
Jev se Recusa a Escrever uma Única Palavra: O Que o Modelo de Decisão da TypeSafe AI Faz, e o Que as Auditorias Descobriram Desde Então
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 141 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 175 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 196 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 115 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
O Jev 1.13 (typesafe/jev-1.13) é o primeiro modelo da TypeSafe AI que um leitor provavelmente encontrará por meio de uma tabela de custos, e não de uma caixa de chat, porque não existe caixa de chat. Lançado em 15 de setembro de 2026 por Diogo Almeida — coautor do artigo do InstructGPT, o trabalho que fez o ChatGPT se comportar como um assistente —, o Jev não gera texto de modo algum. Ele recebe um pedaço de estado (um e-mail, uma linha de log, um tíquete de suporte, um blob JSON de coordenadas de jogo) mais uma lista de perguntas tipadas e retorna respostas tipadas: uma escolha de um conjunto que você forneceu, uma pontuação em uma rubrica ou uma probabilidade de sim/não, cada uma com seu próprio valor de confiança. Sem prosa, sem código, sem explicação. O argumento da TypeSafe é que essa estreiteza é o produto, porque rende velocidade e preço que um modelo generativo não consegue igualar — de 20 a 200 vezes mais rápido e de 40 a 400 vezes mais barato do que "LLMs comparáveis" nos próprios materiais de lançamento da empresa, a US$ 0,042 por milhão de tokens de entrada e com saída cobrada a zero. Está disponível de forma geral desde 21 de setembro de 2026, quando a TypeSafe removeu a lista de espera e começou a conceder US$ 5 de crédito a novas contas — a conversão do próprio fornecedor, o que equivale a cerca de 120 milhões de tokens de entrada pelo preço de tabela. O modelo é anterior à notícia deste texto. A OrcaRouter adicionou typesafe/jev-1.13 ao seu catálogo em 24 de setembro de 2026 e agora o roteia com a mesma chave usada pelos modelos generativos ao lado dos quais foi projetado para ficar, o que é a mudança que vale a pena conhecer hoje. A segunda coisa que esta página agora precisa levar em conta não é da TypeSafe: o RSI-Jev, um projeto aberto de terceiros que constrói modelos de decisão de Sistema 1 no estilo do Jev, cuja versão atual é o 4B RSI-Jev v6.0-VL, datado de 6 de outubro de 2026. Ele copia deliberadamente o formato de transmissão do Jev, e sua própria linha de licença afirma claramente que não é afiliado à TypeSafe AI — não é o Jev da TypeSafe, não são os pesos da TypeSafe e não é o mesmo modelo sob um nome mais curto. A última seção deste texto está onde deveria estar, porque é a resposta mais incisiva disponível à pergunta de quanto da posição do Jev é um fosso competitivo.
O número mais útil publicado nas primeiras 48 horas não é nenhum desses. Ele vem da Every, cujo chefe de avaliações rodou o Jev em 27 artigos publicados da Every mais 10 equivalentes em estilo de IA, fazendo 21 perguntas a todos os 37 documentos de uma só vez: 777 julgamentos em menos de 0,7 segundo, por aproximadamente um quarto de centavo. Um segundo teste, conduzido pelo CEO da Every, submeteu 12 trechos sintéticos — seis limpos, seis com defeitos plantados deliberadamente — a quatro verificações de escrita. O Jev respondeu com uma mediana de 0,35 segundo por trecho, contra 8,83 segundos do Claude Fable 5.1 em esforço alto: cerca de 25 vezes mais rápido a aproximadamente 1/580 do custo. Ele detectou seis dos sete defeitos plantados. O Claude Fable 5.1 detectou todos os sete. O veredito da Every foi "bom, mas não perfeito", e essa é a leitura honesta de uma linha do Jev a partir do primeiro teste independente a ser publicado — as alegações de velocidade e custo sobrevivem ao contato com um terceiro, a alegação de precisão fica um degrau abaixo da fronteira, e a amostra é pequena o suficiente para que ninguém deveria ter tirado dela uma conclusão de produção — uma lacuna que avaliações posteriores fecharam em parte, em ambas as direções.
Uma observação sobre o tipo de evidência com que este artigo trabalha, porque os níveis mudaram rapidamente para um modelo tão novo. O Jev é real e invocável: há um endpoint documentado, um SDK de Python, um alias de modelo e um preço publicado. O lançamento é anunciado pelo fornecedor, não vazado, e ninguém está especulando se ele existe. Mas toda alegação de desempenho que a TypeSafe apresenta é da própria TypeSafe, a arquitetura não foi publicada, os pesos não foram divulgados, e o painel de benchmark por trás da manchete de 20-200x é um conjunto de avaliações internas de fluxos de trabalho, e não um ranking público. Testes independentes já não são a peça que faltava como eram no dia do lançamento — agora há pelo menos três avaliações externas separadas, incluindo uma execução pré-registrada e um estudo criado especificamente para testar o Jev com entradas que ele não poderia ter visto — e elas concordam com o fornecedor sobre velocidade, ao mesmo tempo que contam uma história mais complicada sobre precisão e calibração. Este artigo mantém números do fornecedor, números independentes e questões em aberto visivelmente separados, em vez de calcular a média entre eles para chegar a um consenso que não existe.
O que a TypeSafe realmente lançou
Jev é o primeiro do que a TypeSafe chama de modelos System One — o nome tomado por empréstimo da metade rápida e intuitiva da cognição de Daniel Kahneman, em oposição ao modo deliberativo mais lento que os chatbots imitam. O contraste que a TypeSafe traça é com o padrão habitual de forçar um gerador de texto a emitir saída estruturada e depois analisar esse texto de volta para algo em que o código possa confiar. Jev dispensa o texto por completo. A própria documentação da TypeSafe afirma o caso sem rodeios: "Os grandes modelos de linguagem (LLMs) são projetados para produzir texto para humanos lerem. Quando você precisa que um modelo faça um julgamento que seu código irá consumir, isso cria uma incompatibilidade."
A superfície de saída é composta por três primitivas, e não há mais nada. Toda pergunta que você fizer deve ser uma delas:
• Escolha — escolha uma opção de uma lista que você fornece, retornando a opção selecionada, além de uma probabilidade para cada candidato e uma confiança. As opções são limitadas a 255 por campo; além disso, a TypeSafe documenta um padrão de dois estágios: pontuar candidatos independentemente e depois escolher.
• Pontuar — posicionar o estado em uma rubrica ordenada, retornando o nível, uma probabilidade por nível e um valor de confiança. Risco de churn em uma escala de 0 a 1 é o exemplo na documentação.
• Noul — uma palavra-valise de "no" e "null" — uma única afirmação de sim/não, retornando a probabilidade calibrada de que seja verdadeira.

A propriedade interessante não é nenhuma primitiva isolada, mas sim como elas se compõem. Todas as três podem ser combinadas em uma única chamada de API, e cada pergunta é avaliada em paralelo com uma leitura compartilhada do mesmo estado. A documentação da TypeSafe diz que adicionar perguntas "quase não altera o tempo de resposta", e os testes independentes confirmam isso na prática — 21 perguntas em 37 documentos ficaram dentro dos mesmos 0,7 segundos. É isso que faz o preço por julgamento despencar: você não está pagando por uma geração mais longa, está pagando por uma única passagem.
O envelope prático, conforme documentado e conforme relatado pelos primeiros usuários: um orçamento de requisições de aproximadamente 64.000 tokens, dos quais cerca de 32.000 cobrem o estado mais a pergunta individual mais longa — a documentação da TypeSafe observa que a precisão varia à medida que o estado cresce; sem entrada de imagem ou áudio no lançamento; e um formato de requisição e resposta que não segue a convenção de chat-completions, de modo que um cliente existente não pode simplesmente apontar sua URL base para ele. O acesso deixou de ser o obstáculo em 21 de setembro de 2026, quando a TypeSafe removeu a lista de espera e abriu o Jev para qualquer pessoa com uma conta; novas contas começam com US$ 5 de crédito que o fornecedor diz valerem cerca de 120 milhões de tokens de entrada ao preço de tabela. A própria página inicial da TypeSafe ainda descreve o Jev como estando em acesso antecipado, um rótulo que sua documentação não repete: a documentação publica limites que se ajustam dinamicamente de 100 mil tokens por segundo e 40 requisições por segundo, em vez de uma barreira de acesso. O playground do navegador ainda está lá junto com a API, e jev-latest continua sendo o alias do modelo.
RLCD significa calibrado, não preferido
A TypeSafe treina o Jev com um método que chama de RLCD — Reinforcement Learning for Calibrated Decisions, de acordo com a documentação da própria empresa. A sigla é nova o suficiente para que a cobertura inicial a tenha expandido de forma inconsistente, então vale a pena definir com precisão o que ela realmente nomeia, porque a distinção é toda a alegação da pesquisa.
RLHF otimiza para saída preferida por humanos. RLVR otimiza para correção verificável, do tipo que passa no caso de teste. RLCD otimiza para calibração: um modelo que diz estar 70% confiante deve estar certo cerca de 70% das vezes. Esse é um alvo diferente de estar certo, e é a razão pela qual toda resposta do Jev vem acompanhada de uma distribuição de probabilidade, em vez de apenas uma resposta. O modo de falha pretendido é um modelo que sabe quando não sabe, para que seu código possa decidir o que fazer a respeito.
O que isso lhe dá na prática é uma superfície de controle. O padrão documentado são três faixas de confiança — agir automaticamente no topo, sinalizar ou confirmar no meio, encaminhar para um humano na base — com os limiares residindo no seu código em vez de no modelo. Se as faixas são honestas é uma questão empírica sobre seus dados, e é uma que a TypeSafe explicitamente diz para você responder sozinho, observando que os limiares de confiança são específicos de cada caso de uso e devem ser testados contra seus próprios exemplos rotulados. Essa instrução é a frase mais importante da documentação, e o que a documentação não contém é qualquer relato externo sobre se o método por trás dessas faixas faz o que seu nome diz. Desde esta semana há um parcial, e é uma reconstrução, não uma divulgação: o post-mortem de RL do RSI-Jev constrói uma reconstrução controlada de sete braços das suposições publicadas sobre o RLCD — um recorte de 13,8 mil perguntas, 1.500 passos por braço — e publica o que aconteceu com cada braço, incluindo os que falharam. Toda recompensa de RL nele tornou a calibração bruta pior; uma cabeça de confiança post-hoc barata recuperou todos eles, exceto o braço de pontuação própria; e nenhum objetivo melhorou a ordenação da confiança. Ele termina listando três ingredientes que o RLCD deve conter, formulados como uma hipótese sobre como o método poderia funcionar, em vez de uma afirmação sobre as entranhas da TypeSafe, que ninguém fora da empresa viu. Leia-o como a primeira evidência de terceiros a ficar ao lado das alegações de calibração classificadas abaixo, não como uma olhada por dentro delas; os antecedentes do próprio método estão em nosso explicador RLCD Explained.
Os números, ordenados por quem os produziu
É aqui que a maioria da cobertura sobre Jev perde o rigor, por isso vale a pena ser explícito quanto à proveniência. Isto vem do fornecedor, aquilo veio de testadores independentes, e isto é simplesmente desconhecido.
• Relatado pelo fornecedor, não reproduzido — as principais alegações de velocidade e custo. Latência ponta a ponta de 70-500 ms em comparação com 3-329 segundos para chamadas de LLM de fronteira; 20-200x mais rápido e 40-400x mais barato; um único resultado de fluxo de trabalho no melhor cenário anunciado como 193,6x mais rápido e 444,6x mais barato. A TypeSafe reconhece que estes são números do melhor cenário, e não valores universais.
• Informado pelo fornecedor e verificável na tabela de preços — US$ 0,042 por milhão de tokens de entrada, o que dá US$ 42 por bilhão, com saída gratuita. O motivo de a saída ser gratuita é mecânico, não promocional: não há decodificação autorregressiva para medir, portanto não há tokens de saída a cobrar. Para se ter uma ideia da escala, os mesmos materiais de lançamento indicam que o preço típico de entrada de modelos de fronteira fica entre US$ 0,20 e US$ 10 por milhão, com a saída geralmente cerca de cinco vezes o preço da entrada.
• Relatado pelo fornecedor, com base em um benchmark interno — o próprio painel de fluxo de trabalho da TypeSafe, 711 casos em quatro tarefas, com respostas de referência derivadas do julgamento médio do GPT-6 Astra e do Claude Fable 5.1, em vez da verdade de base. Nesse painel, o Jev atinge uma pontuação agregada de 67,8%, contra 74,1% do melhor comparador. Detalhando: incidentes de segurança 61,7% contra 66,2% do Opus 5; observabilidade de rastreamento de agentes 71,6% contra 76,6%; processamento de faturas 61,8% contra 79,1%; atendimento ao cliente 76,0% contra 78,3%. O Jev vence nas colunas de custo e latência desse gráfico e perde na coluna de precisão. O próprio painel observa um possível viés do harness, e a TypeSafe afirmou que deliberadamente deixou de lado os rankings públicos em favor de avaliações pontuais vinculadas a atualizações de produto.
• Medida de forma independente, amostra pequena — o primeiro teste externo, a execução da Every descrita acima: 777 julgamentos em menos de 0,7 segundo por cerca de um quarto de centavo; 1.709 julgamentos em 11 experimentos por menos de um centavo no total; cerca de 25x mais rápido e 1/580 do custo do Claude Fable 5.1 em uma tarefa de classificação de 12 passagens, embora tenha deixado passar um dos sete defeitos plantados que o comparador detectou. A própria conclusão da Every foi que ela gostaria de uma verificação de precisão muito mais minuciosa antes de colocá-lo em produção — uma verificação que, desde então, chegou em parte, abaixo.
• Medida de forma independente, pré-registrada e maior — uma equipe externa publicou uma avaliação pré-registrada em 20 de setembro de 2026, fixando 21 experimentos e 50 previsões antes que uma única solicitação fosse enviada, em 5.721 chamadas. Em um conjunto de referência de 400 itens, o Jev obteve 95,9% zero-shot, contra 77,2% para regras de palavras-chave escritas à mão e 66,0% para uma linha de base supervisionada de TF-IDF. O mesmo estudo documenta o modo de falha que importa mais do que a manchete: quando as descrições dos critérios na pergunta estavam erradas, a precisão caiu para 16,7%, abaixo do piso aleatório de 25% para essa tarefa. Os autores revelam seu próprio viés na direção oposta — 18 de suas 21 previsões falsificadas falharam da mesma forma, porque continuaram prevendo falha e continuaram errando.
• Medido de forma independente, fora da distribuição — um estudo de calibração separado, publicado em 19 de setembro de 2026, construiu 900 tickets de suporte gerados por regras cujos rótulos dependem parcialmente de uma política interna de níveis de conta que não aparece em lugar nenhum no texto, de modo que nenhum modelo poderia tê-la memorizado, e os executou juntamente com 3.721 itens de benchmark público. No braço sintético, o erro de calibração esperado do Jev foi de 0,107, contra um piso de ruído de 0,024 que os autores calcularam para um modelo perfeitamente calibrado — cerca de 4,4 vezes o piso. Nos benchmarks públicos, o mesmo estudo mediu de 0,024 a 0,032. A diferença entre esses dois intervalos é a descoberta.
• Desconhecida — a arquitetura. Nenhum artigo no lançamento, nenhuma contagem de parâmetros, nenhuma divulgação da computação de treinamento, nenhum peso. A TypeSafe disse que os detalhes estão sendo mantidos "a sete chaves por enquanto", com um artigo possivelmente mais tarde. A onda de replicação de meados de setembro não mudou isso: esses projetos reconstroem o comportamento com suas próprias arquiteturas, e nenhum deles divulga como o modelo da TypeSafe funciona. Os checkpoints abertos que um projeto de terceiros agora publica são do próprio projeto, não um lançamento da TypeSafe, e não mudam nada nas frases acima — a prestação de contas completa do que o fornecedor publicou e do que não publicou está em Is Jev Open Source?.

O padrão entre esses níveis é consistente, e não é o padrão que a manchete dos 200x sugere. Todos os números independentes e de fornecedores concordam que o Jev é drasticamente mais barato e drasticamente mais rápido. Nenhum número, em lugar algum, incluindo os da própria TypeSafe, mostra que ele seja mais preciso do que os modelos de fronteira com os quais seu preço é comparado — no próprio painel do fornecedor, ele fica em torno do nível de um bom modelo de médio porte. O que os trabalhos externos mais recentes acrescentam é contorno à história da precisão, e não uma nova manchete. Em tipos de tarefa que ele já viu antes, ele pode parecer muito forte: 95,9% zero-shot no conjunto de referência de 400 itens da própria equipe pré-registrada, muito à frente das baselines de palavras-chave e TF-IDF com as quais foi medido. Em entradas criadas para serem diferentes de tudo o que ele já viu, sua confiança perde a firmeza. A comparação que se sustenta ainda não é "tão inteligente quanto um modelo de fronteira por um centésimo do preço" — é "próximo do julgamento de um modelo de médio porte a uma fração de centavo por chamada, rápido o suficiente para rodar a cada turno individual."
O que "alucinação zero" significa e não significa
Os materiais de lançamento da TypeSafe incluem um gráfico que mostra uma taxa de erro de 0% em chamadas de ferramentas para o Jev, contra uma taxa diferente de zero para os modelos de comparação, e a expressão "resistente a alucinações" acompanha o modelo. Ambas são verdadeiras e ambas são mais restritas do que aparentam.
A garantia é estrutural. Todas as respostas possíveis são enumeradas antes de o modelo ser executado — você forneceu a lista de opções, a rubrica ou a afirmação de verdadeiro/falso —, portanto não há espaço para emitir um valor fora do tipo declarado. Uma chamada de ferramenta malformada não é algo que o Jev possa produzir. Isso é uma propriedade de engenharia genuína e, para quem já passou uma semana escrevendo lógica de novas tentativas em torno de falhas de análise de JSON, vale dinheiro de verdade.
Não é uma afirmação sobre estar correto. Uma resposta válida em termos de esquema ainda pode estar errada: Jev pode encaminhar com confiança uma reclamação de cobrança para a fila técnica, e a saída será perfeitamente bem formada, ainda que inútil. O próprio Almeida já disse isso, reconhecendo que é possível estar confiantemente errado. A maneira útil de conciliar os dois fatos é que Jev elimina a classe de erro que vem da formatação da saída e não faz absolutamente nada quanto à classe que vem do julgamento. O que significa que a questão da precisão é inteiramente uma questão de calibração, e calibração é exatamente a coisa que você mesmo precisa medir.
As primeiras avaliações externas acrescentam um aviso específico sobre como essa garantia estrutural se comporta em produção. Como o Jev sempre retorna uma das respostas que você forneceu, ele não tem como dizer "nenhuma das opções acima", a menos que você lhe dê uma. Uma execução pré-registrada em setembro pediu que ele classificasse material sem categoria válida e constatou que 0 de 30 mensagens fora do escopo foram sinalizadas, cada uma retornada com 0,99 de confiança. Uma receita de bolo, ou uma página de letras aleatórias, volta como uma categoria com alta confiança, porque uma categoria é o que o pedido solicitou. A correção é um hábito de design, e não uma configuração do modelo: inclua uma opção de escape explícita em cada lista Choice e um ramo falso em cada afirmação Noul, e trate a ausência de uma delas como um bug no texto da sua própria pergunta.
Como testar a afirmação de calibração nos seus próprios dados
Calibração é uma das poucas propriedades de modelo que você consegue verificar adequadamente com algumas centenas de exemplos e nenhuma infraestrutura de ML, e é o único teste que importa antes de Jev tocar em um caminho de produção. O procedimento é curto.
Pegue algumas centenas de casos para os quais você já tem rótulos. Faça a Jev a pergunta que importa — a decisão de roteamento, a pontuação de risco, a verificação de defeitos — e agrupe as respostas pela confiança que ele reportou. Depois, verifique se a faixa de confiança de 0,9 acerta cerca de 90% das vezes, a faixa de 0,7 cerca de 70%, e assim por diante. Um modelo bem calibrado traça uma linha diagonal. Um modelo que é apenas confiante agrupa tudo acima de 0,9 e acerta 70% das vezes, e é esse o formato que quebra silenciosamente um pipeline automatizado.
O mesmo teste diz quais limiares usar. Se a faixa de 0,9 for realmente 90% precisa nos seus dados, você pode automatizá-la. Se a sua faixa intermediária for confusa, você a encaminha para um humano ou a entrega a um modelo generativo e deixa o caminho caro lidar com a ambiguidade. Essa divisão — modelo barato na maioria confiante, modelo caro no restante incerto — é a arquitetura real que Jev está defendendo, e é a razão pela qual o modelo é melhor entendido como um componente, e não como um substituto.
O estudo fora da distribuição é a primeira resposta externa a essa pergunta, e é um aviso, não uma liberação. Executado em 900 tickets de suporte sintéticos cuja política decisória está ausente do texto, a confiança do Jev parou de corresponder à sua acurácia: erro de calibração esperado de 0,107 contra um piso de ruído de 0,024, cerca de 4,4 vezes o que um modelo perfeitamente calibrado obteria no mesmo conjunto. Nos três benchmarks públicos, foi de 0,024 a 0,032 — portanto, o modelo é bem calibrado no tipo de dados para o qual foi construído e medido, e materialmente menos calibrado no momento em que a tarefa é desconhecida. A primitiva de pontuação foi a mais fraca das três, com 44,7% de acurácia e uma probabilidade média declarada de 0,74. Os próprios autores do estudo pedem aos leitores que considerem a direção desse resultado e não a magnitude exata, já que uma única família de tarefas sintéticas com n=900 não é uma lei geral. A direção é a parte que importa para quem escreve limiares: execute o teste de agrupamento acima com seus próprios rótulos antes de automatizar uma decisão, porque a calibração que você vê em benchmarks públicos não é a calibração que você obterá no seu tráfego.
O que custa, explicado em detalhe
O preço é simples o suficiente para se raciocinar sobre ele, o que é raro. A entrada custa $0.042 por milhão de tokens — a tarifa que a TypeSafe publica e a tarifa que o catálogo da OrcaRouter apresenta — e a saída é gratuita. Com o orçamento documentado de aproximadamente 64.000 tokens de entrada, uma única chamada de tamanho máximo custa menos de três décimos de centavo.
Duas cifras relatadas dão uma ideia da escala. Um usuário inicial fez cerca de 5.000 requisições por aproximadamente US$ 2. A demonstração do Doom — Jev pilotando um bot usando uma descrição textual do estado do jogo em vez de pixels brutos — rodou a cerca de 10 chamadas por segundo por aproximadamente US$ 7 por hora. E as 777 avaliações da Every em 37 documentos ficaram em cerca de um quarto de centavo, que é o número que torna compreensível o caso de uso interessante: a esse preço, verificar cada turno de um loop de agente deixa de ser uma decisão de custo e passa a ser o padrão.
Esse é o verdadeiro argumento a favor do Jev. Uma verificação por turno — esta chamada de ferramenta contradisse a anterior, esta saída é consistente com a intenção declarada pelo usuário, isto deveria acionar um alerta — sempre foi tecnicamente possível com um modelo de fronteira e economicamente absurda em escala. A US$ 0,042 por milhão de tokens, sem cobrança pela saída, a mesma verificação se torna financeiramente viável a cada turno. O valor aqui não está no fato de o Jev pensar melhor que um modelo de fronteira, porque não pensa melhor. O valor está em ele pensar a baixo custo e com rapidez suficiente para ser consultado constantemente.
Vale a pena dizer com clareza, porque é a próxima pergunta óbvia: a OrcaRouter adicionou typesafe/jev-1.13 ao seu catálogo em 24 de setembro de 2026, e o modelo está no ar no cartão do modelo Jev 1.13 hoje — uma API para mais de 200 modelos ao preço de tabela do provedor, repassado com 0% de margem, de modo que um corte de preço do fornecedor chega ao nosso lado no mesmo dia em que é lançado. Dois detalhes sobre como ele é disponibilizado, porque são esses que as pessoas perguntam. As requisições vão para POST /v1/systemone, sem streaming, com um contexto de 65.536 tokens; esse não é o formato de chat-completions, e é por isso que o Jev fica em seu próprio tipo de endpoint em vez de ser incorporado à rota de chat. E o cartão publica a nossa própria janela de atendimento de sete dias, medida no tráfego pelo nosso playground desde 24 de setembro, em vez de ser uma repetição do fornecedor: p50 151 ms, p95 247 ms, 349 tokens de saída por segundo e uma taxa de erro de 0,49% em 76,2M tokens. É isso que faz o padrão de dois modelos defendido pelo Jev ser um único contrato em vez de dois. O Jev toma a decisão tipada, um modelo generativo cuida da parte que precisa de prosa, código ou explicação, as duas metades são cobradas na mesma chave ao preço de tabela do provedor, e o failover automático impede que um componente de decisão que se revele mal calibrado se torne um incidente de produção.

Onde o Jev não se encaixa
As limitações são declaradas de forma incomumente clara pelo fornecedor, o que torna esta seção fácil de escrever com honestidade. O Jev não consegue gerar texto livre. Não consegue escrever código. Não consegue manter uma conversa. Não tem interface de chat, nem entrada de imagens, e tem um orçamento de requisição de cerca de 64.000 tokens — sendo aproximadamente 32.000 deles para o estado mais a pergunta individual mais longa — uma ordem de magnitude abaixo dos modelos de contexto longo com os quais ele é comparado em termos de preço. Campos de escolha são limitados a 255 opções. E a propriedade de "não alucinação", como acima, diz respeito ao formato da saída, e não à veracidade.
A rede é uma opção bastante restrita. Bom: classificação e roteamento de alto volume, passagens de guardrail e verificação, decisões críticas em termos de latência, pontuação de grandes conjuntos de documentos em paralelo, sempre que a resposta correta for genuinamente uma escolha, um número numa escala ou um booleano. Ruim: geração aberta de qualquer tipo, raciocínio de contexto longo, diálogo multiturno ou qualquer tarefa cuja resposta correta seja uma frase. Se o seu problema não se reduz a uma pergunta tipada, Jev não é uma forma mais barata de resolvê-lo — não é forma alguma de resolvê-lo.
Há também uma crítica justa ao enquadramento que vale a pena levar adiante. Chamar o Jev de modelo de fronteira toma emprestada uma credibilidade que o modelo não conquistou: ele não consegue programar, conversar nem escrever uma frase, e os gráficos de comparação se apoiam em modelos de fronteira como linha de base, enquanto a coluna de precisão conta uma história diferente. A afirmação mais defensável, e a que as evidências de fato sustentam, é que a TypeSafe empurrou a fronteira de velocidade e custo para decisões estruturadas muito mais para frente. Isso é algo substancial de se ter feito. É algo diferente de construir um modelo que rivalize com o GPT-6 Astra ou o Claude Fable 5.1.
O que mudaria esta imagem?
Quatro coisas resolveriam isso, e a semana desde que o modelo foi aberto fez avançar três delas.
• Um artigo de arquitetura publicado ou pesos abertos. Ainda é a maior lacuna. Tudo sobre como a Jev alcança sua velocidade permanece uma caixa-preta, e a alegação de que a avaliação paralela é o mecanismo — a analogia que Almeida faz é a de substituir a computação sequencial do modo como os transformers substituíram as redes recorrentes — é uma afirmação, e não um resultado demonstrado. A onda de código aberto abaixo reimplementa o comportamento; nada disso revela como o modelo da TypeSafe funciona. Até que o projeto seja publicado, a velocidade é um fato e a explicação é marketing.
• Uma segunda avaliação independente com uma amostra maior. Esta funcionou em parte. A execução pré-registada de 20 de setembro abrange 5.721 chamadas e um conjunto de referência de 400 itens, que é uma amostra muito maior do que as 12 passagens da Every e muito melhor concebida, e é a peça de evidência individual mais forte a favor da Jev que existe. É também de autoria própria, de um único dia, de um único local e executada contra uma única versão de modelo, e a equipe publica os seus próprios limites juntamente com os seus resultados. O que ela resolve é que a Jev é genuinamente boa naquilo para que foi concebida; o que não resolve é como se comporta na tarefa de qualquer outra pessoa.
• Uma auditoria de calibração em entradas realistas e bagunçadas. Esta acertou, e é o resultado menos confortável deste artigo. O estudo de dados fora da distribuição acima é a primeira auditoria realizada com material criado para ser desconhecido para o modelo, e descobriu que a confiança se desacopla da acurácia em cerca de 4,4 vezes o piso de ruído de um modelo perfeitamente calibrado — enquanto o mesmo modelo parecia bem calibrado em três benchmarks públicos. Uma família de tarefas sintéticas com 900 itens não é um veredito, e os autores dizem isso. É o suficiente para deslocar a pergunta de "o Jev está calibrado?" para "calibrado em quê?", que, de todo modo, é a pergunta mais útil.
• Uma replicação que supera o Jev nos próprios termos do Jev. Ainda não, e a onda não parou em setembro. Em cerca de 48 horas após o lançamento, pelo menos seis projetos abertos independentes lançaram modelos de decisão no formato do Jev — um construído sobre um encoder de 421 milhões de parâmetros, um LoRA em um modelo de 9B, um pequeno o suficiente para caber em algumas dezenas de kilobytes — e, até 23 de setembro, um deles estava no topo de uma lista de tendências de hospedagem de modelos. Toda comparação que esses projetos publicam é autorreportada pela equipe que construiu a alternativa, e cada uma usa seu próprio conjunto de avaliação. Os resultados apontam em direções diferentes: o clone que vence na categorização de notícias perde feio em uma tarefa de intenção com 77 classes, e a única comparação direta independente executada com entradas idênticas byte a byte coloca o Jev à frente em seis de nove suítes. A própria acurácia do Jev em um único benchmark já foi publicada com quatro valores diferentes por quatro avaliações diferentes. O duradouro dessa onda é o RSI-Jev, e ele é a instância concreta e datada desse argumento: um projeto aberto de terceiros que constrói modelos de decisão System One no estilo do Jev, código MIT, pesos Apache-2.0 no Hugging Face, com uma linha de licença que diz "Not affiliated with TypeSafe AI." Seu lançamento desta semana é o RSI-Jev v6.0-VL de 4B, publicado em 2026-10-06 e o sétimo em um ciclo de autoaperfeiçoamento que executou 471 experimentos e manteve muito poucos deles: uma torre Qwen3.5-4B-Base com uma cabeça de resposta treinada, uma passagem forward por decisão, nada gerado. Ele gasta profundidade em vez de tokens — cabeças de resposta nas camadas 16, 20 e 32, então uma requisição para na primeira que estiver confiante, com medianas de 23, 27 e 40 ms em uma H200 em bf16 — e fala exatamente o wire format da TypeSafe: mesma requisição, mesmos três tipos de pergunta, mesma estatística de confiança, então qualquer coisa escrita para o Jev funciona com ele sem alterações. No próprio Decision Index público do projeto, ele reporta 38,38 a 46,24 em um lançamento, com 0,698 em seu conjunto held-out e 0,440 no MMLU-Pro — números próprios em seu próprio painel, e não há comparação direta independente entre ele e o Jev 1.13. Ele não é um lançamento de pesos do Jev, não torna o modelo da TypeSafe aberto, e a TypeSafe não o criou nem o endossou; os lançamentos anteriores dessa linha eram modelos 2B sobre Qwen3.5-2B-Base, e o resultado de RL que deu nome ao projeto é da v3.0, datada de 2026-09-28 e três lançamentos atrás — o primeiro lançamento em que um estágio de RL superou o modelo supervisionado a partir do qual continuou, uma recompensa de reranking listwise sobre 16 candidatos que elevou o R@1 de reranking de 0,192 para 0,308 em relação ao seu próprio pai, alta de 60%, com um custo de suíte de 0,0028. Nosso catálogo não tem nenhum id para o RSI-Jev: o que servimos é typesafe/jev-1.13 no endpoint systemone, e este projeto é executado a partir do próprio repositório. A descrição completa para um leitor de primeira viagem está em What Is RSI-Jev?.
O que essa onda demonstra não é que o Jev foi superado — é que é possível construir um modelo aberto para fazer aproximadamente este trabalho num fim de semana, o que é uma afirmação diferente e mais duradoura sobre onde está o fosso competitivo. A postura que se segue é mais estreita do que era há uma semana, e mais específica. O Jev é um modelo real, já lançado, incomumente barato, que agora está aberto a qualquer pessoa com uma conta, com uma vantagem estrutural genuína na confiabilidade dos resultados, um perfil de precisão em torno da faixa média segundo os próprios números do fornecedor, e uma alegação de calibração que foi testada duas vezes de forma independente desde o lançamento: uma vez num benchmark grande, favorável e de autoria própria, e uma vez numa entrada desconhecida, em que as pontuações de confiança não se sustentaram. Trate o segundo resultado como o mais informativo. Se o seu fluxo de trabalho tem uma etapa que se resume a uma pergunta digitada feita com frequência suficiente para que usar um modelo de fronteira fosse um desperdício, esta é uma das formas mais baratas de fazer essa pergunta — e o valor de confiança que ele retorna continua a ser a parte que deve testar nos seus próprios dados antes de confiar, não a velocidade. Também é testável sem uma segunda conta: typesafe/jev-1.13 está disponível no OrcaRouter, ao lado dos modelos generativos de que um fluxo de trabalho ao estilo Jev precisa.
