TypeSafe lança Jev: o modelo que não gera texto

Em 15 de setembro de 2026 a TypeSafe, laboratório de Diogo Almeida, saiu do modo furtivo e publicou o primeiro System One Model da casa, chamado Jev. O Jev não gera texto. Ele escolhe uma resposta entre opções definidas de antemão e devolve um valor estruturado com probabilidade calibrada, a US$ 0,042 por milhão de tokens de entrada, com tokens de saída gratuitos, segundo o anúncio oficial dos System One Models. O mesmo anúncio descreve o resultado como uma "chamada de função de inteligência de fronteira". A implicação que importa para quem compra inferência: o Jev não é um LLM mais barato, é uma classe de modelo diferente, e ela entra na fila antes da chamada generativa.

O que a TypeSafe anunciou em 15 de setembro

A TypeSafe é um laboratório fundado por Diogo Almeida, pesquisador que assinou o paper do InstructGPT em 2022, o método de ajuste por preferência humana que está na base do ChatGPT, publicado em 2022 na arXiv. O Jev é o primeiro modelo da empresa e o primeiro de uma classe que ela chama de System One. O nome da classe homenageia a divisão de Daniel Kahneman entre pensamento rápido e pensamento lento, e o nome do modelo homenageia William Stanley Jevons, o economista de The Coal Question (1865) que descreveu o paradoxo hoje conhecido pelo sobrenome dele.

O que o Jev faz de diferente é a saída. Um LLM generativo recebe uma instrução em linguagem natural e devolve texto em linguagem natural, e transformar esse texto em algo que o software consiga consumir fica com quem escreveu o código: extrair o campo, validar o formato, tratar o caso em que o modelo escreveu uma frase onde o programa esperava um número. O Jev aceita a pergunta em linguagem natural, mas a resposta é escolhida entre opções definidas antes da chamada, e sai como valor estruturado acompanhado de uma probabilidade.

É daí que vem a afirmação de que ele "não pode alucinar". A TypeSafe sustenta que o modelo não pode inventar uma saída porque todo o espaço de respostas possíveis é definido de antemão. É uma alegação do fornecedor, pública e datada, e a peça a registra como tal. Do lado técnico, o anúncio descreve um sampler paralelo e um método de treino batizado de RLCD, Reinforcement Learning for Calibrated Decisions, em que a confiança declarada precisa casar com a frequência observada de acerto.

Os números de preço e latência são do fornecedor, no mesmo anúncio. São US$ 0,042 por milhão de tokens de entrada, ou US$ 42 por bilhão, com tokens de saída gratuitos. A latência de ponta a ponta fica entre 70 ms e 500 ms, o que a empresa posiciona como 40 a 200 vezes mais rápido que LLMs de fronteira. A home page da TypeSafe, verificada em 17 de setembro, acrescenta 193,6 vezes mais rápido e 444,6 vezes mais barato em avaliações de workflow. Esses dois últimos números são declaração do fornecedor, não medida independente, e valem o que vale qualquer benchmark de página de lançamento.

O que existe de verificação fora da empresa é um teste de veículo. Em 15 de setembro o Every publicou um experimento que rodou o Jev sobre textos do próprio autor: 777 julgamentos em menos de 0,7 segundo, por uma estimativa de um quarto de centavo. A mediana foi de 0,35 segundo por passagem contra 8,83 segundos de um LLM de fronteira, e o Jev detectou 6 dos 7 defeitos plantados, contra 7 de 7 do comparativo. O autor do teste registra a ressalva. A cobertura de 86% dos defeitos, com uma passagem onde o comparativo acertou tudo, é a evidência independente disponível hoje, e ela é pequena.

A TypeSafe descreve os casos de uso em uma lista curta e específica: condicionais inteligentes, classificação, roteamento, pontuação, extração de campos, detecção de jailbreak e operações de map-reduce sobre bases grandes de dados. É trabalho de decisão repetida, não de redação.

Por que a classe importa mais que o multiplicador

A parte relevante do lançamento não é o 193,6 da home page. É a palavra "classe". Todo modelo que este blog cobriu até hoje pertence à mesma curva: recebe texto, devolve texto, e o comprador compara preço por milhão de tokens, posição em índice de inteligência ou custo por tarefa concluída. A comparação de custo por tarefa só faz sentido porque os candidatos são todos generativos. O Jev está fora dessa curva por construção, e um modelo que não pertence à curva não é medido por ela.

O número que sustenta isso é o preço. A US$ 0,042 por milhão de tokens de entrada, com saída gratuita, a chamada de decisão custa uma fração pequena da chamada generativa, e responde em dezenas ou centenas de milissegundos em vez de segundos. Isso não torna o Jev um concorrente do LLM de fronteira; torna-o candidato a uma etapa diferente do mesmo fluxo. Classificar uma solicitação antes de escolher qual modelo atende, triar se um prompt é tentativa de jailbreak, pontuar a relevância de um trecho antes de mandá-lo para o contexto, tudo isso hoje é feito com o modelo mais caro da casa, porque é o que está integrado.

A leitura correta do nome também merece uma linha. Jevons descreveu o consumo de carvão reagindo a um ganho de eficiência pelo aumento do uso, e o nome é escolha do próprio fornecedor. Se a decisão fica 40 vezes mais barata, o desenho de sistema que roda uma decisão por requisição passa a poder rodar dez decisões por requisição. Se esse efeito aparece, a conta de inferência de quem adotar o modelo não cai. Ela muda de forma.

Vale ser precisa sobre o que ficou por provar, porque é aqui que a peça se separa do material de lançamento. A probabilidade calibrada é uma promessa verificável, e a verificação tem uma forma exata: dentre 100 casos em que o modelo marca 0,9, cerca de 90 devem ser positivos.

Nada no anúncio prova essa propriedade na carga de um comprador específico, e a única medição de terceiro disponível cobre 777 julgamentos de um só veículo, com a ressalva já registrada. Some-se a isso que o modelo não é indicado para eventos raros, o que significa que a confiança declarada em um caso isolado não decide nada. O que decide é a proporção, medida no histórico do próprio comprador.

Há um limite de dado no caminho de quem for testar. A TypeSafe não publica, no anúncio, uma comparação de qualidade tarefa a tarefa contra os modelos de fronteira, e o Jev está em acesso antecipado. Nenhum volume de busca foi medido para "TypeSafe" ou "Jev" nesta execução: a ferramenta de keyword estava indisponível, então a demanda de reconhecimento desses dois nomes é uma incógnita declarada, não um número.

O que muda na prática

A mudança é de endereço da decisão. O que era uma instrução em linguagem natural dentro de um prompt, avaliada pelo mesmo modelo que escreve a resposta final, passa a ser uma chamada própria, com contrato de entrada e saída e com um número de confiança anexado ao resultado.

Leia a última linha com atenção. O custo por milhão de tokens não descreve um modelo que cobra por entrada e ignora a saída. Quem tiver só a planilha de preço por token vai medir a metade generativa da conta e vai atribuir ao Jev um custo que ele não tem, ou o contrário. A camada que aplica política por chave, teto de gasto e rastreamento de chamada precisa aprender a medir as duas coisas no mesmo painel, porque a decisão de onde gastar passa a depender da comparação entre duas unidades diferentes.

Vale situar o Jev ao lado do vizinho mais próximo que a casa já cobriu. O Mercury 2.5, um LLM de difusão, também não é um transformer autorregressivo, e essa peça mostrou que uma arquitetura fora do padrão muda a economia de servir. A diferença de grau entre os dois casos é grande. O Mercury continua sendo um gerador de texto por outro caminho; o Jev abandona o texto. Por isso ele não entra em nenhum ranking de qualidade de resposta, e o índice de fronteira não tem onde colocá-lo.

O teste independente do Every mostra o outro lado da mesma moeda. Julgar 777 trechos de texto em menos de 0,7 segundo é um tipo de carga que hoje ninguém roda em produção, porque o custo proibitivo decide antes da arquitetura. Quando o custo unitário cai para um quarto de centavo na estimativa do veículo, a carga passa a existir. É o mesmo argumento que sustenta a avaliação de agentes além da resposta final: medir durante a tarefa exige um juiz barato o suficiente para rodar muitas vezes.

O que fazer agora

O trabalho é de arquitetura, não de aquisição. O Jev está em acesso antecipado e nada aqui é recomendação de compra. As cinco decisões abaixo são as que mudam de forma quando uma classe de decisão entra na fila, e a segunda é a que costuma travar.

1. Liste as decisões que hoje viajam dentro de um prompt. Classificação, triagem, pontuação, extração de campo e escolha de ferramenta são as candidatas. Se a resposta esperada é uma entre um conjunto fechado, a etapa é de decisão e não de redação.
2. Defina a proporção de confiança aceitável antes de testar o modelo. O desenho é por proporção, não por caso isolado: dentre 100 casos marcados com 0,9, quantos positivos o seu processo tolera. Sem esse número escrito, o teste não tem critério de aceite e vira demonstração.
3. Meça a decisão e a geração no mesmo painel. Rastrear a chamada de LLM com modelo, custo e latência por requisição é o que permite comparar as duas unidades. Duas planilhas separadas produzem duas conclusões contraditórias sobre a mesma conta.
4. Trate a política de rota como um lugar onde cabe mais de um tipo de chamada. O roteador continua escolhendo qual LLM generativo atende cada requisição; ele passa a poder decidir também quando a resposta barata de decisão resolve antes de gastar a chamada cara. A camada de roteamento dentro de um gateway de LLMs é onde essa política vive com escopo por chave.
5. Releia o desenho da regra quando um modelo não generativo entra na lista. O que a decisão de rota com evidência de tráfego real exige é registro por chamada. Uma classe nova de modelo obriga a revisar quais campos o registro precisa carregar, porque probabilidade calibrada não é um campo que existia antes.

A ordem importa, porque a ação 3 depende da 4 e a 4 depende da 1. Quem começa medindo sem ter a lista de decisões acaba otimizando a etapa que não era o gargalo.

FAQ

O Jev substitui um LLM de fronteira?

Não. Ele não gera texto por construção, então não atende nenhuma tarefa que exija redação, resumo ou raciocínio aberto. Ele entra como uma chamada anterior, de decisão, para classificar, pontuar, triar ou escolher ferramenta antes de a chamada generativa sair. A política de rota passa a ter dois tipos de chamada para posicionar.

O que significa "não pode alucinar" nesse caso?

É a afirmação do fornecedor, registrada como tal. A alegação é estrutural: o modelo só escolhe entre opções definidas antes da chamada, então não existe espaço para inventar uma saída que não estava na lista. Isso não é o mesmo que acertar sempre. Escolher a opção errada dentro do conjunto continua sendo possível, e é para isso que existe a probabilidade calibrada.

O que é probabilidade calibrada, na prática?

É uma promessa verificável: dentre 100 casos em que o modelo marca 0,9, cerca de 90 devem ser positivos. A verificação é feita no histórico do próprio comprador, acumulando os casos e comparando a confiança declarada com a taxa de acerto observada. A TypeSafe publicou o RLCD como método de treino para essa propriedade, e o modelo não é indicado para eventos raros.

O Jev é mais barato que os modelos que eu uso hoje?

O preço divulgado é de US$ 0,042 por milhão de tokens de entrada, com tokens de saída gratuitos, e é declaração do fornecedor. A comparação direta com um LLM generativo não fecha, porque as unidades são diferentes: um cobra entrada e saída em linguagem natural, o outro cobra entrada para devolver um valor estruturado. O que se compara é o custo por decisão resolvida, medido na sua carga.

Os números de 193,6x e 444,6x foram verificados?

Não por terceiros. Os dois vêm da home page da TypeSafe, em avaliações de workflow da própria empresa. A única medição independente disponível é o teste do Every de 15 de setembro, com 777 julgamentos em menos de 0,7 segundo, e ele traz a ressalva do próprio autor: o Jev detectou 6 dos 7 defeitos plantados, contra 7 de 7 do comparativo.

Referências e Leitura Complementar

• TypeSafe, 15 de setembro de 2026: Introducing System One Models and Jev, fonte primária do evento.
• TypeSafe, home page, verificada em 17 de setembro de 2026, origem das alegações de 193,6x e 444,6x, declaração do fornecedor.
• Every, 15 de setembro de 2026: o Jev julgou tudo o que eu escrevi em 0,7 segundo, entrevista técnica com Diogo Almeida e o teste independente com as ressalvas do autor.
• InstructGPT, Ouyang et al., 2022, o método em que Diogo Almeida trabalhou antes do ChatGPT.
• Custo por tarefa no roteamento de modelos de IA, a unidade de custo que muda quando a saída é gratuita.
• Decidir a rota de um LLM com evidência de tráfego real, a evidência que uma chamada de decisão produz de forma nativa.
• Avaliação de agentes além da resposta final, o juiz barato o suficiente para rodar várias vezes durante a tarefa.
• LLM de difusão: o que o Mercury 2.5 muda no roteamento, a outra classe fora do transformer autorregressivo que já entrou no blog.
• Nexforce Router, a camada de roteamento multi-modelo com uma API.

O que observar no próximo trimestre

Duas datas organizam a leitura. A primeira é a saída do acesso antecipado, porque é quando o preço e a latência divulgados passam a poder ser medidos por quem não é a TypeSafe. A segunda é a publicação de números de terceiros sobre a calibração, porque é a única propriedade do Jev que se verifica sem depender de confiança no fornecedor.

Vale separar o que o lançamento prova do que ele promete. Prova que existe um modelo em produção com saída estruturada, opções fechadas e preço por entrada, e isso já é uma classe nova na prateleira. Promete calibração e velocidade em cargas que ninguém mediu de fora ainda. A distância entre as duas coisas é o que o próximo trimestre resolve, e ela é boa de acompanhar de perto porque afeta diretamente a conta de quem roda inferência em volume.

A pergunta que fica não é qual modelo é melhor, e sim quem passa a decidir o que é uma decisão e o que é uma redação. Enquanto essa fronteira era fixa, o critério de otimização era único, o preço por token. Com uma classe que só decide, o critério passa a ser duplo, e cada fluxo precisa dizer quantas decisões baratas cabem antes de uma chamada caríssima.

O Nexforce Router é a camada onde esse critério duplo vira regra executável: mais de 300 modelos por trás de uma única API compatível com OpenAI, com roteamento por custo, performance, latência e contexto, failover automático entre provedores, budget por chave e trilha de chamada auditável. Quando uma classe de modelo entra na prateleira medindo uma unidade diferente, a política de rota é o que decide se a novidade vira economia real ou vira só mais uma integração sem dono.

Legenda: a mesma carga avaliada em duas classes de chamada, decisão e geração. Diagrama técnico Nexforce, 17 de setembro de 2026.