Jev: en modell som avgjør i stedet for å skrive

Det aller meste av det vi kaller AI i dag handler om å skrive tekst. Du stiller et spørsmål, og modellen bygger opp svaret ett token om gangen. Men programvare trenger ofte noe helt annet fra en modell: en avgjørelse. Hvilken kategori hører dette til? Hvor mye haster det? Er det trygt? Er det vanskelig? Jev er en ny modell fra TypeSafe AI, lansert 15. september 2026, og den er laget for akkurat dette. Den skriver ingenting.

Hva Jev gjør

Du gir Jev en tekst og en håndfull typede spørsmål, og den svarer på alle samtidig. Spørsmålene finnes i tre former. Et valgspørsmål ber den velge fra en liste, for eksempel om en melding er småprat, et enkelt spørsmål, kode eller et resonneringsproblem. Et skalaspørsmål ber den plassere noe på en skala, for eksempel hvor vanskelig en oppgave er fra 1 til 10. Et ja/nei-spørsmål gir sannsynligheten for at svaret er ja, for eksempel om en tekst inneholder personopplysninger eller passord.

Hvert svar kommer med en sannsynlighet og en konfidensverdi, og det kommer alltid som ryddige, typede data koden din kan bruke direkte. Det er ingen løs tekst å tolke og ingen JSON å håpe på. Jev kan fortelle at den er 92 % sikker på at en forespørsel er enkel, eller at den er i tvil mellom to kategorier, og det siste svaret er ofte det mest verdifulle.

Hvor «System One» kommer fra

TypeSafe kaller Jev en System One-modell, og navnet er lånt fra psykologien. Ideen om to tenkemåter ble gjort kjent av Daniel Kahneman i Thinking, Fast and Slow, med utgangspunkt i tidligere arbeid av psykologene Keith Stanovich og Richard West. System 1 er den raske modusen: automatisk, intuitiv og nesten uanstrengt. Det er den som lar deg kjenne igjen et sint ansikt, fullføre frasen «hipp hipp …» eller skjønne på et blunk at et spørsmål er lett. System 2 er den langsomme modusen: bevisst, steg for steg og slitsom. Det er den du bruker for å gange 17 med 24 eller jobbe deg gjennom en vanskelig problemstilling.

Sett på denne måten er språkmodellene de fleste snakker om System 2-maskiner. De bygger svaret ord for ord, og resonneringsmodellene har lenge brukt ekstra tid på å tenke høyt før de svarer. Det er kraftfullt, men kostnaden i tid og penger betales på hver eneste forespørsel, også de som aldri trengte det.

En System One-modell velger bort alt dette med vilje. Jev genererer ingen fri tekst, så den venter aldri på neste ord. Alle svarene produseres parallelt, slik en magefølelse kommer på én gang i stedet for som en setning. Å stille den tre spørsmål tar omtrent like lang tid som å stille ett.

Rask, billig og treffsikker

Det er dette designet som gjør Jev billig. TypeSafe oppgir 70 til 500 millisekunder fra ende til ende og en pris på 0,042 dollar per million input-tokens, med gratis output.

I TypeSafes egne workflow-evals, som dekker fire arbeidsflyter, får Jev 67,8 % treffsikkerhet, på nivå med Claude Sonnet 5 og ikke langt bak Opus 5 på 73,1 %, mens Haiku 4.5 ligger på 53,6 %. Forskjellen ligger i kostnad og fart: omtrent 0,4 sekunder og 0,0004 dollar per case for Jev, mot 37,8 sekunder og 0,18 dollar for Opus 5.

Merk at dette er TypeSafes egne benchmarks, ikke tester vi har gjort selv.

Jev spiller Flappy Bird

Å få Jev til å kategorisere meldinger, bilder og lignende er virkelig nyttig, og ærlig talt ganske kult. Men vi tenkte at Flappy Bird ville være morsommere. Så vi bygde et Flappy Bird-spill delt i to, der Jev spiller til venstre og GPT Luna, OpenAIs minste og raskeste modell, spiller det samme spillet til høyre.

Flappy Bird passer godt for en System One-modell fordi hele spillet er én rask avgjørelse som gjentas om og om igjen: flapp eller ikke flapp. Demoen teller hvor mange avgjørelser hver side har tatt og hvor mange den tar per sekund, og det er der forskjellen mellom de to viser seg. I opptaket tar Jev omtrent 3,8 avgjørelser i sekundet mot omtrent 0,7 for GPT Luna. En modell som er litt tregere med å svare, er litt sen på hvert flapp, og i dette spillet betyr det å være sen at du treffer et rør. Å se de to fuglene side om side får fram poenget om ventetid bedre enn noen tabell.

Hva Jev ikke er

Jev kan ikke skrive, forklare eller resonnere seg gjennom flere steg, og den er ikke ment å erstatte en språkmodell. Den hører naturlig hjemme foran en språkmodell, som den raske vurderingen som avgjør hva som skal skje videre. Den kan også ta feil. Et sikkert svar kan fortsatt være galt, så konfidensverdiene må tolkes og testes mot ekte data i stedet for å stoles blindt på. Og fordi du må sende noe til klassifisereren for å sjekke om det er sensitivt, bør team som er opptatt av personvern også se på selvhostede alternativer.

Hvor den passer inn

Aktuelle bruksområder er de TypeSafe peker på: triagering av henvendelser, gjenkjenning av hensikt, moderering, poengsetting, sikkerhetssjekker og ruting av en forespørsel til riktig modell etter hvor krevende den er. Det siste kan gi lavere kostnader og høyere effektivitet når enkle forespørsler slutter å bli sendt til den dyreste modellen, mens kvaliteten kan holde seg på omtrent samme nivå.

Slik bruker vi den

Vi bruker allerede Jev i prosjekter vi leverer og i våre egne produkter, for eksempel til å kategorisere forespørsler, og også til å rute forespørsler til riktig modell ut fra hvor kompleks prompten er. Det holder kostnadene nede for kundene våre og gir dem raskere svar. Vi bruker den også til produktklassifisering, der de samme raske, typede svarene for eksempel hjelper oss å sortere produkter i riktige kategorier.