la tâche nécessite de lire un texte long, lorsqu'elle doit produire une justification en plus de l'étiquette, lorsqu'elle doit voir une image, ou lorsque la classification n'est qu'une étape d'un flux de travail génératif plus long et que la séparer vers un second fournisseur ajouterait un saut pour une économie d'un centime qu'un mauvais prompt pourrait effacer. Et notez que « un modèle génératif peut aussi le faire » est la description correcte de la tâche, et non un échec de Jev — la question intéressante est de savoir si vous avez besoin de la valeur de confiance, car c'est le seul poste de la comparaison qu'un modèle génératif ne peut offrir à aucun prix.

Exécuter la couche de décision et la couche générative sur une seule clé

DeepSeek V4.1 Flash est l'un des modèles routés par OrcaRouter, au prix catalogue du fournisseur répercuté avec 0 % de marge — la baisse hors heures de pointe est donc active de notre côté le jour même où DeepSeek la lance, et vous n'avez pas à suivre deux grilles tarifaires. Jev lui-même, nous ne le servons pas : le modèle de TypeSafe est en accès anticipé et parle son propre format de requête. L'architecture vers laquelle pointe cette comparaison est celle à deux modèles — Jev décide, DeepSeek V4.1 Flash génère — et OrcaRouter couvre la moitié générative derrière un point de terminaison unique compatible OpenAI, avec basculement automatique, afin qu'un composant décisionnel non éprouvé ne devienne jamais un point de défaillance unique. 200+ modèles, une clé, une facture.

Le verdict

Si vous êtes venu ici en vous attendant à ce que Jev soit nettement moins cher qu'un modèle génératif, la réponse honnête est que, face à DeepSeek V4.1 Flash, il ne l'est généralement pas, et sur ce test particulier à 77 exemples, il était un centime moins cher et quatre points moins précis. Ce que vend Jev, ce n'est pas un prix par classification. C'est une garantie structurelle que la sortie ne peut pas être malformée, une valeur de confiance calibrée sur laquelle votre code peut brancher, et un seuil de latence mesuré en millisecondes plutôt qu'en secondes. Ces trois choses valent la peine d'être payées dans un pipeline qui s'exécute assez souvent pour que cela compte — et elles ne valent absolument rien si votre tâche consiste à lire un document de 400 pages et à en rédiger un résumé, ce qui est le travail de DeepSeek V4.1 Flash et n'a jamais été celui de Jev.