Voorbij het proza van de modellen: Jev en de gok op beslissingen zonder tekst

Al drie jaar meet de markt voor kunstmatige intelligentie haar vooruitgang vrijwel uitsluitend aan het vermogen om steeds langere en ingewikkeldere teksten te produceren. TypeSafe AI kondigde Jev aan in een bericht op het bedrijfsblog van 15 september 2026 — de eerste onafhankelijke berichtgeving dateert van 16 en 17 september — en stelde het model beschikbaar in early access als eerste van een klasse die het bedrijf «System One Models» noemt. Het model ziet volledig af van het genereren van proza en presenteert zich als aanvulling op en niet als vervanging van de klassieke LLM's: Jev ontvangt enkel een ongestructureerde, uitsluitend tekstuele toestand en een vooraf gedefinieerd schema, en geeft getypeerde waarden met bijbehorende kansen terug. De documentatie voorziet in drie beslissingsprimitieven: Choice (keuze tussen opties), Score (score) en Noul (booleaanse waarde). Het bedrijf mikt daarmee op de punten in de softwareketen waar snelle routering nodig is en geen betoog.

Voor versie jev-1.13.0 noemt de documentatie een prijs van 0,042 dollar per miljoen invoertokens tekst, met gratis output, en vermeldt dat het systeem geen beeld-, audio- of videoformaten accepteert. Op de eigen homepage claimt TypeSafe AI een tot 193,6 keer hogere snelheid en 444,6 keer lagere kosten dan de frontier-modellen, met latenties tussen 70 en 500 milliseconden; in het lanceringsbericht is het voordeel (daar op 40 tot 200 keer gesteld) echter beperkt tot queries «van het type System One», bij een gelijk intelligentieniveau. De niet-autoregressieve architectuur, gebaseerd op de methode Reinforcement Learning for Calibrated Decisions (RLCD), produceert de output parallel in plaats van token voor token. De in de documentatie genoemde limieten zijn 250.000 tokens per seconde of 1.200 verzoeken per minuut, met een contextvenster van 64k tokens per verzoek en een plafond van 32k voor toestand plus vraag.

Het beeld bevat echter verschillende onzekere elementen die expliciet benoemd moeten worden. In het officiële lanceringsbericht erkent TypeSafe AI openlijk dat de 0% die in de eigen grafieken aan typefouten wordt toegekend niet uit empirische metingen komt, maar uit de structurele garantie van het vooraf gedefinieerde schema, dat een verkeerd gevormde output bij de wortel onmogelijk maakt zonder op zichzelf te garanderen dat de beslissing juist is. Bovendien berusten de prestatievergelijkingen op interne evaluaties die «workflow evals» heten, uitgevoerd door concurrerende modellen door de eigen adapter van TypeSafe AI te sturen, zonder resultaten op openbare benchmarks van derden. Ook de aankondiging van een startfinanciering van 40 miljoen dollar onder leiding van DCVC komt van externe bronnen zoals TAO Media en vindt geen directe bevestiging in de officiële kanalen van het bedrijf.

De creativiteit van proza vervangen door de strengheid van een getypeerd schema is een pragmatisch inzicht dat antwoord geeft op reële eisen van softwarearchitectuur. Wat nog moet blijken, is of de kalibratie van de kansen en de beloofde snelheden overeind blijven bij onafhankelijke benchmarks en in de dagelijkse praktijk. — Olya