Por Canuto  

TypeSafe AI presentó Jev, un modelo de acceso anticipado diseñado para entregar decisiones probabilísticas estructuradas en lugar de texto generado. La startup afirma que su sistema puede reducir de forma drástica la latencia y el costo de ciertas tareas de automatización, aunque reconoce que sus resultados todavía requieren validación independiente y pruebas a largo plazo.
***

  • Jev entrega valores estructurados con probabilidades y confianza, en vez de cadenas de texto que el software debe interpretar.
  • TypeSafe AI asegura que sus respuestas tardan entre 70 y 500 milisegundos y cuestan USD $0,042 por millón de tokens de entrada.
  • La compañía abrió el acceso anticipado y presentó demostraciones con videojuegos, navegación en Wikipedia y flujos de trabajo empresariales.

TypeSafe AI presentó Jev, su primer modelo de la categoría que denomina System One, con una propuesta enfocada en automatizar decisiones que el software pueda utilizar directamente. La startup sostiene que el sistema abandona la generación de texto para producir valores estructurados, probabilidades calibradas y puntuaciones de confianza, una combinación que busca reducir los riesgos asociados con las alucinaciones de los modelos de lenguaje.

El anuncio fue firmado por Diogo Almeida, fundador de TypeSafe AI, quien explicó que durante años se preguntó por qué la superioridad de los modelos en conversaciones no se había traducido en una automatización más amplia. Almeida participó en OpenAI en la construcción de métodos para seguir instrucciones y conversar con personas, trabajo que posteriormente sirvió como base de investigación para ChatGPT, según la publicación de la compañía.

Una arquitectura pensada para decisiones

Los modelos de lenguaje tradicionales suelen recibir datos no estructurados y producir cadenas de texto mediante generación secuencial, un token después de otro. Ese formato permite responder preguntas, escribir código o mantener conversaciones, pero obliga al software a interpretar, analizar y validar la salida antes de incorporarla a un flujo operativo.

Jev plantea una ruta distinta: recibe información no estructurada, con énfasis en el estado de un programa, y devuelve decisiones tipadas definidas de antemano. De acuerdo con TypeSafe AI, esa restricción impide los errores de tipo porque las estructuras posibles están fijadas por la interfaz, aunque no elimina la necesidad de evaluar si la decisión tomada resulta adecuada para cada caso.

La compañía también desarrolló un muestreador paralelo que genera todas las salidas en una sola consulta, en vez de calcularlas de manera autoregresiva. Su método de entrenamiento, llamado Reinforcement Learning for Calibrated Decisions, busca que las probabilidades expresen una incertidumbre coherente: una confianza más alta debería asociarse con una mayor precisión.

Este enfoque se diferencia de los métodos de aprendizaje por refuerzo con retroalimentación humana o recompensas verificables, usados habitualmente para optimizar respuestas de chat y resultados que pueden comprobarse mediante código. TypeSafe AI sostiene que la calibración es esencial para automatizar, porque un sistema que acierta la mayoría de las veces también debe indicar cuándo se encuentra dentro de su margen de error.

Velocidad, precio y límites de la comparación

TypeSafe AI afirma que Jev ofrece tiempos de respuesta de entre 70 y 500 milisegundos en su servicio, frente a los 3 y 329 segundos que atribuye a modelos frontera en determinadas consultas. La empresa presenta esa diferencia como una ventaja de entre 40 y 200 veces en tareas con la forma adecuada para System One, aunque reconoce que el resultado depende de la complejidad del flujo y de la infraestructura utilizada.

El precio anunciado para las entradas es de USD $0,042 por millón de tokens, mientras que las salidas se ofrecen sin costo medible para el usuario. La propia empresa advierte que todavía no puede demostrar si ese precio está subsidiado y señala que la sostenibilidad a largo plazo deberá comprobarse con la operación continua, aunque espera reducirlo en el futuro.

En las evaluaciones de flujos de trabajo, TypeSafe AI comparó a Jev con referencias construidas a partir del promedio de modelos externos identificados como Astra y Fable 5.1. La startup asegura que Jev quedó fuera de las gráficas y dominó la frontera de Pareto por casi dos órdenes de magnitud, pero admite que los flujos fueron diseñados por su propio equipo de capacidades, una circunstancia que podría introducir sesgos.

La comparación también utilizó un promedio de GPT-6 Astra y Fable 5.1 como respuesta de referencia, lo que, según la compañía, puede favorecer a modelos de OpenAI y Anthropic. Además, los modelos de lenguaje evaluados utilizaron un envoltorio de System One LLM para producir decisiones compatibles con la API, una configuración que TypeSafe AI considera más precisa, pero también más lenta y costosa que las respuestas sin probabilidades.

Automatización, demostraciones y acceso anticipado

La propuesta de Jev apunta a tareas como clasificar, enrutar, puntuar, extraer información y activar ramificaciones cuando las reglas escritas manualmente resultan demasiado frágiles. TypeSafe AI también plantea usos de map-reduce sobre grandes volúmenes de datos, aplicaciones en tiempo real y sistemas que verifiquen, puntúen o establezcan barreras para otros modelos de lenguaje.

Una de las demostraciones utiliza el videojuego Doom para mostrar cómo una inteligencia artificial puede reaccionar a un estado estructurado del juego. La empresa indicó que el sistema llegó a realizar diez consultas por segundo, con un costo aproximado de USD $7 por hora, y aclaró que el experimento no analiza imágenes, sino representaciones de estado expresadas como estructuras de datos con texto.

Otra prueba recrea Wikiracing, un juego en el que el participante debe viajar desde una página de Wikipedia hasta otra utilizando únicamente los enlaces disponibles. TypeSafe AI presentó esta actividad como un escenario de alta cardinalidad, porque cada paso puede exigir elegir entre cientos o miles de enlaces, y destacó que evitar alucinaciones puede producir beneficios acumulativos.

Jev admite una cardinalidad de hasta 255 opciones; cuando la elección supera ese límite, la compañía utiliza un sistema de dos etapas que puntúa las alternativas de manera independiente y luego realiza una selección explícita. TypeSafe AI señaló que esta configuración explica algunas ralentizaciones, mientras que también reconoció que las aceleraciones observadas en Wikiracing fueron menores porque la comparación utilizó modelos sin razonamiento o con el nivel más bajo disponible.

Qué prometen las pruebas y qué falta demostrar

La compañía afirma que Jev no puede producir una salida con un tipo inválido, porque la coincidencia con el esquema está garantizada matemáticamente. Sin embargo, esa garantía no equivale a demostrar que cada clasificación, puntuación o decisión sea correcta, y TypeSafe AI separa explícitamente la seguridad estructural de la calidad de la inferencia.

La startup calcula que sus evaluaciones respaldan cifras de hasta 193,6 veces más velocidad y 444,6 veces menor costo frente a los sistemas utilizados como referencia. También advierte que espera que esos valores representen el extremo alto de las ganancias posibles, por lo que no deben interpretarse como una ventaja uniforme para cualquier aplicación de inteligencia artificial.

La demostración lado a lado con GPT-5.6 Terra buscó mostrar la diferencia entre generar probabilidades en paralelo y producir texto token por token. TypeSafe AI indicó que la consulta estaba simplificada, que las preguntas tenían claves descriptivas y que el estado de entrada era breve, denso y detallado, factores que podían favorecer la lectura visual y la comparación de Jev.

En esa prueba, la compañía identificó un único desacuerdo relevante sobre el nivel de probabilidad de abandono de clientes, un resultado que consideró genuinamente ambiguo. También explicó que utilizó GPT-5.6 Terra con razonamiento predeterminado porque lo había encontrado comparable con Jev en inteligencia promedio, una selección que limita el alcance de cualquier conclusión general sobre los modelos.

La apuesta por una interfaz confiable

Para TypeSafe AI, la ausencia de errores de tipo constituye el requisito mínimo para integrar inteligencia artificial en sistemas con garantías de latencia o en cadenas de dependencias profundas. La empresa sostiene que una herramienta alucinada puede resultar incómoda dentro de un agente, pero convertirse en un problema crítico cuando una decisión incorrecta queda escondida varias capas debajo de una aplicación.

La compañía no presenta a Jev como un sustituto universal de los modelos conversacionales, sino como una pieza para escenarios donde el código circundante debe restringir la libertad del sistema. Esa arquitectura puede facilitar reglas de decisión difusas y flujos compuestos, aunque también reduce la flexibilidad que hace útiles a los modelos capaces de generar texto libre.

El lanzamiento llega en acceso anticipado, con incorporación progresiva de desarrolladores que estaban en la lista de espera. TypeSafe AI invitó a los usuarios a indicar qué decisiones necesitan automatizar, en qué casos Jev funciona y dónde todavía se queda corto, una fase que permitirá contrastar las demostraciones internas con cargas de trabajo de producción.

El nombre System One alude a la distinción entre pensamiento rápido e intuitivo y razonamiento lento y deliberado popularizada por Daniel Kahneman, mientras que Jev homenajea a William Stanley Jevons. La empresa vincula ese nombre con la idea de que cada orden de magnitud de reducción en el costo de la inteligencia puede abrir nuevas aplicaciones, una ambición que ahora deberá medirse más allá de sus primeras gráficas y demostraciones.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados