Jev, el modelo de IA que no escribe: qué son los “System One” y para qué sirven

El 15 de septiembre de 2026, TypeSafe AI anunció Jev, y desde entonces no paro de leer sobre él. La razón es simple: es el primer modelo de IA que conozco que no escribe nada. No redacta correos, no programa, no responde preguntas. Solo decide.

TypeSafe lo llama un “System One model”, una categoría nueva. El nombre viene de Daniel Kahneman: el sistema 1 es el pensamiento rápido e intuitivo (reconocer una cara), el sistema 2 es el lento y deliberado (resolver una cuenta larga). Los modelos como Claude o GPT son sistema 2: piensan palabra por palabra. Jev es sistema 1: mira todo de una y responde.

Les cuento qué es, qué promete, qué no es, y para qué le puede servir a una empresa que ya usa IA. Va con fuentes al final, porque hay cifras grandes y conviene saber de dónde salen.

¿Qué hace Jev exactamente?

Un modelo de lenguaje recibe texto y devuelve texto, un pedacito a la vez. Jev recibe el estado de tu programa (un mensaje de un cliente, una solicitud, los datos de un pedido) y una lista de preguntas con opciones cerradas, y devuelve la respuesta a cada una con un número de confianza. Todo en un solo paso, en paralelo, sin escribir una sola frase.

Un ejemplo de los que da la propia empresa: le pasas un mensaje de soporte y le preguntas “¿esto es de facturación, técnico o de ventas?”. Jev te responde “técnico, 91 %”. Con ese número tu sistema decide: si la confianza pasa de cierto umbral, actúa solo; si no, se lo pasa a una persona.

• Entrada: el estado de tu aplicación y preguntas con opciones definidas en código (no en un prompt).
• Salida: una opción, un puntaje o un sí/no, cada uno con su probabilidad. Nada de prosa, código ni explicación.
• Cómo se usa: con un SDK oficial en Python (typesafe-sdk) o TypeScript (@typesafe-ai/sdk), y un playground para probarlo.

¿Por qué dicen que es tan rápido y tan barato?

Porque no genera texto. Un LLM produce la respuesta palabra por palabra, y cada palabra cuesta tiempo y plata. Jev produce todas las respuestas de una sola vez con lo que TypeSafe llama un “muestreador paralelo”. Las cifras que publican:

Pruebas independientes ya empezaron a salir. LiteLLM lo midió como clasificador de rutas frente a Claude Haiku y reportó 5,4 veces más rápido y 96 % más barato para esa tarea. Ojo: son pruebas de una tarea concreta, no de todo.

¿Cómo lo entrenaron?

Aquí está la parte que más me interesa. Los modelos de chat se entrenan con RLHF: se les premia por dar la respuesta que un humano prefiere. Jev se entrena con algo que TypeSafe llama RLCD, “aprendizaje por refuerzo para decisiones calibradas”. Se le premia por que su número de confianza sea honesto: si dice 90 %, que acierte más o menos 9 de cada 10 veces.

Eso importa porque en automatización el problema no es que la IA se equivoque, es que se equivoque con seguridad. Un modelo que te dice “no estoy seguro” cuando de verdad no lo está vale oro para decidir qué automatizar y qué mandar a revisión humana.

Detrás del proyecto está Diogo Almeida, uno de los coinventores de RLHF e InstructGPT en OpenAI, que es la técnica que hizo posible ChatGPT. No es cualquiera.

“No puede alucinar”: qué significa de verdad

Este es el titular que más ruido hizo, y toca leerlo con calma. Lo que TypeSafe dice es que Jev no puede inventar una opción que no exista: si le das “facturación, técnico, ventas”, no puede responder “legal”, ni inventar una cita, ni un nombre de herramienta, porque no escribe.

Mi lectura: “no alucina” es cierto en el sentido estrecho y engañoso en el amplio. Lo valioso no es que no invente, es que te dice cuánto confía.

¿Para qué sirve y para qué no?

Jev no reemplaza a Claude ni a GPT. Los acompaña. Todo lo que he leído coincide en que los usos que funcionan son los que van al lado de un modelo de lenguaje, no en vez de él:

• Enrutar: decidir a qué área, a qué agente o a qué modelo va cada solicitud.
• Clasificar y priorizar: tickets, correos, leads, mensajes de WhatsApp, por tipo y urgencia.
• Vigilar agentes: antes de que un agente ejecute una acción, preguntarle a Jev si esa acción es de solo lectura, destructiva o riesgosa.
• Verificar: revisar si una respuesta cita bien, si una cotización cumple reglas, si un dato cuadra.

Lo que NO hace: escribir un párrafo, un correo, un bloque de código, ni explicar por qué decidió lo que decidió. Si tu problema necesita texto, sigue necesitando un LLM.

¿Y esto qué tiene que ver con tu empresa?

Mucho más de lo que parece. Cuando monto un agente que atiende WhatsApp o una automatización que clasifica correos, la mitad del trabajo es exactamente esto: decidir rápido y barato qué hacer con cada mensaje antes de que el modelo grande escriba la respuesta. Hoy esa parte la hace el mismo LLM, y es lenta y cara para lo que es.

Un modelo que decide en 100 milisegundos, cuesta centavos y además te dice cuándo no está seguro, cambia la economía de automatizar. Se los digo en serio: si esto cumple la mitad de lo que promete, en un año va a estar dentro de casi todos los sistemas que montamos, aunque el cliente nunca sepa que está ahí.

Por ahora, es nuevo, las cifras son de la empresa y las pruebas independientes son de tareas puntuales. Yo lo voy a probar en un caso real de enrutamiento de mensajes y les cuento. Si quieres que revisemos dónde encajaría en tu operación, escríbeme por WhatsApp.

Fuentes

• TypeSafe AI, “Introducing System One Models & Jev”, anuncio oficial del 15 de septiembre de 2026: typesafe.ai
• Tom’s Hardware, sobre las cifras de velocidad y costo que reclama TypeSafe: tomshardware.com
• MarkTechPost, resumen técnico del lanzamiento (arquitectura, muestreador paralelo, RLCD): marktechpost.com
• KDnuggets, “What everyone is getting wrong about TypeSafe AI’s Jev”, sobre el alcance real de “no alucina”: kdnuggets.com
• LiteLLM, prueba independiente como clasificador de rutas frente a Claude Haiku: docs.litellm.ai
• The Register, cobertura del lanzamiento: theregister.com

Fuentes consultadas el 22 de septiembre de 2026. Las cifras de velocidad, precio y latencia son las que publica TypeSafe salvo donde se indica una prueba independiente; pueden cambiar.