पिछले हफ्ते Type Safe AI ने Jev का अनावरण किया, जो उनके द्वारा 'System One मॉडल' नामक एक नई श्रेणी का पहला उदाहरण है—जिसे 'निर्णय मॉडल' के रूप में भी जाना जाता है। Jev एक LLM संस्करण है जो टेक्स्ट इनपुट स्वीकार करता है लेकिन श्रेणियों, हां/नहीं प्रश्नों, रेटिंग और आत्मविश्वास स्कोर के लिए फ्लोटिंग पॉइंट नंबर लौटाता है। Type Safe Jev को 'फ्रंटियर-इंटेलिजेंस फंक्शन कॉल: अनस्ट्रक्चर्ड स्टेट इन, टाइप्ड प्रोबेबिलिस्टिक डिसीजन आउट' के रूप में वर्णित करता है। यह तेज और सस्ता है, केवल इनपुट टोकन के लिए $0.042 प्रति मिलियन चार्ज करता है—OpenAI के GPT-5 Nano से सस्ता जो $0.05/मिलियन पर है। Jev उपयोगकर्ताओं को एक स्टेट ऑब्जेक्ट बनाकर और इसे अपने API पर भेजकर टेक्स्ट या सेमी-स्ट्रक्चर्ड डेटा के बारे में प्रश्न पूछने देता है, जिसमें कई प्रश्न समानांतर में मूल्यांकन किए जाते हैं। मॉडल तीन प्रकार के प्रश्नों का समर्थन करता है: Noul (हां/नहीं आत्मविश्वास स्कोर 0-1), संभावना वितरण के साथ विकल्प प्रश्न, और संख्यात्मक रेंज के साथ स्कोर प्रश्न। यह दृष्टिकोण स्पैम डिटेक्शन, लेबलिंग और सर्च रीरैंकिंग जैसे वर्गीकरण कार्यों के लिए उत्कृष्ट है। हालांकि, Jev ब्लैक बॉक्स सिस्टम की ओर एक प्रतिगमन दर्शाता है—यह निर्णयों के लिए कोई स्पष्टीकरण प्रदान नहीं करता, जिससे छिपे हुए पूर्वाग्रह के बारे में चिंता बढ़ती है, विशेष रूप से हायरिंग जैसे संवेदनशील अनुप्रयोगों में। मॉडल की अस्पष्टता को देखते हुए व्यापक मूल्यांकन महत्वपूर्ण है।