Jev: Wat het beslissingsmodel van TypeSafe is, en welke pagina je eigenlijk nodig hebt

Jev is een beslissingsmodel gemaakt door TypeSafe AI: je stuurt het een stukje toestand en een reeks benoemde vragen, en het retourneert voor elk daarvan een getypeerd antwoord — een label uit een lijst die je hebt aangeleverd, een score volgens een rubric die je hebt gedefinieerd, of een ja/nee-bewering met een bijbehorende waarschijnlijkheid — in plaats van een zin terug te schrijven. Het model dat vandaag in gebruik is, is Jev 1.13, waarvan het door de leverancier uitgegeven versie-ID jev-1.13.0 is; het behoort tot een modelklasse die TypeSafe AI System One noemt; en het lab erachter is TypeSafe AI, een klein bedrijf uit San Francisco dat publiceert op typesafe.ai. Op OrcaRouter is de exacte tekenreeks typesafe/jev-1.13. Dat zijn vier afzonderlijke dingen — een model, een versie, een klasse en een bedrijf — en een groot deel van de mensen die op deze pagina aankomen, is op zoek naar een van die dingen zonder zeker te weten welke. Een flink aantal van hen komt binnen via een zoekopdracht die in het Chinees is getypt: de zoekopdrachten jev模型 en jev 模型 zijn samen goed voor meer dan negenduizend van de vertoningen die we voor deze naam meten, en wat die lezers willen is de identifier, niet een vertaling. Er is geen Chinese naam voor een van deze dingen. Jev, Jev 1.13, jev-1.13.0 en typesafe/jev-1.13 worden in elke taal hetzelfde geschreven, en de onderstaande tekenreeksen zijn de juiste om te kopiëren.

Deze pagina is het referentie-item onder de naam Jev. Het is geen lanceringsbericht: Jev 1.13 verscheen voor het eerst publiekelijk op 2026-09-15, wat het ruim buiten het venster van zeven dagen plaatst waarvoor deze blog nieuws schrijft, en TypeSafe AI heeft nooit een datum per bericht op zijn eigen blog gepubliceerd, dus een "Jev-releasedatum" van één dag die je van waar dan ook wordt voorgehouden, moet worden gelezen als iemands momentopname in plaats van als de leverancier die iets aankondigt. Wat deze pagina daarentegen is, is de index. De andere Jev-pagina's die al op deze site staan, beantwoorden elk één nauwe vraag; dit is de pagina die je vertelt wat Jev is, de naamgeving beslecht en je naar de juiste pagina verwijst voor wat je eigenlijk kwam om erachter te komen.

De namen, en waarom zoveel mensen denken dat het drie producten zijn

TypeSafe AI is het bedrijf. Het bouwt wat het zelf beschrijft als machine-native intelligentie-infrastructuur voor automatisering, werd opgericht door Diogo Almeida (CEO) met Sasha Sheng (COO) en Erik Gafni (CTO), en kwam na twee jaar in stealth naar buiten met een Series A onder leiding van Andreessen Horowitz, naast Sequoia Capital en DCVC. Op de eigen site staat de regel "We bouwen prod, niet God." Wanneer een lezer het enkele woord "typesafe" typt en daarmee het AI-model bedoelt, is dit de entiteit die men bedoelt — niet het bijvoeglijk naamwoord uit de programmeertaal dat hetzelfde woord spelt.

System One is de klasse. TypeSafe AI introduceerde die als een categorie modellen die zijn gebouwd om snelle, gestructureerde beslissingen te nemen die software rechtstreeks kan verwerken, waarbij de naam is geleend van de scheiding tussen Systeem 1 en Systeem 2 in de gedragseconomie: de snelle, patroonherkennende helft van cognitie. De klassedefinitie is bewust smal. System One-modellen schrijven geen antwoorden, produceren geen code en genereren geen uitleg over hun redenering, en volgens de huidige documentatie is de invoerkant alleen tekst. Jev 1.13 is het vlaggenschipmodel van TypeSafe AI en het eerste lid van die klasse; niets anders dat TypeSafe AI vandaag uitbrengt, is een System One-model.

Jev is het product. Het is het ding dat je aanroept, en het ding waar deze pagina, de andere pagina's onder deze naam en elke vergelijking in deze stam over gaan. De versie maakt deel uit van de identiteit van het product in plaats van een voetnoot, en dat is waar de meeste verwarring begint, dus het is de moeite waard om de strings exact te benoemen:

• jev-1.13.0 — de geversioneerde model-ID van de leverancier, de waarde die de API retourneert in het modelveld van het antwoord om je te laten weten welke build jou heeft geantwoord.

• jev-latest — een TypeSafe AI-alias die de meest recente stabiele officiële release betekent. Het verwijst vandaag naar jev-1.13.0, en het is de SDK-standaard.

• jev-preview — een tweede alias die de meest recente release aanduidt, of deze nu officieel is of niet. Deze verwijst op dit moment ook naar jev-1.13.0, omdat er geen preview-build bestaat; de documentatie zegt dit onomwonden.

• typesafe/jev-1.13 — de catalogus-ID aan onze kant, en degene die je moet kopiëren als je via OrcaRouter aanroept.

• Jev 1.13 — de naam die je moet gebruiken in lopende tekst en in zoekvakken. "Jev 1.13" en "Jev" zijn niet twee modellen.

Er is nog een naam die mensen opvalt, en het is een valkuil in plaats van een verband. RSI-Jev is een klein 4B vision-language model dat op 2026-10-06 onder Apache-2.0 is gepubliceerd door onderzoekers die niet verbonden zijn met TypeSafe AI, en de eigen modelkaart vermeldt dat het niet is gelieerd aan TypeSafe AI. Als je naar Jev hebt gezocht, een downloadbaar checkpoint hebt gevonden en je afvroeg waarom TypeSafe AI er ook een API voor verkoopt, dan is dat de reden: het zijn twee verschillende dingen die drie letters delen. De volledige uiteenzetting van de twee, inclusief wat de fork wel en niet kan, staat in RSI-Jev vs Jev 1.13: De ene download je, de andere roep je aan, en de identiteitsvraag op zichzelf staat in Wat is RSI-Jev?.

Als je niet de naamgeving maar het gedrag van het model wilde, dan is de pagina daarvoor jev-model-explained, die behandelt waarom de antwoorden als labels terugkomen en wat dat met een prompt doet.

Waarvoor Jev 1.13 is gebouwd

Jev 1.13 is gebouwd voor beslissingen die al in gesloten vorm zijn voordat het model draait. Je levert ofwel de lijst met labels aan, of je definieert de schaal, of je formuleert de bewering; de taak van het model is om te kiezen, te scoren of te attesteren, en om een waarschijnlijkheid aan zijn antwoord te koppelen. Elke vraag in een verzoek wordt parallel geëvalueerd tegen één gedeelde uitlezing van de toestand in plaats van na elkaar, wat de reden is waarom het toevoegen van twintig vragen aan één verzoek nauwelijks meer tijd kost dan het toevoegen van één — en waarom er helemaal geen outputtokens te meten zijn. De gedocumenteerde toepassingen zijn de weinig glamoureuze die grootschalig draaien: routering en classificatie, guardrailcontroles, verificatie per beurt binnen een agentloop, en het scoren van grote sets documenten tegen een vaste rubric.

Wat het niet doet, is schrijven. Het produceert geen proza, geen code en geen uitleg van zijn redenering, en het neemt geen beeld- of audio-invoer aan. De vorm is de andere beperking: het gedocumenteerde budget is 64K tokens per verzoek, waarvan 32K beschikbaar is voor de toestand naast zijn langste vraag — ruim voor een stuk toestand plus zijn vragen, maar geen model met lange context, dus een workflow die afhankelijk is van het in één keer lezen van een heel contract is een workflow die Jev 1.13 niet kan uitvoeren. Naast de vorm onderhoudt TypeSafe AI zijn eigen lijst van de manieren waarop het model verkeerde beslissingen neemt — vragen letterlijk lezen, tellen en rekenen, vergelijking van datum en tijd, indirectie, toestanden die groot en grotendeels irrelevant zijn, adversariële inhoud, tegenstrijdige instructies, de volgorde van opties in een keuze, en generatie. Die lijst bevat negen benoemde faalmodi met een voorgestelde remedie bij elk, en ze is gedocumenteerd tot op de versie waarop ze van toepassing is. We nemen die hier niet over omdat we die al goed onderhouden: Waar Jev 1.13 breekt: TypeSafe's eigen limietenlijst, slug jev-limitations, is de pagina die je moet lezen voordat je dit achter iets zet dat ertoe doet, en het is de pagina die de meeste lezers van deze hub eigenlijk willen.

Gewichten, licentie en wat je kunt downloaden

Jev 1.13 is niet open source. TypeSafe AI publiceert er geen modelgewichten voor en geen licentie waarmee je het zelf zou kunnen draaien; wat het bedrijf wel open source maakt, is tooling — client-SDK's en hulpmiddelen onder MIT en Apache-2.0 — terwijl het model een gehoste API blijft. Wat de data betreft, zijn de gepubliceerde toezeggingen een belofte om geen modellen te trainen op klantgegevens en zero data retention voor enterpriseklanten. Er is dus geen antwoord op de vraag 'welke kwantisatie moet ik downloaden' voor Jev 1.13, en geen GGUF, en iedereen die je iets anders vertelt, beschrijft het andere ding met Jev in de naam.

Het downloadbare artefact in dit marktsegment is RSI-Jev v6.0-VL, het hierboven genoemde 4B Apache-2.0-model, dat je op je eigen schijf kunt bewaren en zelf kunt serveren. Het is een echte optie als je reden om open gewichten te willen is dat de gewichten van jou moeten zijn, en het is een herimplementatie van hetzelfde idee in plaats van een release van Jev 1.13. We hebben dat uitgebreid beargumenteerd in Is Jev open source? Nee, en een open model van derden doet hetzelfde werk — slug jev-open-source — dus beschouw deze sectie als de verwijzing en die pagina als het betoog. De versie in één regel: wat de licentie en gepubliceerde artefacten van TypeSafe AI toestaan, is het aanroepen van Jev 1.13 via het endpoint van de leverancier of via een gateway; wat ze niet toestaan, omdat ze het niet leveren, is het draaien ervan. Als je de gewichten in handen nodig hebt, is de licentie die je eigenlijk beoordeelt de Apache-2.0 van RSI-Jev, niet die van TypeSafe AI.

De vergelijkingsset

Onder deze stam bestaan vijf head-to-headvergelijkingen, elk opgebouwd rond één gemeten resultaat in plaats van een algemene indruk. Als je Jev 1.13 tegen iets specifieks afweegt, ga dan direct naar degene die overeenkomt, want elk ervan bevat een getal dat deze pagina alleen maar zou afvlakken:

• jev-vs-claude-fable-5-1 — Jev vs Claude Fable 5.1: de schaakpartij die het verkeerde meette. Fable 5.1 bouwde een winnende stelling op en verloor op de klok; het nuttige deel van het verhaal is wat een latentieondergrens van een milliseconde je oplevert tegen een model dat seconden per zet nodig heeft.

• jev-vs-deepseek-v4-1-flash — Jev vs D​eepSeek V4.1 Flash: Acht cent per duizend is geen slotgracht. Op 77 voorbeelden van de standaard intentieclassificatieset eindigde D​eepSeek V4.1 Flash één cent per duizend classificaties achter Jev 1.13 en vier punten voor op nauwkeurigheid, wat het eerlijke argument is tegen het kopen van een beslissingsmodel op prijs.

• jev-vs-gpt-6-astra — Jev vs GPT-6 Astra: De rechter en de beklaagde in dezelfde vergelijking. Het dashboard dat Jev 1.13 de hoogste score geeft, gebruikt de gemiddelde beoordelingen van GPT-6 Astra en Claude Fable 5.1 als referentieantwoorden, dus beoordeelt de beschuldigde het examen.

• jev-vs-kev — Jev vs Kev: een fine-tune van $95 die Jev verslaat bij supporttickets. Kev is een open-weight model onder Apache-2.0 dat de Choice / Score / Noul-aanvraagvorm reproduceert voor ongeveer $95 aan fine-tuningtijd, en het wint bij het routeren van supporttickets, maar stort in bij moeilijkere algemene evaluaties.

• jev-vs-laya — Jev vs Laya: 33 milliseconden op een T4, en een willekeurige baseline. Laya is een 421M Apache-2.0-beslissingsmodel van Convai Innovations dat veel draagbaarder is dan Jev 1.13 en, op basis van zijn eigen gepubliceerde zero-shotscore, slechter presteert dan altijd antwoorden met de meerderheidsklasse.

Twee verdere vergelijkingen staan naast die zonder de "Jev vs"-insteek, en beide zijn de moeite waard om te kennen voordat je concludeert dat je alles hebt gelezen: openai-decisions-api-first-client-vs-jev, over wat er gebeurt wanneer de grootste leverancier in de markt een eigen beslissings-API uitbrengt, en rsi-jev-vs-laya, over hoe de twee open-weight-alternatieven zich verhouden zodra Jev 1.13 buiten beeld is. Als je de klasse van het model wilt in plaats van zijn rivalen, jev-system-one — "System One" als modelcategorie — is de pagina daarvoor, en als je de vroegste berichtgeving wilt die we over Jev deden voordat dit alles bestond, jev-typesafe-system-one-what-we-know is de pagina die je moet lezen, met de kanttekeningen die eraan verbonden zijn.

Wat is niet geregeld

Twee dingen, en we noemen ze liever dan dat we ze wegpoetsen. Ten eerste is er geen releasedatum aangekondigd voor de volgende Jev-versie — TypeSafe AI heeft geen versienummer en geen datum gepubliceerd, en zijn blog bevat helemaal geen datums per bericht, dus de enige datums waar we achter kunnen staan, zijn de datums die elders zijn gedocumenteerd: een eerste openbare build op 2026-09-15, het door de leverancier verwijderen van de wachtlijst voor vroege toegang op 2026-09-21, en de komst van het model in onze eigen catalogus op 2026-09-24. Ten tweede is er weinig onafhankelijke evaluatie van Jev 1.13. De nauwkeurigheidscijfers die het meest circuleren, komen van het eigen workflowdashboard van TypeSafe AI, waarvan de referentieantwoorden gemiddelde modelbeoordelingen zijn in plaats van ground truth en waarvan de eigen documentatie mogelijke bias in de evaluatieopzet signaleert; de jaggedness-pagina van het model, waarin de leverancier zelf beschrijft waar het tekortschiet, is voor het laatst herzien op 2026-10-02 en is een eerlijker document dan welke benchmarktabel dan ook die we voor het model hebben gezien.

Beschikbaarheid op OrcaRouter

We hebben precies één Jev-model in onze live catalogus, en dat is typesafe/jev-1.13 — met de versie erbij, want de versie maakt deel uit van de ID en een lezer die de helft kopieert, heeft niets. Dat ene item is vandaag beschikbaar. We beweren niets over een Jev-versiegeschiedenis, en we beweren ook geen ander Jev-model: als een pagina ergens zegt dat OrcaRouter jev-1.13.0, jev-latest of een Jev 2 aanbiedt, dan is de juiste string om aan te roepen nog steeds degene hierboven. Het zit achter dezelfde sleutel als alles wat we routeren — 200+ modellen achter één O​penAI-compatibele sleutel tegen de lijstprijs van de provider, doorgegeven met 0% opslag — met automatische failover tussen providers, zodat een beslissingslaag die stopt met antwoorden het generatieve pad niet mee omlaag haalt, en zodat een prijswijziging van een leverancier dezelfde dag nog aan onze kant landt in plaats van bij de volgende factuurcyclus.

Welke pagina wil je

Als je hier via een zoekvak bent gekomen in plaats van via een link, is de kans groot dat deze hub niet de pagina is die je nodig had en dat een van de tien hieronder dat wel is. Het is met opzet een korte lijst.

• Als je vraag is waar gaat dit ding het antwoord fout doen, lees jev-limitations. Het zijn de negen faalwijzen van de leverancier, getoetst aan wat wij kunnen zien.

• Als je vraag is kan ik het downloaden en uitvoeren, lees dan jev-open-source. Het korte antwoord is nee voor Jev 1.13 en ja voor de ongerelateerde RSI-Jev, en die pagina doet het werk om ze te scheiden.

• Als je vraag is moet ik dit gebruiken in plaats van X, lees dan van de vijf vergelijkingen hierboven degene waarin jouw X wordt genoemd. Elk daarvan is gebaseerd op één gemeten resultaat, en degene die het belangrijkst is voor je beslissing staat er vrijwel zeker bij.

• Als je vraag is wat een beslissingsmodel eigenlijk is, lees dan jev-system-one, dat de klasse behandelt in plaats van dit lid ervan.

• Als je vraag simpelweg is wat Jev is, dan heb je het: Jev 1.13, van TypeSafe AI, een System One-beslissingsmodel dat getypeerde antwoorden retourneert in plaats van proza te schrijven, aan onze kant aanroepbaar als typesafe/jev-1.13.