Jev

Un état en entrée, des décisions typées en sortie

Jev est le premier modèle de TypeSafe AI, annoncé le 15 septembre 2026 quand le laboratoire de San Francisco sort de deux ans de furtivité. Il inaugure la catégorie des System One Models : des modèles de frontière qui renvoient des décisions typées, assorties de probabilités calibrées, sans générer de texte. Le développeur envoie un état (chaînes, objets JSON, tableaux) et des questions typées ; Jev évalue toutes les questions en une seule passe parallèle et renvoie des réponses structurées, directement exploitables par du code. Diogo Almeida, cofondateur et CEO, résume la thèse du lancement d'une phrase : « people can't be the only consumers of intelligence ».

Trois primitives fixent l'espace des réponses possibles : Choice (une option dans une liste fermée), Score (une note selon une rubrique) et Noul (la probabilité qu'une affirmation soit vraie). L'entrée se limite au texte au 20 septembre 2026, ni image, ni audio, ni vidéo. L'accès passe par les SDK ou l'endpoint POST /v1/systemone, avec l'alias jev-latest, et reste sur liste d'attente. LangChain publie une intégration officielle, langchain-typesafe, qui expose Jev comme classifieur dans les harnais d'agents.

RLCD : une calibration mesurée par lots, pas par réponse

Jev est entraîné par une méthode maison, le RLCD (Reinforcement Learning for Calibrated Decisions) : les probabilités renvoyées sont optimisées contre les résultats observés, pour refléter l'incertitude réelle. L'architecture n'est pas publiée en détail au 20 septembre 2026, ni la taille du modèle.

L'espace de sortie est fermé par construction : le modèle choisit parmi des réponses typées définies par le développeur, il ne peut produire ni option inventée ni erreur de format. Une décision peut rester fausse. La documentation le dit elle-même : la calibration se mesure sur des groupes de prédictions et « it does not guarantee that an individual answer is correct ».

Ce que Jev n'est pas

Le modèle vise les décisions à haut volume dans le logiciel (routage, tri, vérification, validation, contrôle d'agents) et se compare à trois outils qui occupent aujourd'hui cette place.

• Les sorties structurées d'un LLM (mode JSON, function calling) : un LLM contraint génère toujours du texte token par token, puis le plie à un schéma. Jev n'échantillonne aucune séquence ; la contrainte de format n'apporte ni sa latence ni sa calibration.
• Un classifieur ML classique (un BERT affiné, par exemple) : il exige un entraînement par tâche. Jev accepte des questions en langage naturel sur un état arbitraire, sans réentraînement.
• Le LLM-juge (LLM-as-a-judge) : même usage, trancher, noter, router, mais le juge hérite du coût, de la latence et de la variabilité de la génération de texte.

Deux noms, deux emprunts

« System One Models » est une catégorie de modèles nommée par TypeSafe ; le « Système 1 » est un concept de psychologie cognitive, celui de Daniel Kahneman dans Thinking, Fast and Slow, la pensée rapide et intuitive par opposition au raisonnement délibéré du Système 2. La catégorie emprunte son nom au concept, ils ne se confondent pas. De même, Jev, le modèle, se distingue de TypeSafe AI, le laboratoire qui l'édite.

Le nom Jev salue William Stanley Jevons, l'économiste du paradoxe de Jevons : plus une ressource devient efficace et bon marché, plus on en consomme. L'éditeur parie que des décisions très bon marché créeront des usages que personne ne déploie aux tarifs actuels des LLM.

Chiffres annoncés, chiffres vérifiés

Le tarif affiché au 20 septembre 2026 est de 0,042 $ par million de tokens en entrée, sortie gratuite. C'est un tarif d'accès anticipé, publié par l'éditeur. The Register relève en face 2 $ en entrée et 12 $ en sortie pour GPT-5.6 Terra.

Les performances viennent de l'éditeur seul, sans mesure tierce : une intelligence comparable aux LLM existants sur les tâches System One, pour deux ordres de grandeur de vitesse et de coût en moins. La démonstration publiée par TypeSafe donne 0,114 s pour Jev contre 8,566 s pour GPT-5.6 Terra. La semaine du lancement, Jev pilote Doom à une dizaine de requêtes par seconde, pour environ 7 $ de l'heure selon Almeida.

Côté entreprise, TypeSafe annonce une levée d'amorçage de 40 M$ menée par DCVC, et Forbes évalue la valorisation à environ 200 M$ sur la foi d'une source proche du dossier. Le laboratoire, fondé en 2024, réunit Diogo Almeida (ex-chercheur OpenAI, crédité pour les travaux fondateurs sur le RLHF et InstructGPT), Erik Gafni et Sasha Sheng.