গত সপ্তাহে Type Safe AI জেভ (Jev) উদ্ঘাটন করেছে, যা তাদের 'সিস্টেম ওয়ান মডেল' (System One models) নামে একটি নতুন ক্যাটাগরির মডেলের প্রথম উদাহরণ—এটিকে 'সিদ্ধান্ত মডেল' (decision models) ও বলা হয়। জেভ (Jev) একটি LLM ভেরিয়েন্ট যা টেক্সট ইনপুট গ্রহণ করে কিন্তু ক্যাটাগরি, হ্যাঁ/না প্রশ্ন, রেটিং এবং আত্মবিশ্বাস স্কোরের জন্য ফ্লোটিং পয়েন্ট নম্বর ফেরত দেয়। Type Safe জেভ (Jev)-কে 'ফ্রন্টিয়ার-ইন্টেলিজেন্স ফাংশন কল: আনস্ট্রাকচার্ড স্টেট ইন, টাইপড প্রোবাবিলিস্টিক ডিসিশন আউট' হিসেবে বর্ণনা করে। এটি দ্রুত এবং সস্তা, শুধু ইনপুট টোকেনের জন্য প্রতি মিলিয়নে $0.042 চার্জ করে—OpenAI-এর GPT-5 Nano-এর চেয়ে সস্তা যা প্রতি মিলিয়নে $0.05। জেভ (Jev) ব্যবহারকারীদের একটি স্টেট অবজেক্ট তৈরি করে এবং এটিকে তাদের API-তে পাঠিয়ে টেক্সট বা সেমি-স্ট্রাকচার্ড ডেটা সম্পর্কে প্রশ্ন জিজ্ঞেস করতে দেয়, যেখানে একাধিক প্রশ্ন সমান্তরালে মূল্যায়ন করা হয়। মডেলটি তিন ধরনের প্রশ্ন সমর্থন করে: Noul (হ্যাঁ/না আত্মবিশ্বাস স্কোর 0-1), সম্ভাবনা বিতরণসহ চয়েস প্রশ্ন, এবং সংখ্যাসূচক পরিসরসহ স্কোর প্রশ্ন। এই পদ্ধতিটি স্প্যাম ডিটেকশন, লেবেলিং এবং সার্চ রির্যাঙ্কিং (search reranking) এর মতো শ্রেণিবিন্যাস কাজের জন্য চমৎকার। যাইহোক, জেভ (Jev) ব্ল্যাক বক্স সিস্টেমের দিকে একটি প্রত্যাগমন উপস্থাপন করে—এটি সিদ্ধান্তের জন্য কোনো ব্যাখ্যা প্রদান করে না, যা লুকানো পক্ষপাতের উদ্বেগ জাগায়, বিশেষ করে হায়ারিং (hiring) এর মতো সংবেদনশীল অ্যাপ্লিকেশনে। মডেলের অস্পষ্টতা দেখে ব্যাপক মূল্যায়ন অত্যন্ত গুরুত্বপূর্ণ।