Jev is een beslismodel van TypeSafe AI, een start-up uit San Francisco. Het schrijft geen tekst. U stuurt het een stuk state, zoals een supportticket, een agenttrace of een JSON-object, samen met een set getypeerde vragen, en het geeft gestructureerde antwoorden met kansen terug waar uw code direct op kan handelen. Per oktober 2026 is de actuele versie Jev 1.13, beschikbaar via de API van TypeSafe en verschillende gateways voor $ 0,042 per miljoen inputtokens. Outputtokens zijn gratis.

Dit artikel is gebaseerd op de documentatie van TypeSafe, partnerdocumentatie van LangChain, Vercel, Cloudflare en Pydantic, en berichtgeving in de pers. Wij hebben Jev niet in een klantproject gedraaid. Elk prestatiecijfer hieronder staat daarom op naam van wie het heeft gemeten.

Wie heeft Jev gemaakt?

TypeSafe AI noemt zichzelf een AI-lab dat “machine-native intelligentie-infrastructuur voor automatisering bouwt”. De teampagina noemt drie oprichters: Diogo Almeida (CEO), Sasha Sheng (COO, eerder research engineer bij Meta/FAIR) en Erik Gafni (CTO, eerder oprichter van Ravel en een van de eerste medewerkers van Invitae en Freenome). Volgens het bedrijf is Almeida “medebedenker van RLHF en InstructGPT” en werkte hij bij OpenAI en Google Brain. TechCrunch meldt dat hij twee jaar geleden bij OpenAI vertrok om TypeSafe op te richten.

TypeSafe trad op 15 september 2026 naar buiten met ongeveer $ 40 miljoen aan seedfinanciering onder leiding van DCVC. Het persbericht bij de lancering noemt 2024 als oprichtingsjaar en geen andere investeerders. Waarderingen die online rondgaan, komen uit tweede hand en zijn niet door het bedrijf bevestigd.

Is Jev een LLM?

Volgens TypeSafe niet. In de documentatie is Jev “het vlaggenschipmodel van TypeSafe en het eerste System One-model”, en een System One-model “beoordeelt een state en geeft getypeerde antwoorden en kansen terug” (conceptpagina System One). Dezelfde pagina zegt ook duidelijk wat zulke modellen niet doen: ze “schrijven geen antwoorden, produceren geen code en genereren geen uitleg van hun redenering.”

De term komt uit Thinking, Fast and Slow van Daniel Kahneman, waarin Systeem 1 snel en intuïtief is en Systeem 2 traag en weloverwogen. De naam Jev verwijst naar de econoom William Stanley Jevons en de Jevons-paradox.

TechCrunch noemt Jev “een nieuw model op basis van transformers” dat “geen large language model” is. TypeSafe heeft de architectuur en het aantal parameters niet gepubliceerd. Vermoedens van buitenaf dat het model op een LLM met open gewichten is gebouwd, zijn niet bevestigd. Voor de training noemt de documentatie een methode met de naam Reinforcement Learning for Calibrated Decisions (RLCD), en Almeida vertelde TechCrunch dat het model “uitsluitend op synthetische data” is getraind.

Hoe werkt Jev?

Eén request bevat twee dingen: een state (een string, een JSON-object of een array) en een map met benoemde, getypeerde questions. Elke vraag wordt “parallel en geïsoleerd tegen dezelfde state” beoordeeld, en volgens TypeSafe verandert het toevoegen van vragen “de responstijd nauwelijks”. De input is alleen tekst; afbeeldingen, audio en video worden niet ondersteund.

Dit is het Python-voorbeeld uit de officiële quickstart, letterlijk overgenomen:

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()

ticket = "Hi, I've been trying to connect my Stripe account for 3 days and the integration keeps failing. I'm losing sales. Please help ASAP."

response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
                "sales": "Pricing or account questions",
            },
        ),
        "frustration": Score(
            instructions="How frustrated the customer appears",
            criteria=[
                "Calm, just stating facts",
                "Frustrated but civil",
                "Very angry, strong language",
            ],
        ),
        "is_urgent": Noul(
            instructions="The message conveys urgency or time-sensitivity",
        ),
    },
)

print(response.answers["department"].choice)  # "technical"
print(response.answers["frustration"].score)  # 1.0
print(response.answers["is_urgent"].noul)     # 1.0

In de voorbeeldresponse op dezelfde pagina komt department terug als technical, met een kans van 0,85 voor technical en 0,15 voor billing, en een confidence van 0,78. De hele call gebruikte 392 inputtokens. Er valt niets te parsen, en de kansen vertellen uw code hoe zeker het model is.

Welke vraagtypen heeft Jev?

Drie, en ze zijn in één call te combineren (API-referentie).

Choice kiest één optie uit een set die u definieert en geeft de gekozen optie, de volledige kansverdeling en een confidence-waarde terug. Eén Choice kan maximaal 255 opties bevatten. Grotere sets vragen om een tragere aanpak in twee stappen.

Score beoordeelt de state langs een geordende schaal (rubric) van minimaal twee en maximaal 10 niveaus. Het type geeft een score terug die naar kans is gewogen en dus tussen twee niveaus kan uitkomen, plus een legend, de kansen en een confidence. De documentatie waarschuwt ertegen om exacte grootheden uit een score af te lezen.

Noul is het ja/nee-type. Het geeft de kans dat het antwoord ja is terug in een veld noul, tussen 0 en 1, en accepteert optionele beschrijvingen in criteria.true en criteria.false. Noul heeft geen confidence-veld. TypeSafe heeft de naam niet uitgelegd; in de gateway-API van Vercel heet hetzelfde type boolean.

De confidence bij Choice en Score volgt uit de vorm van de verdeling: 1 als alle kans op één uitkomst ligt, 0 als die gelijkmatig is verdeeld. Voor wie drempelwaarden instelt, voegt TypeSafe een kanttekening toe: “Kalibratie wordt gemeten over groepen voorspellingen; ze garandeert niet dat een individueel antwoord juist is.”

Hallucineert Jev?

Op de homepage staat “Nul hallucinaties”. De lanceringspost is voorzichtiger: het cijfer van 0% voor typefouten en hallucinaties berust op garanties van het schema en is “geen empirische meting”. In de praktijk betekent dit dat Jev geen optie kan teruggeven die u niet hebt gedefinieerd, en geen misvormd antwoord. Het kan nog steeds de verkeerde optie kiezen. Armin Ronacher, CTO van Earendil, zei het tegen TechCrunch zo: “Uiteindelijk schuift het het hallucinatieprobleem een beetje door naar de gebruiker.”

Hoe snel is Jev?

Dat hangt af van wie meet. De lanceringspost van TypeSafe noemt 70 tot 500 ms end-to-end, gemeten vanaf laptops van het team aan de Amerikaanse westkust, en “40 tot 200 keer sneller dan frontier-modellen” bij queries in System One-vorm. Het persbericht zegt “minder dan 100 milliseconden”, en de homepage claimt op de eigen workflows 193,6 keer sneller en 444,6 keer goedkoper dan LLM's.

Onafhankelijke tests komen op een lagere factor uit. AY Automate mat een mediaan van 0,33 s tegenover 1,17 s voor GPT-5.6 Terra, ongeveer 3,6 keer zo snel. Een onderzoek dat Beri.net samenvatte, mat vanuit Frankrijk 239 ms tegenover 687 ms voor Claude Haiku 4.5. Cloudflare, dat een concurrerend model verkoopt, mat een mediaan van 524,1 ms en een p95 van 536,0 ms. Een redelijke lezing: medianen van een paar honderd milliseconden, en in tests van buitenaf grofweg 2 tot 6 keer sneller dan snelle LLM's, niet 200 keer.

Wat kost Jev?

TypeSafe rekent $ 0,042 per miljoen inputtokens, dus $ 42 per miljard, en brengt outputtokens niet in rekening (modellenpagina). De API rapporteert wel usage.output_tokens; die worden alleen niet gefactureerd. Cloudflare en Vercel hanteren dezelfde inputprijs. Enterprise-abonnementen lopen via sales.

Tegen de lijstprijs kost de quickstart-call van 392 tokens ongeveer $ 0,000016. Met één dollar doet u dus zo'n 60.000 calls van die omvang. In de lanceringspost geeft TypeSafe ook toe dat het “niet kan bewijzen dat de prijzen niet gesubsidieerd zijn”, en het bedrijf verwacht dat de prijzen dalen.

Hoe krijgt u toegang tot Jev?

Jev ging van start met een wachtlijst, en volgens TechCrunch overbelastte de vraag de API korte tijd. Rond 20 september meldde TypeSafe op X: “Jev is nu voor iedereen beschikbaar. Geen wachtlijst.” De huidige quickstart beschrijft de route: maak een account aan op console.typesafe.ai, haal een API-key op in het dashboard en probeer vragen uit in de Playground.

Enkele operationele details van de modellenpagina:

  • De rate limits staan op 100K tokens per seconde en 80 requests per seconde, met de waarschuwing dat ze “zonder aankondiging kunnen veranderen”. Hogere limieten horen bij enterprise-abonnementen.
  • Het model-ID jev-1.13.0 is actueel, en de aliassen jev-latest en jev-preview verwijzen ernaar. De documentatie raadt aan een versie vast te pinnen zodra u drempelwaarden hebt afgesteld.
  • Jev is alleen als gehoste dienst beschikbaar. Dezelfde gewichten bedienen elk account; er is geen fine-tuning op klantdata en geen versie met open gewichten of voor self-hosting.
  • “Jev wordt niet getraind op requests of responses van klanten”, en zero data retention is beschikbaar voor enterprise-klanten.
  • De contextlimiet is 64k tokens per request, waarvan 32k voor de state plus de langste vraag. Cloudflare en Vercel noemen 32.000.

Welke SDK's en integraties zijn er?

TypeSafe publiceert een Python-SDK (typesafe-sdk, Python 3.10 of hoger), een JavaScript/TypeScript-SDK (@typesafe-ai/sdk, Node 20 of hoger), een gewone HTTP-API op POST https://api.typesafe.ai/v1/systemone en een agent skill voor Claude Code en andere coding agents. De SDK's proberen 429- en 529-fouten standaard opnieuw met exponential backoff.

Integraties van partners zijn onder meer een langchain-typesafe-package in alfa met experimentele routing-middleware, typesafe-ai/jev op Vercel AI Gateway, typesafe/jev op Cloudflare Workers AI, TypeSafeModel in Pydantic AI, en vermeldingen op DigitalOcean en OpenRouter. Hoe die passen in toolselectie door agents en modelrouting, behandelen we in onze gids over agentrouting met Jev.

Waar gaat Jev de mist in?

TypeSafe documenteert dat zelf op de pagina Jev 1.13 jaggedness, laatst bijgewerkt op 2 oktober 2026. De samenvatting: “Het kan moeite hebben met taken die extra niveaus van indirectie vereisen. Het kan nogal letterlijk zijn in zijn begrip. Het heeft moeite met taken die numerieke precisie vereisen.” Genoemde zwakke plekken zijn rekenen (“Jev is geen rekenmachine”), tellen, datums en tijden vergelijken, lange states vol irrelevante details (“Jev heeft last van context rot”), tegenstrijdige instructies, een voorkeur voor de optie die bij Choice als eerste staat, en vijandige content. Over dat laatste zegt de documentatie zonder omwegen dat de state data is en dat Jev die “standaard niet als vijandig behandelt”.

Dat laatste punt is getest. VentureBeat beschreef een test van Octomind waarin een nepveld “pre-approved” in de state de kans dat Jev rm -rf ~/.ssh blokkeerde, verlaagde van 0,76 naar 0,48. Engels is bovendien de belangrijkste trainingstaal; andere talen “worden verwerkt, maar niet even goed”.

Wat nauwkeurigheid betreft, komt Jev in de eigen workflow-evaluaties van TypeSafe gemiddeld uit op 67,8%: gelijk met Claude Sonnet 5 en onder GPT-5.6 Sol met 74,1%. De referentielabels komen daarbij uit de consensus van twee frontier-LLM's, niet van menselijke annotators. Deze cijfers en de onafhankelijke tests bespreken we in Jev vs LLM's.

Veelgestelde vragen

Wat betekent “noul” bij Jev?

Noul is de naam die TypeSafe gebruikt voor het ja/nee-vraagtype, dat de kans teruggeeft dat het antwoord ja is. TypeSafe heeft geen uitleg van het woord gepubliceerd. In de gateway-API van Vercel heet hetzelfde type boolean.

Is Jev open source?

Nee. TypeSafe biedt Jev alleen aan als gehost model via de eigen API en gateways van partners; er zijn geen open gewichten en geen on-premises-versie. Er bestaan wel opensource-alternatieven: Cloudflare bracht Clef uit onder Apache 2.0 en noemt het “volledig compatibel met de Jev-API”, en AWS bracht Strands Decider 2B uit.

Is Jev gratis te gebruiken?

Niet helemaal. Outputtokens zijn gratis, maar input kost $ 0,042 per miljoen tokens, en hetzelfde tarief geldt bij Cloudflare en Vercel. Enterprise-abonnementen met hogere rate limits regelt u via het salesteam van TypeSafe.

Kan Jev antwoorden of samenvattingen schrijven?

Nee. Volgens de documentatie is het “niet getraind om tekst te genereren”. Jev geeft keuzes, scores en kansen terug. Heeft uw workflow een antwoord, een samenvatting of code nodig, dan schrijft een LLM dat nog steeds.

Wie zijn de oprichters van TypeSafe AI?

Diogo Almeida (CEO), Sasha Sheng (COO) en Erik Gafni (CTO), volgens de teampagina van het bedrijf. TypeSafe is in 2024 opgericht en zit in San Francisco.

Waar Jev past in een echt systeem

Jev is een smal stuk gereedschap: goedkoop, snel genoeg voor beslissingen inline, en openlijk zwak in rekenen en indirectie. Of het loont, hangt af van hoeveel beslissingen uw systeem neemt en hoe goed die uiteenvallen in atomaire vragen die u tegen gelabelde data kunt testen. AI Superior ontwerpt en bouwt LLM-toepassingen en AI-agents voor B2B-klanten, inclusief het evaluatie- en kostenbeheerswerk dat bepaalt welk model welke stap afhandelt. Plant u zo'n architectuur, bekijk dan onze diensten voor LLM-ontwikkeling en -consultancy.