The Pulse

TypeSafe lancia Jev per decisioni strutturate rapide con l’IA

TypeSafe AI ha rilasciato Jev, un modello in accesso anticipato progettato per restituire decisioni strutturate e probabilistiche anziché testo generato. Secondo l’azienda, Jev ha tempi di risposta di 70–500 millisecondi e può costare fino

AI.info Team · Scritto con l’IA · verificato · 2026-09-15

«Abbiamo costruito uno stack interamente dedicato all’automazione: con una nuova architettura del modello, un campionatore parallelo per la massima efficienza e un metodo di addestramento che chiamiamo Reinforcement Learning for Calibrated Decisions (RLCD).»

Diogo Almeida, fondatore di TypeSafe

TypeSafe AI ha rilasciato Jev il 14 settembre, presentando quello che definisce un modello «System One», progettato per prendere decisioni rapide e strutturate che i software possono utilizzare direttamente. Dopo due anni in modalità stealth, l’azienda mette il modello a disposizione degli sviluppatori attraverso un programma di accesso anticipato.

Jev è destinato a compiti come la classificazione, l’instradamento, l’assegnazione di punteggi, l’estrazione e la scelta tra rami alternativi nei flussi di lavoro software. Anziché produrre una stringa che un’applicazione deve analizzare e convalidare, restituisce valori predefiniti con tipi garantiti, insieme a probabilità e punteggi di confidenza.

Jev sostituisce il testo generato con decisioni tipizzate

TypeSafe descrive Jev come una «chiamata a funzione con intelligenza di frontiera»: riceve uno stato non strutturato e restituisce decisioni probabilistiche tipizzate. Il modello non genera testo ordinario, una scelta che l’azienda presenta come un compromesso deliberato per ridurre la latenza, i costi e il rischio di output malformati.

I modelli linguistici esistenti generano in genere un token alla volta, ciascuno condizionato dal precedente. Jev campiona invece i propri output in parallelo: secondo TypeSafe, questa soluzione è più adatta ai software che richiedono molte decisioni indipendenti anziché una risposta conversazionale.

Secondo l’azienda, Jev non può produrre errori di tipo, perché i possibili output del modello e la loro struttura sono definiti in anticipo. TypeSafe distingue questa garanzia da un’affermazione più ampia sulla correttezza: un risultato può rispettare lo schema richiesto e rappresentare comunque una cattiva decisione. Per questo il sistema restituisce informazioni sulla confidenza con ogni risposta.

Tempi di risposta di 70–500 millisecondi, secondo TypeSafe

TypeSafe riferisce che Jev ha tempi di risposta complessivi da 70 a 500 millisecondi. Nel confronto con i modelli linguistici di frontiera, secondo l’azienda, questi tempi possono rendere Jev da 40 a 200 volte più veloce per le «query con le caratteristiche di System One», anche se il confronto dipende dal compito, dall’hardware e dal flusso di lavoro.

Il prezzo di input di Jev è indicato in 0,042 dollari per milione di token, mentre l’output è gratuito. Secondo TypeSafe, le sue valutazioni dei flussi di lavoro mostrano che Jev raggiunge lo stesso livello generale di intelligenza di modelli più grandi, con un diverso compromesso tra costi e velocità.

La homepage di TypeSafe attribuisce alle valutazioni dei flussi di lavoro pubblicate insieme al lancio i risultati principali di una velocità 193,6 volte maggiore e di un costo 444,6 volte inferiore. Questi dati provengono da test progettati dall’azienda stessa, non da un benchmark indipendente, e TypeSafe afferma che i flussi di lavoro sono stati creati da membri del suo team dedicato alle capacità dei modelli.

La valutazione usa modelli di riferimento, non un insieme fisso di risposte corrette

La valutazione dei flussi di lavoro di TypeSafe prende come oggetto del test un flusso di lavoro software. Ogni modello riceve lo stesso flusso di lavoro e gli output di Jev vengono confrontati con le probabilità medie prodotte da due modelli di riferimento più grandi, identificati dall’azienda come GPT-6 Astra e Fable 5.1.

L’approccio è pensato per misurare il comportamento dei modelli all’interno del codice, anziché quanto bene corrispondano a un’unica etichetta di riferimento. TypeSafe afferma che la valutazione premia le probabilità dettagliate e le decisioni scomposte, che vengono poi combinate in rami distinti dal flusso di lavoro circostante.

Questa impostazione offre all’azienda un modo utile per testare l’uso previsto del prodotto, ma limita anche ciò che i risultati dimostrano. TypeSafe riconosce che il suo team ha costruito i flussi di lavoro e che i modelli linguistici sono stati vincolati attraverso un wrapper progettato per produrre decisioni strutturate compatibili con l’API di Jev.

L’accesso anticipato mette il modello nelle mani degli sviluppatori

Jev è ora disponibile per gli sviluppatori ammessi attraverso il programma di accesso anticipato di TypeSafe. L’azienda chiede agli utenti di verificare quali decisioni possono automatizzare, in quali casi il modello funziona bene e in quali presenta limiti.

Tra gli esempi presentati da TypeSafe al lancio figurano un sistema che gioca a Doom e reagisce a uno stato di gioco strutturato e un agente Wikiracing che a ogni passaggio sceglie tra potenzialmente centinaia o migliaia di link. Jev supporta scelte con cardinalità fino a 255; per selezioni più ampie utilizza un processo di assegnazione dei punteggi e scelta in due fasi.

L’obiettivo immediato del prodotto non è sostituire le chat generiche. TypeSafe propone Jev come componente software per flussi di lavoro in cui le applicazioni richiedono output rapidi e vincolati, incertezza esplicita e strutture di dati prevedibili. Il suo primo rilascio pubblico fa quindi una promessa più circoscritta rispetto a un modello linguistico convenzionale: meno parole, più decisioni e un formato di risposta che il codice può utilizzare senza analizzare testo discorsivo.