⚙️ TypeSafe Jev
Jev (en algunas transcripciones aparece como “Jeff” o “Type Safe” por error del STT) es un modelo de TypeScheme AI optimizado para decisiones rápidas, tipadas y probabilísticas en automatización, presentado como una alternativa a los LLM autorregresivos de propósito general. Según sus creadores, la línea ortodoxa (optimizar para preferencia humana y luego para reward verificable) no se traslada bien a decisiones rápidas en condiciones de incertidumbre.
Su forma de uso: no escribe, solo responde preguntas de tres tipos (choice, score, null) y se coloca antes de la llamada al modelo grande. Ver el patrón general en model-routing.
Características
| Aspecto | Detalle |
|---|---|
| Latencia | 70–500 ms de extremo a extremo (según ellos, 40–200× más rápido que un LLM) |
| Arquitectura | Muestreo en paralelo + decisiones probabilísticas tipadas (no generación token a token) |
| Primitivas | choice (categórico), score (ordenación), null (sí/no) |
| Uso previsto | Automatización, clasificación masiva, enrutado, juegos — flujo de trabajo |
| Competencia | Modelos flash/nano (GPT-5.6 Luna, DeepSeek V4 Flash, Sonnet 5), solo en tareas de workflow |
| Contexto | 1M tokens (vía typesafe/jev-router en OpenRouter) |
Acceso y precio (según la transcripción de 2026-10-29)
- API key directa en
console.typesafe.ai: 5 $ de crédito inicial que, según el video, cubren del orden de 120M tokens. - Facturación asimétrica: se cobra el texto de entrada; las respuestas (salidas) son gratis.
- Alternativa: OpenRouter, con límite de crédito por key (una sola key para varios modelos).
- Integración recomendada: la key nunca se pega en el chat; se guarda en el servidor con un comando de terminal, y luego una skill reutilizable (“Jeff Decides”) expone las preguntas
choice/score/nulla cualquier agente.
Casos de uso documentados
| Caso | Tipo de pregunta | Ahorro |
|---|---|---|
| Triaje de bandeja (categoría + urgencia + ¿espera respuesta?) | choice + score + null | Solo el agente que puede responder lee el correo |
| Cron jobs silenciosos | null | Se evitan updates vacíos (p. ej. 24/día) |
| Puntuar leads antes de llamar | score 0-10 | Lista entera por céntimos |
| Elegir qué agente hace la tarea | choice entre agentes | El modelo caro no gasta tokens decidiendo |
| Elegir modelo por tarea | choice light / strong | El mayor ahorro; fail-safe al fuerte si duda |
⚠️ Todas las cifras (200× más rápido, 400× más barato, 90/100 aciertos en triaje, 120M tokens por 5 $) son autopublicadas por el propio video, sin verificación independiente.
Disponibilidad (OpenRouter, 2026-10-11)
- Existe el router
typesafe/jev-router(1M de contexto, pricing dinámico) en OpenRouter. - ⚠️ No fiable hoy: en una llamada de prueba sirvió un fallback (
stepfun/step-5-preview, modelo de razonamiento general) sin voz clara ni formato estructurado. El formato propio de Jev (decisiones con distribución de probabilidad) no se expone por la API estándar de chat.
Relevancia para el wiki
Refuerza la idea de que el panorama de modelos se está ampliando horizontalmente (modelos estrechos especializados junto a los fundacionales de propósito general) — ver hermes-agent-skills como ejemplo de ecosistema diverso de herramientas/modelos. Un motor externo de decisiones solo tendría sentido en automatización en lote, y solo si el router llegara a servir el modelo real.