Diogo Almeida, fundador de TypeSafe AI, anuncia el 15 de septiembre de 2026 el primer System One Model, llamado Jev, disponible en acceso anticipado. Su pregunta de partida: dado que los modelos llevan años siendo sobrehumanos en la conversación, ¿dónde está la automatización? Su diagnóstico es que los LLM, optimizados para la preferencia humana (RLHF) o para recompensas verificables (RLVR), producen cadenas de caracteres; para que el software los utilice, deben ser analizados sintácticamente (parsed) y validados, con el riesgo constante de que salgan del formato esperado.
TypeSafe propone una pila íntegramente orientada a la automatización: una nueva arquitectura de modelo, un muestreador paralelo y un método de entrenamiento, RLCD (aprendizaje por refuerzo para decisiones calibradas), que optimiza respuestas acompañadas de probabilidades honestas. Jev toma como entrada datos no estructurados, preferentemente un estado de programa, y devuelve valores tipados, cuya forma se define de antemano, con probabilidades y puntuaciones de confianza. Renuncia a la generación de texto, lo que, según el autor, le impide alucinar o cometer errores de tipo. Se describe como una llamada de función (function call) de inteligencia de frontera.
Las cifras anunciadas: entrada a 0,042 $ por millón de tokens, salida gratuita, latencia de 70 a 500 ms frente a 3 a 329 segundos para los modelos de frontera, un factor de 40 a 200 en consultas de tipo System One. El muestreo es paralelo: todas las salidas se producen en una sola solicitud.
El artículo separa las afirmaciones verificables (velocidad, coste, ausencia de errores de tipo) de las más audaces. Presenta una comparación directa (side-by-side) con GPT-5.6 Terra, cuyo único desacuerdo se refiere a un nivel de riesgo de partida considerado genuinamente ambiguo, seguida de evaluaciones de flujo de trabajo (workflow): se asume un grafo de cálculo correcto, y las probabilidades de cada modelo se comparan con la media de GPT-6 Astra y Fable 5.1. Jev domina la frontera de Pareto a lo largo de casi dos órdenes de magnitud; la página de inicio de la empresa cita 193,6 veces más rápido y 444,6 veces más barato, cifra que el autor sitúa en el extremo alto de las ganancias reales. Cada demostración va seguida de advertencias (caveats): cifras de los LLM procedentes de OpenRouter, workflows escritos por el propio equipo, una referencia favorable a los modelos de OpenAI y de Anthropic.
Casos de uso: decisiones difusas integradas en el código (clasificar, enrutar, puntuar, extraer), procesamiento de datos a gran volumen, aplicaciones en tiempo real, verificación de salidas de LLM. Dos demostraciones, Doom y Wikiracing, ilustran la velocidad y la ausencia de alucinación en elecciones de alta cardinalidad (hasta 255 opciones).
El nombre remite a Kahneman (Sistema 1) y a Jevons: cada caída de orden de magnitud en el coste de la inteligencia abriría otros tantos usos nuevos. TypeSafe abre el acceso anticipado y pregunta a los desarrolladores qué decisiones quieren automatizar.