TLDR;

Jev é um modelo de IA da startup TypeSafe que não gera texto, mas responde escolhendo opções pré‑definidas e retornando probabilidades calibradas para cada resposta. Ao invés de produzir tokens ou cadeias de pensamento como LLMs, Jev recebe o estado e perguntas estruturadas e devolve todas as respostas de uma vez em forma de probabilidades, o que o torna mais rápido e mais barato para decisões simples. Ele é pensado para automatizar julgamentos rápidos de "sistema 1", como triagem de e‑mails de suporte (reembolso, equipe responsável, urgência), permitindo acionar fluxos com base em limiares de probabilidade calibrados.

Resumo

Jev é um novo modelo de IA da startup TypeSafe projetado para decisões rápidas, não para gerar texto: em vez de escrever respostas, ele recebe um estado (por exemplo, um e‑mail de suporte) e perguntas predefinidas (como pedido de reembolso, equipe responsável e urgência) e devolve probabilidades calibradas para cada opção. Inspirado no conceito de “sistema um” de Kahneman, visa julgamentos automáticos e leves que humanos fariam de imediato, ao contrário dos modelos de raciocínio que expõem cadeias de pensamento e funcionam como “sistema dois”. Ao retornar todas as respostas de uma vez e sem tokens textuais, Jev é mais rápido e barato que um LLM tradicional. Foi treinado com uma técnica chamada RLCD (reinforcement learning for calibrated decisions), que recompensa probabilidades que se mostram corretas na prática, produzindo estimativas confiáveis — por exemplo, uma probabilidade de 80% corresponde a cerca de 80% de acerto. Isso permite automação segura via limiares (p. ex., tratar como reembolso quando p>0,9). Diferente do RLHF, que pode induzir confiança excessiva, Jev prioriza calibração para apoiar decisões estruturadas e mensuráveis em sistemas de software. Seu uso é adequado para fluxos operacionais com alto volume de decisões repetitivas, reduzindo custo e tempo enquanto mantém controle estatístico.