Aportar contexto
Envía texto, datos JSON o una lista de textos. Jev todavía no admite imágenes, audio ni vídeo como entrada.
Jev es el primer modelo System One de TypeSafe. Devuelve decisiones con tipos definidos y probabilidades que tu aplicación puede usar. Aquí encontrarás casos de uso y ejemplos para integrar su API.
TypeSafe llama a Jev un modelo System One: devuelve opciones predefinidas y probabilidades en lugar de generar texto libre. Compáralo con los modelos generativos y las reglas de código según la tarea.
| Aspecto | Jev | LLM generativos | Reglas en código |
|---|---|---|---|
| Salida | Opciones, puntuaciones y probabilidades definidas de antemano | Texto, código o salida estructurada flexible | Valores determinados por condiciones explícitas |
| Velocidad | Optimizado para baja latencia; TypeSafe informa 70–500 ms en sus pruebas | Depende del modelo, el prompt y la longitud de salida | Suele ser muy rápido para condiciones conocidas |
| Ideal para | Juicios semánticos repetidos dentro del software | Redacción, razonamiento complejo y tareas abiertas | Condiciones claras y estables |
| Límite clave | No genera texto libre; una respuesta tipada también puede equivocarse | Las respuestas pueden necesitar procesamiento y validación | Difíciles de mantener cuando la entrada es ambigua |
Las cifras de velocidad proceden de pruebas de TypeSafe sobre decisiones estructuradas concretas. No son una evaluación independiente ni una garantía general. Leer la metodología
Si las respuestas ya están definidas pero hay que interpretar el contenido, Jev puede encajar. Para generar texto o código, usa un modelo generativo. Si las condiciones son claras, escríbelas como reglas.
Jev evalúa texto o datos estructurados según las preguntas que tú defines. Devuelve opciones, puntuaciones y probabilidades que tu código puede procesar directamente.
“Me cobraron dos veces la suscripción. ¿Pueden ayudarme?”
¿Qué equipo debe atenderlo?
Probabilidad ilustrativa 0.92
Envía texto, datos JSON o una lista de textos. Jev todavía no admite imágenes, audio ni vídeo como entrada.
Antes de llamar a la API, decide si necesitas una opción, una puntuación o un valor para una pregunta de sí o no.
Usa el resultado y el nivel de confianza para dirigir la solicitud, pedir una revisión humana o ejecutar una acción. Que el formato sea válido no significa que la decisión sea correcta.
Basado en la documentación oficial de TypeSafe
Jev encaja en decisiones repetidas cuyas posibles respuestas ya están definidas. Estos ejemplos sirven para explorar; comprueba los resultados con tus propios datos.
Clasifica reclamaciones y comentarios de comercios, valora la urgencia y dirige cada caso al equipo adecuado. Una persona revisa los casos dudosos.
Filtra un feed según las preferencias expresadas por el usuario y puntúa la relevancia de cada contenido junto con tus propias señales de clasificación.
Dirige cada solicitud a un modelo, herramienta o agente; decide cuándo buscar información y comprueba si el resultado permite continuar.
Revisa mensajes, cambios de código y llamadas a herramientas según reglas concretas. Envía los casos de riesgo o dudosos a una persona.
Con el estado del juego y una lista acotada de movimientos válidos, Jev elige la siguiente acción de un rival de IA o un PNJ. El código del juego comprueba las reglas y ejecuta la acción.
Ordena correos y notificaciones según tus reglas, evalúa el estado de tu hogar inteligente o decide cuándo ejecutar una rutina.
Empieza por un juicio concreto que tu aplicación ya necesite. Define las respuestas posibles y decide en el código cómo utilizarlas.
Por ejemplo, dirigir un ticket o puntuar la relevancia de un elemento.
Define la entrada, las preguntas y las respuestas permitidas antes de llamar a la API.
Usa probabilidades y confianza para actuar, recurrir a otra opción o pedir revisión humana.
Este ejemplo de TypeScript en el servidor envía un mensaje de atención al cliente y dos preguntas con un formato de respuesta definido a Jev 1.13 a través de OpenRouter. La clave API se queda en el servidor; tu aplicación decide qué hacer con los resultados.
Probar Jev gratisconst apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");
const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
method: "POST",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "typesafe/jev-1.13",
state: "My card was charged twice. Please help ASAP.",
questions: {
department: {
type: "choice",
instructions: "Which team should handle this?",
criteria: {
billing: "Payments and refunds",
technical: "Bugs and integrations"
}
},
urgent: {
type: "noul",
instructions: "Does this message need urgent attention?"
}
}
})
});
if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();
if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
// Route to the billing review queue.
}POST /api/alpha/decisionsstate + questionsanswerschoice indica el equipo responsable; noul devuelve un valor entre 0 y 1 para la pregunta de sí o no. Tu código combina ambos con sus reglas de asignación.
Prueba con solicitudes representativas, registra la versión del modelo y deriva a una persona los casos inciertos o de alto impacto. El valor 0,8 solo sirve de ejemplo.
Fuentes de la API: OpenRouter · TypeSafe
El harness coordina las llamadas al modelo y a las herramientas. En cada punto de decisión, Jev lee un mensaje, una llamada a herramienta pendiente o el estado del agente y devuelve una respuesta tipada. Tu código decide cómo seguir; el modelo conversacional se ocupa de las tareas abiertas.
ModelRouterMiddlewarebefore_agent → wrap_model_callClasifica el último mensaje antes de iniciar la ejecución, elige un modelo y mantén esa elección durante el proceso. La opción, las probabilidades y la confianza quedan disponibles en el estado del agente.
AutoModeMiddlewarewrap_tool_callRevisa una llamada a herramienta antes de ejecutarla. Si Jev detecta riesgo o falta de autorización, el middleware la bloquea y devuelve un ToolMessage de error. No solicita aprobación humana.
TypeSafeClassifierChoice · Score · NoulPuedes añadir tus propios controles con middleware personalizado: pasa los mensajes o el estado del agente a TypeSafeClassifier y usa Choice, Score o Noul para decidir la siguiente acción o pedir revisión.
En la solicitud defines las preguntas y el formato esperado. La respuesta contiene un resultado por pregunta. Estos son los campos JSON del ejemplo.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulUna respuesta con formato válido también puede equivocarse. Prueba casos representativos y define tus propios umbrales de enrutamiento.
Jev es el modelo de TypeSafe. La comunidad también explora decisiones rápidas y estructuradas con modelos abiertos y otras interfaces. Compara el código, los enfoques y sus límites.
Son proyectos independientes de la comunidad, no versiones oficiales de Jev.
Aquí resumimos el lanzamiento, el SDK oficial y un video independiente. Consulta primero los puntos clave y abre las fuentes originales si quieres profundizar.
TypeSafe publica en X novedades y contexto del producto. Son afirmaciones del equipo; comprueba los detalles técnicos en la documentación antes de implementarlos.
Abrir fuenteEl SDK oficial de JavaScript y TypeScript muestra la API, ejemplos y versiones. Es un buen lugar para ver cómo se expresa una solicitud a Jev en código.
Abrir fuenteEl hilo de lanzamiento trata los posibles usos, cómo evaluar el modelo y qué hacer cuando se equivoca pese a mostrar alta confianza. Es una conversación entre desarrolladores, no una prueba de rendimiento.
Abrir fuenteAllie Laabs, de TypeSafe, explica en ThursdAI System One y las salidas Choice, Score y Noul. El equipo prueba la clasificación de publicaciones, muestra una demo de Doom y habla de los límites de Jev.
Abrir fuenteUn análisis independiente de RepoChad sobre el formato de salida, las cifras de velocidad de TypeSafe, demostraciones y preguntas abiertas. El video solo se carga al pulsar reproducir.
Abrir fuenteTypeSafe AI presentó Jev como su primer modelo System One. Su objetivo declarado es llevar decisiones rápidas y estructuradas a los flujos habituales del software.
El fundador Diogo Almeida trabajó anteriormente en OpenAI y Google Brain. Según TypeSafe, su trabajo sobre seguimiento de instrucciones y RLHF influyó en la investigación detrás de ChatGPT.
No. Jev está diseñado para devolver decisiones tipadas y probabilidades, no respuestas libres de chat ni código generado.
Puede ayudar a puntuar o reordenar candidatos por relevancia semántica. Un sistema completo también necesita obtener candidatos, aplicar reglas de negocio, evaluar resultados y definir el ranking.
No. El tipo limita el formato, pero la opción elegida puede ser errónea. Prueba con datos representativos y gestiona la incertidumbre en tu código.
Empieza por la documentación y el SDK oficiales de TypeSafe. La página del modelo en OpenRouter también ofrece acceso mediante su plataforma.
Define una pregunta y sus posibles respuestas. Tu aplicación decide qué hacer con el resultado.