La semana pasada Type Safe AI presentó Jev, su primer ejemplo de una nueva categoría de modelo que llaman 'modelos System One', también conocidos como 'modelos de decisión'. Jev es una variante de LLM que acepta entradas de texto pero devuelve números de punto flotante para categorías, preguntas de sí/no, calificaciones y puntuaciones de confianza. Type Safe describe Jev como una 'llamada a función de inteligencia fronteriza: estado no estructurado de entrada, decisiones probabilísticas tipadas de salida'.

Es rápido y barato, cobrando solo $0.042 por millón de tokens de entrada, más barato que GPT-5 Nano de OpenAI a $0.05/millón. Jev permite a los usuarios hacer preguntas sobre texto o datos semiestructurados componiendo un objeto de estado y enviándolo a su API con múltiples preguntas evaluadas en paralelo. El modelo soporta tres tipos de preguntas: Noul (puntuaciones de confianza sí/no 0-1), preguntas de elección con distribuciones de probabilidad, y preguntas de puntuación con rangos numéricos.

Este enfoque es excelente para tareas de clasificación como detección de spam, etiquetado y reordenamiento de búsqueda. Sin embargo, Jev representa una regresión hacia sistemas de caja negra: no proporciona explicaciones para las decisiones, lo que genera preocupaciones sobre sesgos ocultos, particularmente en aplicaciones sensibles como la contratación. La evaluación exhaustiva es crucial dada la opacidad del modelo.