Jev TypeSafe AI: ce este, Jev 1.14, pret si cum il folosesti

Jev este System One model-ul TypeSafe AI, prezentat pe 15 septembrie 2026: un model care nu scrie text, ci intoarce decizii tipizate (o alegere, un scor sau un da/nu) cu probabilitatea alaturi, in 70-500 de milisecunde dupa datele companiei. La 4 noiembrie 2026 versiunea implicita este Jev 1.14, pretul ramane 0,042 $ per milion de tokeni la intrare, cu iesirea gratuita, iar serviciul este inca in early access. Nu e un chatbot: nu scrie raspunsuri, nu genereaza cod, nu rezuma documente.

Ii dai o stare (un tichet, o comanda, un e-mail) si cateva intrebari cu raspunsuri deja definite. El iti intoarce decizii tipizate, fiecare cu o probabilitate alaturi.

Pare un lucru mic. De fapt atinge o problema pe care o are oricine integreaza AI intr-un ERP, intr-un CRM sau intr-un flux de automatizare: se plateste un model de chat, lent si scump, ca sa raspunda la intrebari de tipul "tichetul asta e urgent?" sau "e-mailul asta e o factura?".

In ghidul asta iti arat ce este Jev TypeSafe, cum il apelezi din cod (cu exemplu in TypeScript), cat costa in dolari si in lei, ce pattern-uri merita copiate si unde nu il folosesti. Iti semnalez de fiecare data cand o cifra este declarata de companie si nu a fost verificata independent.

Ce este Jev TypeSafe si cine e in spatele lui

TypeSafe AI este un laborator din San Francisco care a iesit din faza stealth pe 15 septembrie 2026, cu o finantare seed de 40 de milioane de dolari condusa de DCVC.

Fondatorul este Diogo Almeida, fost cercetator la OpenAI, care a contribuit la metodele (RLHF, InstructGPT) din care s-a nascut ChatGPT.

Ideea lui e simpla: modelele conversationale sunt excelente de ani de zile, dar automatizarea reala in firme nu a explodat.

Un model antrenat sa placa oamenilor nu este, dupa el, componenta potrivita intr-un software care trebuie sa decida in mod fiabil.

Jev TypeSafe este primul model public din aceasta familie noua si e disponibil in early access. Numele vine de la William Stanley Jevons, economistul paradoxului: cand o resursa devine mai eficienta, se consuma mai mult din ea.

Daca o "decizie inteligenta" devine aproape gratuita, devin rentabile automatizari pe care azi nu le face nimeni.

De ce se numeste "System One model"

Categoria e inspirata din Gandire rapida, gandire lenta a lui Daniel Kahneman. Sistemul 1 este gandirea rapida si intuitiva, Sistemul 2 cea lenta si deliberata.

LLM-urile cu reasoning sunt Sistemul 2. Jev TypeSafe e gandit pentru Sistemul 1: judecati rapide pe intrebari inchise, de tipul "la ce departament trimit mesajul asta?".

Teza TypeSafe este ca majoritatea deciziilor din software sunt de acest tip si ca pana acum au fost platite la pret de Sistem 2.

Cum functioneaza Jev TypeSafe: stare la intrare, decizii tipizate la iesire

Diferenta de arhitectura este clara. Un LLM genereaza un token pe rand, fiecare conditionat de cel dinainte.

Jev TypeSafe nu genereaza text: evalueaza toate intrebarile in paralel, intr-o singura trecere, si intoarce valori structurate cu probabilitati si un scor de incredere. TypeSafe il descrie ca pe un "apel de functie cu inteligenta de frontiera".

Pentru un programator asta inseamna: nu ai un string de parsat, nu ai un JSON de validat, nu exista riscul ca modelul sa-ti raspunda cu o fraza in loc de o valoare.

Daca ai lucrat cu structured output la LLM-uri, stii cat cod scrii doar ca sa supravietuiesti formatului.

Cele trei primitive: Choice, Score si Noul

Tot API-ul se bazeaza pe trei tipuri de intrebari. Nu e o limita de ocolit, e chiar designul:

• Choice: alege o optiune dintr-o lista (pana la 255). Intoarce alegerea, probabilitatea fiecarei optiuni si increderea. Adauga mereu o optiune "altceva", ca modelul sa poata spune ca nimic nu se potriveste.
• Score: plaseaza raspunsul pe o scala de 2 pana la 10 niveluri descrise in cuvinte (de exemplu "calm", "iritat", "foarte suparat"). Scorul poate cadea intre doua niveluri, de exemplu 1,035.
• Noul: un da/nu exprimat ca probabilitate intre 0 si 1. Nu are camp separat de incredere, pentru ca numarul in sine este increderea modelului.

RLCD: antrenament pe probabilitati calibrate

LLM-urile clasice sunt optimizate cu RLHF (preferinte umane) sau RLVR (raspunsuri verificabile). Jev TypeSafe foloseste o metoda noua, Reinforcement Learning for Calibrated Decisions (RLCD).

Scopul: probabilitatile sa fie "oneste", adica o incredere mai mare sa corespunda chiar unei precizii mai mari.

Pentru mine asta e punctul care schimba arhitectura. Daca un model face bine o sarcina in 95% din cazuri dar nu iti spune cand e in restul de 5%, nu o poti automatiza.

Daca iti spune, codul actioneaza cand increderea e mare si preda cazul unui om cand e mica.

Viteza si pret Jev TypeSafe: cifrele declarate

Iata comparatia publicata de TypeSafe la lansare:

Parametru	Jev TypeSafe	LLM-uri de frontiera (dupa TypeSafe)
Timp de raspuns	70-500 ms end-to-end	3-329 secunde
Cost input	0,042 $ / milion de tokeni (sub 0,25 lei)	0,20-10 $ / milion de tokeni
Cost output	gratuit	de obicei in jur de 5 ori inputul
Erori de format	0%, prin constructie	posibile

Pe benchmark-ul intern cu patru workflow-uri, Jev TypeSafe obtine 67,8%. E practic la egalitate cu GPT-5.6 Terra (67,9%) si Claude Sonnet 5 (67,8%), in urma lui Opus 5 (73,1%). Sunt modelele folosite de TypeSafe la lansarea Jev 1.13: pentru o comparatie cu Opus 5.5, Sonnet 5.5 sau GPT-6.1 Sol ai nevoie de teste pe cazurile tale.

Diferenta e la cost: in jur de o doua suta parte per caz.

Daca te intereseaza costurile per token la modelele generative, am scris despre prompt caching si cum reduci costurile API si despre preturile Gemini 3.8 Flash vs 3.1 Pro. Jev TypeSafe joaca in alt campionat, pentru ca nu concureaza la generare.

Trei precautii inainte sa crezi cifrele

• Benchmark-ul nu masoara acuratetea absoluta. TypeSafe compara raspunsurile cu media dintre GPT-6 Astra si Claude Fable 5.1: masoara acordul cu doua modele de frontiera, iar compania recunoaste bias-ul.
• Este autoevaluat. Workflow-urile, harness-ul si rularea sunt ale TypeSafe. Deocamdata nu exista o reproducere independenta.
• "Nu halucineaza" e mai ingust decat pare. Jev TypeSafe nu poate intoarce o valoare in afara schemei, dar poate alege valoarea valida gresita. Iar TypeSafe admite ca nu poate demonstra ca pretul nu e subventionat.

Ce s-a schimbat dupa lansare (actualizat pe 4 noiembrie 2026)

• Jev 1.14 este versiunea implicita, la acelasi pret. A aparut pe 14 octombrie, iar acum atat jev-latest, implicit in SDK-uri, cat si jev-preview duc la jev-1.14.0. Versiunea 1.13 ramane disponibila cu jev-1.13.0. Pretul nu se schimba: 0,042 $ per milion de tokeni la intrare, iesirea gratuita. Serviciul ramane in early access.
• Imagini si intrebari Box, doar pentru teste. Jev 1.13 si 1.14 accepta imagini PNG si JPEG, iar 1.14 adauga intrebarile Box, care arata unde se afla un obiect in imagine. Se activeaza cu un header separat, iar TypeSafe spune singura ca nu sunt inca gata de productie.
• SDK-uri actualizate. SDK-ul Python e la 0.7.5 din 14 octombrie, cu response_model pydantic, imagini si Box; SDK-ul JavaScript e la 0.7.0, tot din 14 octombrie, si cere Node.js 22 sau mai nou. Verifica exemplele copiate in primele zile.
• Un skill pentru agentii de programare. TypeSafe publica un skill pentru Claude Code, Codex si alti agenti. In Claude Code il instalezi cu claude plugin marketplace add typesafe-ai/skills si apoi claude plugin install typesafe@typesafe-ai. In consola ai si un Playground ca sa testezi intrebarile inainte de cod.
• Aceeasi schema ruleaza local cu Ollama. Ollama expune modele de decizie pe endpointul /v1/systemone, construit pe API-ul Jev, iar din versiunea 0.40.4 le folosesti si din linia de comanda. Primelor modele (Nimble, Tev1, Clef si Clef Flash) li s-au adaugat pplx-decider de la Perplexity in 0.40.7, familia d3 in 0.40.11 si modelele d1 in 0.40.12 din 27 octombrie. Ruleaza gratuit pe masina ta, iar pentru o firma din Romania care nu vrea sa trimita date in SUA asta rezolva mare parte din problema de GDPR. Atentie: in Ollama o intrebare Choice accepta intre 2 si 26 de optiuni, fata de 255 la Jev.
• Decisions API de la OpenAI e disponibil pentru toti. Dupa beta publica pornita pe 6 octombrie, din 22 octombrie este in disponibilitate generala: foloseste GPT-6 Luna, accepta text si imagini, costa 0,10 $ per milion de tokeni la intrare, fara cost la iesire, accepta pana la 400 de intrebari pe cerere si permite procesarea datelor in SUA sau in Europa.
• Exista un model de decizie open source. Stanford si NVIDIA au lansat CLM-8B, cu greutati Apache 2.0 si un API compatibil cu cel TypeSafe: in testele autorilor e mai rapid decat Jev, dar mai putin precis la alegerea uneltelor. L-am analizat in CLM-8B, modelul de decizie de la NVIDIA.

Concluzia mea: "modelul care decide in loc sa scrie" nu mai e pariul unui singur startup. Jev ramane cel mai ieftin API, la mai putin de jumatate din pretul Decisions API de la OpenAI, dar acum ai alternative cu datele in Europa sau direct pe serverul tau. De aceea scriu pragurile si fallback-urile intr-un modul separat, ca furnizorul sa poata fi schimbat fara sa rescriu fluxul.

Cum folosesti Jev TypeSafe in cod: setup si primul exemplu

Accesul este in early access pe typesafe.ai. Cheia API o generezi din consola TypeSafe.

Jev TypeSafe e disponibil si prin Vercel AI Gateway, apare in catalogul de modele Cloudflare si exista o integrare LangChain (langchain-typesafe).

SDK-urile oficiale sunt doua:

• TypeScript/JavaScript (Node 22+ de la versiunea 0.7.0 a SDK-ului): npm install @typesafe-ai/sdk
• Python (3.10+): pip install typesafe-sdk

Ambele citesc variabila de mediu TYPESAFE_API_KEY si folosesc implicit modelul jev-latest. Daca preferi sa-l apelezi direct, exista un singur endpoint REST: POST https://api.typesafe.ai/v1/systemone.

Exemplu in TypeScript: triajul cererilor de suport

Un caz pe care il vad des la firmele mici: o casuta de suport unde vin cereri amestecate. Vreau sa stiu despre ce e vorba si daca e urgent.

import { choice, noul, TypeSafeClient } from "@typesafe-ai/sdk";

const client = new TypeSafeClient();

const response = await client.systemOne({
  state: {
    document: "Buna ziua, mi-ati retras de doua ori banii pentru comanda 1042. Va rog sa-mi returnati suma urgent.",
  },
  questions: {
    category: choice("Despre ce este cererea?", {
      billing: "Plati, debitari, rambursari",
      technical: "Erori sau probleme tehnice",
      other: "Orice altceva",
    }),
    urgent: noul("Mesajul comunica urgenta"),
  },
});

console.log(response.answers.category.choice); // tipuri deduse din intrebari
console.log(response.answers.urgent.noul);      // probabilitate intre 0 si 1

Doua lucruri de retinut. Tipurile raspunsurilor sunt deduse din intrebari, deci editorul te avertizeaza daca citesti un camp care nu exista.

Iar fiecare intrebare in plus costa tokeni la intrare, dar aproape zero timp, pentru ca sunt evaluate in paralel.

Pasul urmator e logica ta, in cod obisnuit. De exemplu, un prag simplu pe probabilitatea de urgenta:

const urgent = response.answers.urgent.noul;

if (urgent > 0.8) {
  // trimite imediat catre un operator
} else if (urgent < 0.5) {
  // coada normala
} else {
  // zona gri: revizuire umana
}

Pragurile de mai sus sunt doar un punct de plecare: le calibrezi pe datele tale reale, nu pe intuitie.

Starea poate fi text, obiect sau conversatie

Campul state accepta un string, un obiect JSON sau un array de mesaje. Cand ai mai multe contexte (mesajul, datele comenzii, politica de retur) e mai bine sa folosesti un obiect cu campuri denumite.

Limitele sunt 64k tokeni pentru stare plus toate intrebarile si 32k pentru stare plus cea mai lunga intrebare. Cu headerul TypeSafe-Danger-Zone-Long-Context: true urca la 262k, la acelasi pret, dar raspunsurile sunt mai lente si mai putin precise.

Acum Jev accepta si imagini PNG si JPEG (cu headerul TypeSafe-Danger-Zone-Images: true), iar Jev 1.14, lansat pe 14 octombrie si acum implicit, adauga un al patrulea tip de intrebare, Box, care intoarce dreptunghiul in care se afla un obiect in imagine. Imaginile se platesc ca tokeni la intrare, la acelasi pret ca textul. TypeSafe spune singura ca imaginile si Box nu sunt inca gata de productie: eu le-as folosi doar pentru teste, de exemplu pe poze de bonuri sau de colete, nu in fluxul de facturare. Audio si video raman excluse.

Patru pattern-uri care merita copiate

1. Intreaba totul de la inceput (fan-out speculativ)

Cu un LLM, instinctul e sa faci un apel ieftin si abia apoi un al doilea daca e nevoie. Cu Jev TypeSafe e invers: pui toate intrebarile intr-un singur apel si lasi codul sa decida ce foloseste.

In cookbook-ul TypeSafe, gruparea a 13 intrebari intr-un singur apel a iesit de 12 ori mai ieftina si de 10 ori mai rapida decat apelurile separate, cu raspunsuri identice.

2. Un prag de incredere pentru fiecare actiune

Nu un prag unic pentru tot sistemul, ci unul per actiune, proportional cu costul greselii. Afisezi un sold? Prag mic. Aprobi un transfer? Prag mare, altfel ceri confirmare. Incredere sub 0,5? Cazul merge la un om.

3. Scoruri compuse cu ponderile tale

In loc sa intrebi "cat de bun e candidatul asta?", imparti in dimensiuni independente (experienta tehnica, leadership, design) si combini scorurile cu ponderi alese de tine.

Schimbarea ponderilor devine o modificare de cod, testabila cu un A/B, nu o rescriere de prompt.

4. Cascada: Jev decide cine merita un LLM

Jev TypeSafe nu inlocuieste Opus 5.5 sau GPT-6.1 Sol: decide ce cereri merita un model mare. Statusul unei comenzi? Ajunge o interogare in baza de date. Intrebare despre un produs? Un LLM specializat. Reclamatie complexa? Un operator uman.

Pe un milion de tichete, o estimare care circula printre dezvoltatori coboara costul de la aproximativ 30.400 $ la aproximativ 6.480 $. Daca vrei sa alegi modelul mare din capatul cascadei, ti-am facut o comparatie intre GPT-6 Astra, Claude Fable 5.1 si Opus 5.5.

Acelasi rol il poate avea intr-un agent: Jev TypeSafe alege unealta potrivita sau blocheaza o actiune riscanta inainte de executie. Daca lucrezi cu agenti, citeste si ghidul meu despre Model Context Protocol (MCP).

Unde are sens Jev TypeSafe pentru o firma din Romania (si unde nu)

Cazurile potrivite pentru Jev TypeSafe sunt cele cu volum mare si raspunsuri cunoscute dinainte:

• Triajul e-mailurilor: factura, cerere de oferta, reclamatie, spam, cerere comerciala.
• Rutarea lead-urilor din formularul site-ului catre omul potrivit din vanzari, cu un scor de prioritate.
• Moderarea recenziilor si comentariilor inainte de publicare, de exemplu pe un magazin online.
• Filtru de relevanta in RAG: arunci pasajele inutile inainte sa le trimiti unui model scump.
• Noduri de decizie in n8n sau intr-un ERP: acele "if"-uri prea nuantate ca sa le scrii de mana. Daca n8n ruleaza deja la tine, vezi cum il instalezi pe server si cat costa.

Unde nu folosesti Jev TypeSafe: generare de text, calcule, comparare de date calendaristice, explicarea unei decizii catre un auditor, intrebari deschise.

Pentru astea ramane un LLM clasic sau, si mai bine, cod determinist.

Daca vrei o imagine mai larga despre cum se leaga toate astea intr-o firma, am scris un ghid complet despre agentii AI pentru afaceri.

Limitele declarate de TypeSafe

TypeSafe publica o pagina onesta despre punctele slabe ale versiunii jev-1.13:

• Citeste literal: raspunde la intrebarea pe care ai scris-o, nu la cea pe care ai vrut sa o pui.
• Nu stie sa numere in mod fiabil. Numara in cod si fa cate un Noul pentru fiecare element.
• Datele calendaristice sunt text pentru el: extragi cu Jev TypeSafe, calculezi in cod.
• Sufera de context rot: cu cat umpli starea cu lucruri inutile, cu atat scade precizia.
• Nu trateaza starea ca ostila: un text scris special ca sa-l "convinga" poate muta clasificarea. Cu continut venit de la utilizatori, riscul il gestionezi tu.

GDPR, loguri si cheia API: ce verifici inainte

TypeSafe spune ca serviciul Jev ruleaza azi pe Coasta de Vest a SUA. Pentru o firma din Romania care foloseste Jev TypeSafe asta inseamna transfer de date in afara UE.

Inainte sa trimiti date personale ale clientilor (nume, telefoane, adrese, cu atat mai putin CNP-uri) verifici DPA-ul, baza legala si treci furnizorul in registrul tau de prelucrari, ca la orice furnizor american. TypeSafe publica un acord de prelucrare a datelor, actualizat in aprilie 2026, care pentru transferurile din UE foloseste clauzele contractuale standard, dar nu spune unde sunt stocate datele: intreaba inainte sa semnezi.

Daca datele trebuie sa ramana in Europa, ai doua variante: Decisions API de la OpenAI, care ofera procesare in Spatiul Economic European, sau un model de decizie rulat local cu Ollama ori cu CLM-8B. Detaliile sunt in sectiunea cu noutatile de mai sus.

Regula mea practica: trimite doar ce trebuie pentru decizie. Pentru "e o cerere de oferta?" nu ai nevoie de telefonul clientului.

Apoi trasabilitatea. Cand o decizie automata luata de Jev TypeSafe ajunge contestata, logurile conteaza.

Doua obiceiuri bune: fixeaza versiunea modelului (de exemplu jev-1.14.0 in loc de jev-latest, care se schimba la fiecare release) si salveaza in log campul model din raspuns, impreuna cu probabilitatile si increderea.

In final, cheia API: trateaz-o ca pe bani. Limitele de tokeni si cereri pe secunda sunt stabilite per organizatie si le vezi in consola: o cheie expusa intr-un repository public consuma creditul foarte repede.

Concluzie: Jev TypeSafe nu e un LLM mai ieftin

Modul corect de a privi Jev TypeSafe nu e "un ChatGPT care costa mai putin". E o primitiva diferita: o functie care rationeaza, intoarce un tip si iti spune cat sa ai incredere in rezultat.

Pusa la locul potrivit, elimina codul care se scrie azi doar ca sa supravietuiasca output-ului text al LLM-urilor: parsing, validare, retry.

Este inca in early access si cifrele trebuie verificate pe traficul tau real. Pentru fluxurile cu volum mare si raspunsuri inchise, iti recomand sa testezi Jev TypeSafe in paralel cu sistemul actual si sa compari rezultatele pe cazuri vechi cu raspuns cunoscut, inainte sa-i dai controlul.

Daca vrei sa vezi daca in ERP-ul, CRM-ul sau automatizarile tale e loc pentru un model ca Jev TypeSafe, arunca o privire la automatizarile AI pe care le construiesc sau la fluxurile n8n, apoi scrie-mi: iti raspund eu.